为什么中国的 GEO 服务不能是 Profound 的翻译版

今年夏天，一家成立不到三年的美国公司 Profound 完成新一轮融资，累计融资额被多家媒体报道为 1.55 亿美元。这个数字之所以在国内从业者中间反复被提起，不是因为金额——在 AI 赛道上它甚至算不上头部——而是因为它给一件事定了价：

在生成式引擎里，"一个品牌会不会被提到"，值这么多钱。

消息传回国内，"中国的 Profound 是谁"迅速成了一道填空题。过去半年，GEO 相关公司密集注册，大厂陆续入场，评测榜单泛滥到了互相打架的程度——你现在在任何一个搜索框里输入"GEO 平台哪个好"，能翻出几十篇结论完全不同的测评。

我们想换一个问法。

与其问"谁是中国的 Profound"，不如先问一个更基础的问题：Profound 这套东西，原样搬到中国，还成立吗？

这不是一个修辞性的设问。我们用自己服务器上的一份日志，给出了一个相当明确的答案。

一、Profound 值这个价，是因为它站在一个"没有利益冲突"的位置上

先看清楚 Profound 到底在卖什么。

按其官网定价页公开列出的「Answer Engines tracked」，它追踪九个引擎：ChatGPT、Perplexity、Google AI Mode、Google Gemini、Microsoft Copilot、DeepSeek、Anthropic Claude、Google AI Overviews、Exa Search。产品逻辑是一条清晰的闭环：监测品牌在这些引擎的答案里出现的位置与语境 → 反推该优化什么内容 → 验证优化有没有生效。

这条闭环能跑通，有一个很容易被跳过的前提：这些引擎，愿意告诉你它们是怎么工作的。

OpenAI 公开区分训练爬虫（GPTBot）与检索爬虫（OAI-SearchBot），允许站长分别配置；Anthropic、Perplexity、Apple 同样公示了自己的 User-Agent 和官方 IP 段。这意味着一个品牌方可以精确知道：AI 有没有来抓过我的页面、抓的是哪一个、是为了训练还是为了回答某个人此刻的提问。

这种透明不是道德水平的体现，是位置决定的。

OpenAI 没有自己的电商，没有自己的内容平台，没有自己的广告系统。它的收入来自订阅和 API。当一个用户问"哪款扫地机器人好"，ChatGPT 的答案里出现 A 品牌还是 B 品牌，对 OpenAI 的营收没有任何影响。

正因为它对"答案里出现谁"毫无偏好，它才敢把规则公开，才敢让第三方进来优化。

Profound 的生意，本质上建立在这份"引擎中立"之上。引擎公开规则，它就能建模；规则稳定，数据就有复现性；有复现性，客户才愿意持续付费。它的估值里，有很大一部分其实是这个前提的价值。

那么问题来了——中国的五个主流引擎，有几个站在这个位置上？

二、一份空白的日志

我们把自己官网的 nginx 访问日志翻了出来。

这里需要先说一句方法：只看 User-Agent 是不行的。 AI 爬虫的 UA 伪造比例高得惊人，随便一个脚本都能把自己声明成 GPTBot。我们按各家官方公布的 IP 段做了逐条验真——这一步做完，数字和只看 UA 的口径相差好几倍。我们自己也是先按 UA 统计过一轮，结果被验真后的数据推翻，才知道这个坑有多深。

验真之后，出现过的 AI 爬虫一共七个：

```
ClaudeBot · ChatGPT-User · OAI-SearchBot · Applebot · GPTBot · PerplexityBot · Claude-User
```

七个，全部来自海外。

然后我们反过来查国产引擎：DeepSeek、文心一言、通义千问、腾讯元宝、豆包、Kimi、智谱、星火、混元、MiniMax。

一次都没有。连伪造的 UA 都没有一条。

这条结论是可证伪的——任何一家有服务器日志的公司，五分钟就能自己验一遍。如果你翻到了国产引擎的官方爬虫，本节不成立，我们欢迎被纠正。

但在被纠正之前，它意味着一件相当严重的事：

「把官网内容优化好 → AI 爬虫来抓 → AI 在答案里引用你」这条被无数 GEO 教程当作常识的链路，对国产引擎而言，在第一步就不发生。

海外恰恰相反，而且有一个极好的反证。Reddit 全域封禁爬虫之后，ChatGPT Search 里 Reddit 的引用份额从 3.83% 跌到 0.52%，降幅 86.4%；同期 Google AI Overviews 只降了 11.3%。

一个"封禁爬虫"的动作能把引用份额打掉八成半，恰恰说明海外的引用高度依赖实时抓取。 抓不到，就引不了。这正是 Profound 那套方法论的物理基础。

中国不是这个机制。国产引擎的内容来源主要是三条：预训练语料、联网检索时调用的搜索引擎索引、以及自家生态内的数据。

第三条，是理解中国 GEO 的钥匙。

必须先把一件事说清楚，否则容易被误读：这条结论只适用于国内市场。
出海场景恰恰相反——海外引擎确实每天在抓我们的站，「优化官网 → 被抓 → 被引用」那条链路在那边是成立的，Profound 那套方法论的物理基础也在那边。
同一组日志，两个市场，两套机制。 本文讲的是国内这一套；出海该怎么做，我们在另一篇里单独展开。

三、五个引擎，五个闭环，和一个例外

把这五家的股权与生态关系摆在一起，图景一下就清楚了：

前四家有一个共同点：在做 AI 之前，它们已经有了一门靠"分发"赚钱的生意。

这里需要说句公道话。一家同时经营内容平台和电商的公司，很难让自己的 AI 把用户导向站外——这不是态度问题，也谈不上对错，是商业理性。分发权本身就是这类公司最值钱的资产；AI 对它们而言是一个新的分发入口，而不是一个中立的问答服务。

指望它们像 OpenAI 那样公开引用规则、放出官方爬虫、欢迎第三方来优化，是搞错了对方的生意模式。这些公司是从传统互联网的流量分发生意里长出来的，而 OpenAI 是一个没有历史包袱的新物种。 两者对"答案"这件事的定义，从第一天起就不一样：对前者，答案是货架；对后者，答案是产品本身。

DeepSeek 是这里面唯一的例外。

它没有电商，没有内容平台，没有广告系统。它的公开动作几乎全部集中在模型能力和 API 定价上，官网至今没有面向品牌方的任何商业入口。

换句话说，在中国的五个主流引擎里，DeepSeek 是唯一一个在结构上占据了"OpenAI 那个位置"的玩家。 它目前还没有需要保护的既有生意，因此它的引用逻辑里掺进商业意图的动力最小。

这件事对不同的角色意味着完全不同的东西。我们后面分开讲。

四、数据：五个引擎的引用偏好，差异比想象中大得多

以上都还是结构推理。推理必须被数据检验。

2026 年 8 月，我们做了一次覆盖五大引擎的系统观测，数据窗口为 8 月 1 日至 8 月 31 日，追踪 DeepSeek、文心、豆包、元宝、千问的网页端与移动端共 8 个入口，覆盖 22 个行业、2100 多个品牌，累计近 15 万次 AI 问答搜索、2263 万条引用记录，以占比口径分析各引擎在信源类型、内容体裁、视频引用三个维度上的偏好差异。

几个能直接回答本文问题的结果：

其一：豆包引用的视频内容里，34% 全部来自抖音

这一条几乎不需要解释。它就是"闭环"两个字最直白的数据形态。

其二：元宝的引用明显"达人化"，达人内容占比 70%；千问相反，权威信源占比 33%

一个是社交生态的内容形态，一个是电商平台对"官方/权威"的天然偏好。两家的引用偏好，几乎就是各自母体生态的镜像。

其三：企业官网在被引来源里的占比，低得超出多数人预期

```
教育 16% · 文旅 7% · 快消 6% · 汽车 5%
```

这组数字和麦肯锡《2026 年消费者现状》的统计方向一致——该报告称品牌自有网站占大模型引用源的比例只有 1%-2%。口径不同，结论相同：在 AI 的答案里，官网从来不是主力信源。

这对那些把预算全砸在官网改造上的品牌，是个坏消息。

其四：五个引擎的自媒体/达人内容被引占比，在 40% 到 70% 之间

这意味着，对绝大多数品牌来说，AI 里的品牌形象，主要由别人写的内容塑造，而不是你自己写的。

其五：内容的"被引寿命"极短

餐饮类内容平均被引 5.3 天，工业类只有 3.9 天。发一篇稿子指望管一年，在 AI 搜索里不成立。

其六：同一份内容发到不同平台，被引概率天差地别

我们还做过一组连续 3 个月的控制变量对照实验：固定关键词、内容结构、信源渠道、发布时间，只变更发布平台与优化细节，累计完成超过 1200 组有效测试。

结论指向同一个方向——五个引擎的语料池，本来就不互通。

在淘宝把商品评价做厚，对豆包一点用都没有。在抖音铺了几百条短视频，千问看不见。

这是 Profound 那套产品架构无法表达的东西。

它的核心问题是"我的域名被引用了吗"——因为在海外，答案确实主要来自开放网页，域名就是那个稳定的抓手。

而中国要回答的是另一个问题："在这五个互不相通的生态里，我的内容资产分别有多厚？谁比我厚？"

一个是单维度的域名监测，一个是五维度的生态资产盘点。

这不是翻译的问题，是产品要解决的问题根本不同。

五、为什么你看到的那些 GEO 榜单，大部分不能用

在往下讲行业打法之前，必须先拆掉一个障碍物。

任何一个想做 GEO 的品牌方，第一步几乎都是去搜"GEO 平台哪个好"。然后你会看到几十篇榜单，结论互相矛盾：有人按平台数量推 A 家，有人按功能条数推 B 家，还有人按价格推 C 家。

问题不在于谁收了钱，而在于——大多数榜单用的根本不是同一把尺子。

我们做过一次对照：拿统一的 20 组品牌词加行业词，在豆包、DeepSeek、文心一言、通义千问、腾讯元宝五个模型上连续跑两周，同时用五款主流平台去测。结果是：

同一组品牌词，不同工具测出来的曝光率能差 40%。

40% 的差距意味着什么？意味着你拿其中任何一份数据去做优化决策，方向都可能是反的。

差距从哪来？主要是三处：

第一，采集方式不同。 有的平台调 API 拿缓存结果，有的平台模拟真实用户在前端提问。前者快、便宜、稳定，但拿到的不是真实用户看到的答案；后者慢、贵，但那才是你的客户实际会看到的东西。参数表上两者都写"覆盖五引擎"，实质完全不同。

第二，提问身份不同。 AI 会根据对话上下文和用户画像调整答案。不固定提问身份，两次结果就没有可比性。

第三，也是最隐蔽的一处：问题落在了哪个"区"。

我们用 1047 条真实 query 做过一次分区实测。把问题按是否含品牌名、含谁的品牌名分成五个区，然后测"跑偏率"——即 AI 的回答偏离提问原意的比例：

```
空白区（不含任何品牌名） 跑偏率 13.3%
有品牌名的三个区 跑偏率 5.4% ~ 6.6%
```

空白区的跑偏率是有品牌名区域的两倍多。 而绝大多数榜单测的恰恰是空白区的泛词——"GEO 工具哪个好"这种。在一个跑偏率 13.3% 的区里测出来的排名，本身就带着可观的噪声。

这也是我们坚持分平台输出结果、拒绝给一个"综合得分"的原因。把五个语料池完全不同的引擎的分数加权平均成一个数字，这个数字看起来很方便，但它抹掉的恰恰是唯一有用的信息。

六、行业切面：22 个行业，没有一套通用打法

如果说前面讲的是"引擎之间不一样"，那么还有一层差异同样剧烈：行业之间不一样，而且不一样的方式毫无规律可循。

这是我们观测 22 个行业之后最强烈的感受。下面挑几个差异最典型的：

餐饮：自运营空间全行业最高，但探店短视频几乎无效

```
自运营空间 45%（全行业最高）· 内容续航 5.3 天（全行业最长）· 视频占被引仅 3%
被引特征：结论前置 1.7 倍、负面锚定 1.6 倍
```

这组数字里最反直觉的是视频只占 3%。餐饮行业投在探店短视频上的钱是天量的，但就"被 AI 引用"这件事而言，它的贡献接近于零。自运营空间 45% 意味着什么？意味着餐饮是少数几个不花钱也能做出效果的行业——把自己的菜单、环境、常见问题用结论前置的方式写清楚，比投一百条探店视频管用。

单店和连锁的打法还完全不同：单店拼本地信息增量，连锁拼标准化事实的一致性。

文旅：AI 决策渗透率最高，但一半被引靠付费媒体

```
AI 决策渗透率约 50%（全行业最高）· 付费媒体占被引 49% · 资质代发 0%
教程体裁 32%，反超榜单体裁
豆包视频 34% 全来自抖音 · 元宝达人化 70% · 千问权威化 33%
```

文旅是 AI 介入决策最深的行业——一半的旅游决策已经有 AI 参与。但它同时也是最难靠自运营做起来的：付费媒体占了被引的 49%。

有意思的是"教程体裁 32% 反超榜单"。也就是说，写《三天两夜怎么玩》比写《十大必去景点》更容易被引用。AI 要的是可执行的信息，不是排序。

家装：付费媒体 47%，视频只对豆包和文心有效

```
付费媒体占被引 47% · 视频 15%（本地生活最高）· 资质代发 0%
被引特征：决策路径 1.5 倍、场景化标签 1.4 倍
```

家装的特殊性在于视频的有效性是分引擎的——只对豆包和文心有效，对千问和元宝基本无效。这是一个如果不分引擎看就完全发现不了的规律：如果你只看"平均视频引用率 15%"，你会得出"视频有点用"的结论；分开看才知道，这 15% 高度集中在两个引擎上。

教育：官网占比全行业最高，但被引特征只有两条

```
企业官网占被引 16%（远高于文旅 7%、汽车 5%）
被引特征只有两条：决策路径 1.7 倍、事实密度高 1.6 倍
```

教育是少数几个官网还能打的行业。原因不难理解——课程设置、师资、升学数据这类信息，AI 更倾向于采信机构官方口径。

但教育也有一条硬约束：合规红线。什么能说、什么不能说，边界比其他行业窄得多。在这个前提下，本地升学政策的分情况解读，是信息增量最高的内容形态。

宠物：一条其他行业都没有的特征——不提品牌反而更容易被引

```
品牌无露出 1.9 倍 · 事实密度 2.5 倍 · 权威锚点 1.9 倍 · 调性真资讯 1.4 倍
宠物医疗资质代发 31%（硬门槛）· 宠物用品自运营 34%
```

"品牌无露出 1.9 倍"是我们在 22 个行业里只见过这一次的特征：不提自己品牌名的内容，被引用的概率反而高出近一倍。

这背后是宠物消费者的信息习惯——他们对营销内容的警惕性极高，而 AI 在训练和检索时对这种警惕性有相当程度的继承。所以宠物行业的正确做法是写真正的科普，把品牌放在信息的后面，而不是前面。

汽车与快消：官网基本失效，负面锚定权重异常高

```
汽车：判别信号八条（全行业最多）· 负面锚定 2.2 倍 · 榜单 2.1 倍 · 官网仅占 5%
快消：官网仅占 6% · 视频 15%，只对豆包抖音与文心 B站有效
```

汽车是判别信号最复杂的行业——AI 要同时权衡参数、实测、口碑、价格等八条线索。而负面锚定 2.2 倍意味着：一条负面内容对 AI 判断的影响，是一条正面内容的两倍多。

对汽车品牌而言，这条数据的含义很直接：口碑风控的优先级高于内容铺量。

医药与金融：合规门槛本身就是壁垒

```
医药：资质代发 31%（硬门槛）
金融：转化入口 2.0 倍 · 高净值场景对信源权威性要求极高
```

这两个行业的共同点是：没有资质，连入场的资格都没有。 31% 的被引来自需要资质的代发渠道，这个比例意味着有近三分之一的可见度，是用钱和牌照换的，不是用内容换的。

B2B 与工业：第三方社区权重最高，续航最短

```
工业类内容续航 3.9 天（全行业最短）· 自运营 41%
B2B 走三层信源归因：第三方社区 → 技术文档 → 厂商官方
```

工业类内容 3.9 天的续航是全行业最短的——这意味着 B2B 的内容维护频率必须比消费行业更高，这和很多人"B2B 节奏慢"的直觉正好相反。

把这八个行业放在一起看，你会发现一件事：没有任何一条"GEO 通用最佳实践"能同时适用于餐饮和汽车、宠物和医药。

餐饮该做自运营，文旅该投付费媒体；教育该做官网，快消做官网基本没用；宠物该淡化品牌，汽车该重点做风控。

这也是我们不做"GEO 优化交付"的原因之一：这件事的行业 know-how 密度太高了，任何一家公司都不可能在 22 个行业里都做到专业。 我们能做的是把每个行业的引用结构测清楚，让真正懂那个行业的人拿去用。

七、电商：不是"写文章"，是把三个货架分别铺满

回到最开始的三类客户。电商是差异最剧烈的一个。

传统认知里，GEO 等于"多写几篇被 AI 喜欢的文章"。对电商来说，这个认知基本是错的。

因为电商品牌在三个引擎里对应着三个完全不同的交易闭环：

通义千问 → 淘宝、天猫

你的商品详情页、累计的用户评价、"问大家"里的问答，本身就是千问的语料。做千问的 GEO，不是去站外发稿，是把站内这些东西做扎实——参数写全、评价引导到位、"问大家"里的高频问题有像样的回答。

千问权威信源占比 33% 这条数据在这里就有了解释：淘宝天猫的官方商品信息，对千问而言天然就是权威信源。

腾讯元宝 → 微信生态，并延伸至京东侧

元宝的语料主干是微信生态：公众号文章、视频号内容、小程序里的商品信息。而腾讯与京东长期的资本与流量协同关系，让京东侧的商品数据在这条链路上具备天然的接入优势。

元宝达人化 70% 这条数据说明了打法：在微信生态里，KOC 和达人内容的权重远高于品牌官方内容。 做元宝的 GEO，重心是把达人内容的密度和一致性做起来，而不是发品牌通稿。

豆包 → 抖音电商

豆包引用的视频里 34% 来自抖音，这条数据已经说明一切。做豆包的 GEO，主战场是抖音：短视频、直播切片、商品评价。

三套语料池，三套打法，互相不能替代。

这里还藏着一个需要品牌主自己判断的问题：豆包的答案，最终会把用户导向哪里？ 对一个主要在天猫、京东经营的品牌来说，这个问题关系到投入的性价比。我们把数据摆出来，判断留给你——这正是我们作为第三方监测方该做的事，而不是替你下结论。

八、中小企业与 B2B：DeepSeek 和豆包，两条腿，打法相反

如果说电商是"三个货架都要铺"，那中小企业和 B2B 的处境完全不同——它们没有那么多预算，必须选。

我们的建议是同样的两家：DeepSeek 和豆包。但这两条腿的走法几乎是相反的。

豆包这条腿：你必须在，因为人在那里

QuestMobile 数据显示，2026 年第一季度国内 AI 原生 APP 月活合计 4.4 亿：

```
豆包 3.45 亿 · 通义千问 1.66 亿 · DeepSeek 1.27 亿 · 腾讯元宝 1.14 亿
```

豆包的月活是第二名的两倍多。 无论你怎么看待它的生态封闭性，一个占据最大用户基数的入口，品牌不可能绕开。

但打法要换。在豆包这里，"优化官网"的边际效益极低——官网被引占比本来就只有个位数，而豆包的语料重心在字节自己的内容生态里。

要做的是在抖音、今日头条体系内产出内容，让你的信息以豆包能读到的形式，存在于它的语料池里。

对预算有限的中小企业，这里有一条相对经济的路径：自运营账号。 我们的行业数据里，餐饮自运营空间 45%、宠物用品 34%、电子信息 41%——这些数字的意思是，在这些行业里，不花钱买媒体、只靠自己的账号持续产出，也能拿到可观的被引份额。

DeepSeek 这条腿：唯一一块"内容扎实就能赢"的地方

DeepSeek 的特殊性前面已经讲过——它没有需要保护的既有生意。这带来两个对中小企业和 B2B 极其友好的后果：

第一，它的引用逻辑里掺进商业意图的动力最小。 在一个没有自家货架要保护的引擎里，"谁的内容更扎实、更准确、更有信息增量"这件事的权重相对更高。这对没钱买量、只能靠内容说话的中小企业，是最公平的一块场地。

第二，也是更现实的一点：没人跟你抢。

大品牌的预算天然流向能直接看到转化的地方——抖音、淘宝、京东。DeepSeek 目前还没有把"被提及"变成"被购买"的通路，所以大预算不会大规模涌进来。

一个高质量用户聚集、却还没有被广告预算淹没的场地，这种窗口期在任何流量生意里都不会长期存在。

B2B 企业尤其应该注意这一点，有三条理由：

• B2B 的决策链本来就长，天然承受得起 DeepSeek 的"慢"；
• 专业、可核验的技术内容，在不掺商业意图的引用逻辑里最吃香——我们的数据里，B2B 走的是"第三方社区 → 技术文档 → 厂商官方"的三层信源归因，而技术文档正是 B2B 企业最容易拿得出手的东西；
• DeepSeek 的用户画像（技术人群、专业决策者）与 B2B 的买家画像高度重合。

但也要提醒一句：工业类内容的被引续航只有 3.9 天，是全行业最短的。在 DeepSeek 上做长期主义，不等于可以做完就不管。 长期指的是投入周期，不是维护频率。

一个需要押注的判断

必须坦白说清楚：上面这段关于 DeepSeek 的判断，是推理，不是已验证的数据。

DeepSeek 在克制。它把绝大部分精力放在模型能力和 token 成本上，对商业化的探索明显慢于其他几家。这种克制有它的美感——它更像早期的 Google，想做的是一个开放的、被广泛调用的基础设施，而不是一个封闭的流量货架。它的野心不在收割这一茬流量，而在成为底层。

但克制也有代价。商业闭环探索得慢，意味着它可能在相当长一段时间里停留在"有影响力、没有变现通路"的位置上；如果这个状态持续太久，它甚至可能在商业层面被更激进的对手边缘化。

对品牌主而言，这是一把双刃剑：

短期，你在 DeepSeek 上的内容投入很难看到直接转化。长期，如果它真的走成了中国的 Google——一个开放的、有巨大开发者与用户体系的流量入口——那么今天积累的内容资产会产生可观的复利。

这是一个需要长期主义的押注。我们把推理链条完整摆出来，是为了让你能自己判断这个注该不该下，而不是替你下。

九、给投资人：这条赛道现在真正在考验什么

回到开头那道填空题。

GEO 赛道在过去半年明显变热：创业公司密集出现，大厂陆续入场，评测榜单泛滥。这本身是好事——它说明 AI 应用落地的时间点确实到了。 大模型层面的竞争进入相对稳定的阶段之后，真正决定胜负的，是谁能把模型能力转化成企业愿意持续付费的业务价值。

GEO 恰好是这个转化最直接的场景之一：它不需要企业改变工作流，不需要漫长的实施周期，它回答的是一个 CMO 每天都在问的问题——我的品牌在 AI 里是什么样子？

但热度也带来了典型的早期市场特征：功能表趋同，而理解深度分化。

几乎所有 GEO 产品都会告诉你它能"监测品牌在 AI 里的排名"。覆盖几个引擎、能不能出报告、有没有竞品对比——这些在半年内都会被抄平。真正抄不走的只有两样：

第一样：对市场结构的理解，它决定产品回答什么问题

本文前面那些关于闭环、语料池、引用偏好的分析，决定的不是某个功能怎么做，而是产品该回答什么问题。

一个把中国当成"多加几个引擎的美国市场"来做的产品，会做出一张更长的引擎覆盖清单，但它回答不了"我在抖音的内容资产够不够厚"这种问题——因为它的数据模型里根本没有"生态"这个维度。

这个差异在 demo 阶段看不出来，在客户用了三个月之后会非常明显。

第二样：时间换来的数据资产，它决定结论有没有基线

五个引擎、八个入口、22 个行业、2100 多个品牌、15 万次问答、2263 万条引用记录——这些数字本身不值钱，值钱的是它们连续积累所形成的基线。

没有基线，就没有"变好了还是变坏了"的判断；没有判断，所谓效果验证就只是一张排名截图。而排名截图是这个行业目前最大的信任黑洞。

我们连续三个月做 1200 多组控制变量对照实验，不是为了写一篇报告，而是因为：在一个所有人都能截图的市场里，只有可复现的方法论能建立信任。

还有一件事，是这个行业的隐形门槛

22 个行业的 know-how。

前面那一节里，餐饮、文旅、家装、教育、宠物、汽车、医药、B2B 的规律完全不同，甚至互相矛盾。任何一家想靠单一方法论通吃的公司，都会在第三个行业上翻车。

而行业数据是需要时间和样本积累的——这是一条用钱买不到、只能用时间换的护城河。

对投资人，我们想说的是

这条赛道现在最值得问的问题可能不是"谁的功能更多"，而是：

谁在真正理解中国这五个引擎各自的商业逻辑，并且把这种理解做进了产品架构里？

我们从 2026 年 1 月上线到现在，没有集团背书，没有内部渠道，做的是一件极其枯燥的事：把五个引擎、八个入口、22 个行业的引用结构，一天一天地测下来。

这件事不性感，但它是这个行业里唯一能积累的东西。

如果你在看这条赛道，欢迎来聊。我们可以把完整的数据方法论摊开给你看——包括我们踩过的坑。

十、给服务商：我们想找的是合作者，不是渠道

GEO 服务这门生意，目前最大的痛点不在获客，在交付。

客户问"做了有没有效果"，服务商能拿出来的往往是一张排名截图。而 AI 的答案是动态的——同一个问题连问两次，引用来源都可能不同。这不是异常，是机制：产品端每次提问都会重新检索一批材料，材料变了，答案的组织方式就跟着变。

在这种条件下，截图不能证明任何事。

IAB 在 2026 年 8 月发布的《Measuring Visibility in the AI Era》显示，只有 16% 的品牌在系统性追踪自己在 AI 答案中的可见度。这个数字的另一面是：84% 的市场，还没有建立起验收标准。

这对服务商是双向的痛苦：好的服务商无法自证，差的服务商可以蒙混；结果是整个行业的报价被拉平，续约率普遍偏低。

这正是我们的位置。

我们是监测平台，不是服务商——我们不接优化执行，不做内容代营，不做媒体投放捆绑，不和服务商抢客户。 我们要做的是那个能让效果被第三方验收的角色：

• 优化前的基线快照：固定问题、固定身份、固定采样节奏，把"优化之前是什么样"钉死；
• 原始回答留存与录屏回放：每一条数据可回溯核对，而不是一张截图；
• 分引擎拆解：让"豆包涨了千问没涨"这种事能被解释，而不是被一个综合分掩盖；
• 引用源逐条追溯：回答"这次提及到底是哪篇内容带来的"；
• 续航监测：餐饮 5.3 天、工业 3.9 天，什么时候该补内容，有数据说了算。

我们正在组建服务商联盟。逻辑很简单：

优质服务商最缺的不是客户，是能自证清白的第三方数据。一个能拿出可复现验收报告的服务商，报价能力和续约率都不一样。

如果你在做 GEO 交付，欢迎来聊。我们提供的是验收工具和行业基线，你提供的是执行能力和客户关系——这两件事本来就不该由同一家公司做，因为既当运动员又当裁判，数据就不可信了。

十一、给品牌主：从今天起可以做的三件事

不需要等预算、等立项，这三件事今天就能做：

第一，翻一遍自己的服务器日志。

看看有没有国产引擎的爬虫来过。这是本文最核心那条结论的自检方法，五分钟就能验。如果你也没找到，那你就知道"优化官网"这件事在国产引擎上的真实权重了——顺便，这也会帮你重新审视手上那份把预算压在官网改造上的 GEO 方案。

第二，分引擎问一次同样的问题。

在豆包、DeepSeek、通义千问、腾讯元宝里，用同一句话问你所在的品类，看答案里出现了谁、引用了什么来源。

你会直观地看到本文说的"语料池不互通"是什么意思。更重要的是，你会看到竞品在哪几个引擎里比你厚——这通常比任何一份报告都更有冲击力。

第三，先建基线，再谈优化。

在动任何内容之前，把当前状态固定下来：哪些问题、什么身份、什么时间、得到了什么答案、引用了谁。

没有基线的优化，永远说不清有没有用。而一旦优化动作已经做了才想起来要基线，那个时间点就永远回不去了。

结语

Profound 值 1.55 亿美元，是因为它在一个规则透明的市场里，把"品牌可见性"做成了一门可度量的生意。

中国的市场不透明：五个引擎各有各的算盘，爬虫不来，规则不公开，语料池互相隔离，行业规律彼此矛盾。

这看上去是劣势。但换个角度——一个更复杂、更难被外来者理解的市场，恰恰是本地玩家唯一的护城河。

翻译版做不了这件事。因为要翻译的不是界面和文档，是对五种完全不同的商业逻辑的理解，是 22 个行业各自的引用规律，是那些只有一天一天测下来才知道的东西。

这件事我们做了一年多，也栽过足够多的跟头——比如曾经以为按 UA 统计 AI 爬虫就够了，直到验了 IP 才发现数字虚高了好几倍；比如曾经想用一个综合得分把五个引擎抹平，直到发现那个数字掩盖的恰恰是唯一有用的信息。

我们把方法和数据都摆在明面上，是因为这个市场现在最缺的不是又一个工具，是一套大家都认的标尺。

投资人、品牌主、服务商——如果你也认为中国的 GEO 需要的是重新理解，而不是翻译，欢迎来找我们。