豆包、DeepSeek、元宝实测对比:同一个问题,三个 AI 给了三种答案
我们用 60 个真实采购问题,对国内 6 个主流 AI 引擎做了两轮测试。结论是:不存在「一个内容通吃所有引擎」,但存在可以复用的信源策略。
静好房增长研究院
静好房科技
测试设计
我们选取了 3 个行业(企业服务、工业设备、医疗美容),每个行业 20 个真实采购问题,覆盖认知型(「什么是…」)、比较型(「A 和 B 哪个好」)、推荐型(「推荐几家…」)三类意图。
在豆包、DeepSeek、腾讯元宝、通义千问、文心一言、Kimi 上各提问两轮,间隔 7 天,记录:
- 品牌是否被提及;
- 推荐名单的顺位;
- 引用的来源域名;
- 答案是否包含具体数据。
发现一:推荐型问题的差异最大
在「推荐几家做 XX 的服务商」这类问题上,六个引擎的品牌重合度只有 23%。豆包更偏向资讯与自媒体内容,DeepSeek 更偏向官网与结构化页面,腾讯元宝对公众号与腾讯生态内容更敏感。
这意味着:只在一个引擎上做到第一,不代表在 AI 搜索里「赢了」。
发现二:引用源的集中度很高
两轮测试共记录 1,142 条引用,其中 62% 来自不到 40 个域名:百科、几家头部行业媒体、知乎高赞回答、以及品牌官网。
对品牌来说,这其实是个好消息——不需要覆盖整个互联网,只需要进入那 40 个域名构成的「引用池」。
发现三:答案的稳定性与内容结构强相关
答案波动最小的品牌,官网都具备三个特征:
- 有清晰的品牌与产品定义段落(什么是、给谁用、解决什么问题);
- 有可核验的数据(服务客户数、覆盖城市、交付周期);
- 有 FAQ 结构,且问题写法接近用户口语。
相反,只有营销口号、缺少具体事实的品牌,即使被提及,描述也经常出错。
发现四:时效性影响明显
同一批问题,7 天后的第二轮测试中,约 18% 的引用源发生了变化。更新频率高的媒体与官网页面更容易保留位置。
这解释了一个常见困惑:为什么上个月 AI 还推荐我们,这个月就不提了。GEO 需要持续维护,而不是一次性交付。
对策略的三个启示
- 不要只优化一个引擎。至少覆盖 4 个,观察交集与差集;
- 优先进入高权重引用池,而不是盲目铺量;
- 官网事实块 + 第三方共识 双线并行,前者保证准确,后者保证可信。
完整测试数据与提示词清单,可在预约诊断后获取脱敏版本。