返回文档中心
实测豆包DeepSeek

如何让豆包和 DeepSeek 在回答里提到你的品牌:一次可复现的实测

很多人问"到底怎么做才能让 AI 提到我的品牌",答案不能靠感觉。这篇文章给出一次完整的可复现实测:固定 6 个问题、每个引擎采样 4 次,记录提及与引用,然后改一版内容再测一次。

8 分钟6 节

01实验设计:把玄学变成可复现的测量

生成式回答有随机性,同一个问题问两次结果可能不同。所以第一件事不是改内容,而是固定测量口径:问题集固定、采样次数固定、判定规则固定。

本次实测用 6 个真实用户会问的问题,每个引擎每个问题采样 4 次,共 48 个样本(两个引擎)。判定规则:答案正文出现品牌名即算提及,出现站点链接即算引用。

本次实测的样本设计
项目取值
引擎豆包(Doubao)、DeepSeek
问题数6 条
每问题采样4 次
总样本48 条
判定正文含品牌名=提及;含站点链接=引用
采样时间2026-11-07 单日完成

02六个问题长什么样

问题要贴近真实提问,不要写成"风火GEO 怎么样"——那是在测品牌词,不是测品类词。真正有价值的是那些用户还不知道你存在的场景。

  • 推荐几个能做 AI 品牌监测的工具
  • 怎么知道 AI 回答里有没有提到我的品牌
  • GEO 和 SEO 有什么区别,需要分开做吗
  • 小团队预算有限,AI 可见度优化从哪一步开始
  • llms.txt 到底有没有用,怎么验证
  • AI 引用来源是怎么选的,能干预吗

03第一轮结果:48 个样本里的真实分布

第一轮总提及率 43.8%(21/48)。分引擎看差异很大:DeepSeek 明显更愿意提小众工具,豆包更倾向头部品牌。这个差异不是内容问题,是语料池问题。

值得注意的是"提到但没引用"的比例很高:21 次提及里只有 5 次带了站点链接。说明内容被记住了,但没有被当作证据。

第一轮实测结果
引擎样本提及提及率引用引用率
DeepSeek241458.3%416.7%
豆包24729.2%14.2%
合计482143.8%510.4%

04改了什么:三处针对性修改

看到"提及多、引用少",方向就清楚了:不是让 AI 知道我们,而是让它愿意把我们当证据。据此做了三处修改,两周后重测。

第三处修改最有效。把"我们的监测覆盖 8 个引擎"这种自夸,改成一张带口径的对照表,被引用次数从 5 涨到 13。

  • 给核心页面加了 Article / FAQPage 结构化数据,明确作者、发布时间、问答对。
  • 把方法论段落改成可独立摘出的断言,每条断言带一个数字。
  • 新增一张"指标定义与口径"表,让模型可以直接引用定义。

05第二轮结果与结论

两周后重测,同一批问题、同样采样次数。总提及率从 43.8% 升到 56.3%,引用率从 10.4% 升到 27.1%。提升主要来自引用,符合预期。

结论:在内容已经能被读到的前提下,"可被引用的证据密度"是提升引用率最直接的杠杆。反之如果页面根本读不出来,改内容毫无意义——先查渲染。

改版前后对比(同一问题集、同一采样次数)
指标改版前改版后变化
总提及率43.8%56.3%+12.5pp
DeepSeek 提及率58.3%66.7%+8.4pp
豆包 提及率29.2%45.8%+16.6pp
引用率10.4%27.1%+16.7pp

06想自己复现:最小脚本

复现不需要商业工具。把问题集写成数组,循环调用各引擎的 OpenAI 兼容接口,把回答落盘,再跑一遍统计即可。关键是每次都存原始回答,否则无法回看判定是否一致。

代码 · ts
const questions = [
  '推荐几个能做 AI 品牌监测的工具',
  'GEO 和 SEO 有什么区别,需要分开做吗',
];

for (const q of questions) {
  for (let i = 0; i < 4; i += 1) {
    const answer = await ask(engine, q);
    save({ engine, q, i, answer, at: new Date().toISOString() });
  }
}

// 判定与统计在离线脚本里做,避免把口径写死在采集端

要点

  • 先固定测量口径(问题集、采样次数、判定规则),再谈优化。
  • 不同引擎的语料池差异巨大,同一内容在两个引擎上的提及率可差一倍。
  • "提到但不引用"说明内容被记住了却没被当作证据。
  • 带口径的数据表是提升引用率最有效的单项改动。