豆包
看推荐、避坑和口碑类问题里，品牌有没有被放进第一轮答案。
同题对比，才看得出差异
同一个问题，在不同 AI 里可能出现不同品牌顺序、推荐理由和引用来源。问题口径统一后，差异才有参考价值。
元宝
比较中文决策问答里的提及、并列推荐和竞品露出。
DeepSeek
拆解理性分析、参数解释和行业知识回答里的品牌依据。
通义千问
看官网、媒体、百科等内容，是否被答案采用。
文心一言
观察搜索、百科和媒体语境下，品牌描述是否稳定。
Kimi
适合长文本比较、采购解释和内容复盘类问题。
统一问法，差异才算数
同一句问题，在不同 AI 里的答案会不一样。先统一场景、问法、采集时间和指标，再看差距发生在哪个平台、哪类问题、哪种来源。
场景对齐
先确定这批问题对应推荐、对比、信任还是避坑。
业务口径问题对齐
每个平台使用同一批问题，避免临场改问法导致结果不可比。
问题口径采集对齐
记录平台、时间、回答原文和上下文，让关键判断可以回看。
证据口径指标对齐
把提及、排序、评价、竞品同屏和来源线索拆成统一字段。
指标口径
口径对齐
拆开问题，才知道差距在哪
同一品牌在不同平台可能表现完全不同。我们会把差异拆清楚：哪里缺席，哪里靠后，哪里被竞品占据推荐理由。
| 检测维度 | 要回答的问题 | 交付里的呈现 |
|---|---|---|
| 提及 | 哪些平台没有说到你 | 缺席问题、缺席平台和对应场景 |
| 排序 | 你是在首位还是被排到后面 | 首位、并列、靠后、未出现分开记录 |
| 评价 | AI 是在推荐你还是犹豫你 | 优势、疑虑、负面表达和典型原文 |
| 来源 | 答案为什么这样判断 | 官网、媒体、问答、行业内容线索 |
平台差异
平台差异
答案相似，依据未必相同
豆包可能更像推荐清单，DeepSeek 更偏理性解释，通义和文心更容易受搜索与百科来源影响。把答案并排看，才知道该补官网、媒体稿、问答内容，还是调整品类表达。
- 看缺席哪些平台完全没有提到品牌，优先定位内容和来源缺口。
- 看压制哪些问题里竞品更靠前，拆出竞品被推荐的理由。
- 看复查调整官网、媒体稿或问答内容后，用同一批问题验证变化。
12+平台与 AI 搜索渠道
同题问题口径一致
原文回答逐条留存
来源线索可回查