五平台引用偏好怎么测
先把一个不好听但重要的前提说清楚：
"豆包吃知乎、DeepSeek 吃官网"这类结论，通用的那份是不存在的。 平台的检索策略、语料来源、排序权重都会变，而且同一个平台对不同行业、不同品类的引用偏好并不一致。照搬别人的结论，等于用别人的尺子量自己的身高。
能通用的只有测法。下面是这套测法。
一、先立假设：差异可能来自哪四个地方
不立假设就开始测，拿到的是一堆百分比，不知道往哪使劲。四个可能来源：
| 来源 | 表现 |
|---|---|
| 检索来源不同 | 有的更依赖联网检索，有的更依赖自有语料 |
| 时效偏好不同 | 有的倾向近期内容，有的对老内容也不敏感 |
| 来源权重不同 | 官网、行业媒体、社区问答在排序里的分量不同 |
| 问法理解不同 | 同一个问题，不同平台理解成的问题不一样 |
这四个来源会导出不同的动作。如果是来源权重不同，你要做的是换渠道铺内容；如果是时效偏好不同，要做的是提高更新频率。测之前先想清楚，你希望排除掉哪一种可能。
二、控制变量：哪四样必须锁死
| 变量 | 必须怎么处理 |
|---|---|
| 问题集 | 全程同一套题，中途不改 |
| 平台 | 固定同一批，中途不增不减 |
| 采样次数 | 每个问题在每个平台采同样的次数 |
| 时间窗 | 同一轮测试在尽量短的时间内跑完 |
时间窗这一项最容易被忽略。 如果一批问题周一测前 50 题、周五测后 50 题，那么平台本身的更新就混进了你的结果里，你分不清差异是平台偏好还是时间差异。
我们固定采样的五个平台是豆包、DeepSeek、Kimi、通义、智谱，每个问题在每个平台采样三次。三次的意义下面第四节会讲，它是判断"差异算不算差异"的基础。
三、基准线：怎么知道一个差异是真偏好还是噪音
这是整套方法里最关键的一步，也是大部分测试做错的地方。
把同一批内容、同一套问题、同一个平台，隔一周测两次。两次的结果一定不完全一样——这个差异就是噪音。 把它记下来，作为这个平台的基准线。
然后去看跨平台的差异。判断规则：
- 跨平台差异小于基准线：这不是平台偏好，是随机波动。不要据此做决策。
- 跨平台差异明显大于基准线：这可能是真实的偏好差异，值得作为下一步的验证目标。
- 差异正好在基准线附近：不下结论，加大采样次数再测。
没有基准线就去比较平台差异，是这类测试最常见的错误。 看到 A 平台 34%、B 平台 28%，直接得出"A 更重视我们"，但可能两个平台本身的周波动就有 6 个百分点。
基准线还有一个作用：它让你能诚实地说出"我们测不出差异"。这句话在汇报时比一个漂亮但站不住的结论有价值得多。
四、交叉表：怎么读出可行动的那一格
测完拿到的不该是一个总数，而是一张矩阵。行是平台，列是内容类型：
| — | 事实型内容 | 对比型内容 | 教程型内容 | 案例型内容 |
|---|---|---|---|---|
| 豆包 | 高 | 高 | 中 | 低 |
| DeepSeek | 中 | 高 | 高 | 低 |
| Kimi | 中 | 中 | 高 | 中 |
| 通义 | 中 | 中 | 中 | 中 |
| 智谱 | 低 | 中 | 中 | 中 |
表里的字用相对值，不用百分比——因为你要找的是"哪个格子异常高"，不是算出精确数值。
读法只有一条：找同时满足两个条件的格子——高于该平台自身均值，且高于该内容类型在跨平台的平均值。 两个条件都满足，说明这个平台对这一类内容有特别的偏好，而不是这个平台整体权重高。
（上表是格式示例，不是我们的实测结论。你的表一定和这张不一样。）
找到这样的格子之后，动作就明确了：把那类内容的资源往那个平台投。 在四个平台上都表现中等的类型，优先级往后放。
五、为什么是三次采样
单次采样测到的是某一次的结果，不是稳定状态。
三次采样的用法有两种。一种是看稳定性：三次结论一致，说明这个结果是稳定的；三次差异很大，说明这个问题本身在这个平台上就没有稳定答案，这个数据点应该标记为不可用。另一种是取综合结果，减少单次波动的影响。
前者比后者重要。 一个在三次采样里飘忽不定的问题，本身就是一条信息——它说明这个话题在训练语料或检索结果里没有明确答案，这正是你可以去填的位置。
六、测出来之后，动作往哪走
| 测到的现象 | 优先动作 |
|---|---|
| 某平台对某类内容偏好明显 | 把该类内容优先铺到该平台的相关信源 |
| 所有平台都不提及某个问题 | 这个问题没有明确答案，是最值得抢占的位置 |
| 提及但准确性低 | 事实卡有问题，先修事实再谈覆盖 |
| 提及但正面性低 | 口碑类内容的问题，不是事实问题 |
| 三次采样结果不稳定 | 该话题没有稳定答案，属于可填补的空白 |
第二行和第五行是最容易错过的高价值信号。 大家都在盯"怎么被提到"，而"这个问题还没有明确答案"意味着位置是空的——先写的人定义答案。
七、这套方法的边界
它能告诉你：在你的行业、你的品牌、你选定的问题集下，各平台对不同内容类型的相对偏好。
它不能告诉你：平台的排序算法是什么，权重具体多少。这个信息不公开，任何给出具体权重的说法来源都值得怀疑。
也不能一次测完就长期沿用。平台在变，你的问题集也应该跟着变。 建议每季度复核一次问题集，把已经不再被问的问题替换掉，同时重跑一次基准线。
两个常被追问的问题
问：一共要多少题？
一百题以上才有统计意义。题太少时，一道题的差异就能让比例跳动几个百分点，你分不清是偏好还是噪音。
问：可以直接用第三方工具的监测结果吗？
可以看，但你的问题集和采样方式仍然要自己定。因为工具默认的问题集未必匹配你的客户在问什么，而GEO 的所有判断都建立在"客户实际会问什么"这个前提上。问题集错了，后面全错。
相关阅读
延伸阅读：电商上新提速：把商品资料变成可上架交付包的实操路径、选题库怎么建：把客服对话变成选题的一套编码方法、AI 把你的品牌价格说错了，怎么改：一套可复测的事实修复流程。
如果你想知道 AI 现在怎么描述你的品牌、哪里说错了，可以从 一次免费的品牌可见度体检 开始。