Data Research · Release 2026.07
国内生成式 AI
引用生态全景报告
从平台规模、信源结构、问题类型、页面特征与时间新鲜度五个层面，拆解国内生成式 AI 的可观察引用模式，并形成可执行的 GEO 数据挖掘路线。
数据版本 …默认口径 精确去重
报告形式 离线单文件 HTML更新时间 …
…原始引用观察
…精确去重引用
…标准问题
…AI 平台
…规范信源
…规范页面
关键率指标
所有比例仅描述当前报告样本，点击可查看对应分析模块与分母说明。
全局分析口径
筛选会联动带有“联动”标记的图表；平台总览类图表始终保留全量比较。
正在载入分析口径…
01.1 · Question taxonomy
620 个问题覆盖 6 个研究维度、31 个有效类型
先说明题库如何组织。当前每个问题继承一个原始目录标签，行业、意图、时效、风格和场景属于不同观察角度。
分类边界：31 个有效类型与 1 个未分类存量桶合计形成 32 个目录组合。未分类是数据治理状态，其中多为带年份或促销节点的高时效问题。
查看 32 类代表问题按研究维度、类型与题数展开
代表问题取每个原始类别中编号最早的实际问题；题数以 620 个标准问题为统计粒度。
01.2 · Processing funnel
214,119 条原始观察经过精确去重后保留 189,845 条唯一记录
展示原始记录、去重记录、有效 URL 与规范页面之间的数量关系。让读者理解每一层数据粒度。
有效 URL 以 HTTP(S) 且完成规范化为准；规范页面按 canonical_url 汇总。重复观察在原始层保留，汇总层默认去重。
01.3 · Field availability
核心标识完整，内容与时间元数据按平台选择性提供
比较关键字段的有效值覆盖率。字段未知只限定依赖该字段的分析。
分母为 214,119 条原始引用观察；发布时间可用表示已成功规范化为日期。
01.4 · Analysis applicability
不同分析任务拥有各自的可用样本边界
按照分析所需字段计算可用比例。说明每类结论覆盖了多少记录。
引用观察统计可使用全部记录；页面、域名、标题、摘要、位置和时间分析分别应用对应字段条件。
01.5 · Platform availability
平台提供的引用元数据具有稳定的结构差异
对照 12 个平台的六类字段可用率。平台差异反映采集接口与展示能力边界。
深色表示该平台字段可用率更高。字段未知记录继续用于不依赖该字段的统计。
01.6 · Processing status
采集状态、清洗状态和页面冲突采用不同处理方式
将常见状态映射到明确的保留、排除或复核规则，防止多个百分比被合并成一项总缺失率。
每项使用自己的分母，记录级状态与页面级状态不相加。
头部平台贡献了更密集的样本，平台规模差距需与问题覆盖共同解释
排序比较平台引用量和样本引用份额。建立平台样本权重基线。
样本引用份额的分母为 12 个平台在当前原始或精确去重口径下的引用总量，用于描述本报告样本结构，不能外推为市场份额。
02.2 · Question coverage
六个平台覆盖接近完整，长尾平台的比较范围更窄
比较问题覆盖数和覆盖率。约束跨平台结论的可比范围。
覆盖率分母为数据集内 620 个标准问题。
02.3 · Source breadth
引用量、信源数与页面数共同刻画平台的检索广度
观察平台规模与信源广度关系。区分“高频集中”与“广泛覆盖”。
横轴为规范信源数，纵轴为去重引用量，气泡大小为规范页面数。
02.4 · Per-question density口径联动
单问题引用密度呈长尾分布，中位数比均值更适合横向比较
展示各平台每问题引用数的五数概括。识别典型密度与极端高值。
箱体依次表示下四分位数、中位数和上四分位数，须线表示最小值与最大值。
02.5 · Terminal pairs口径联动
同产品电脑端与移动端的样本体量并不一致
对照具备双端数据的产品。支持终端差异研究与采集配额规划。
移动端样本引用占比以产品双端当前口径引用合计为分母；问题覆盖差以电脑端覆盖问题数为分母。只纳入同时存在电脑端与移动端记录的产品家族。
03信源生态与集中度
9,878 个规范信源已经形成完整的一级类型地图。域名规模、引用贡献、主体自有来源渗透、头部集中与生态归属共同解释信源供给结构。
本章用途：先判断各类信源在生态中的规模与影响，再识别平台偏好、稳定信源和新增内容进入头部生态的难度。
03.1 · Source taxonomy overview固定口径：全局精确去重
域名规模与引用贡献共同揭示九类信源的生态位置
对照每个一级类型的域名占比和去重引用占比。识别少量域名形成高影响的集中型供给，以及域名多、单站贡献分散的长尾型供给。
…规范主域名
…拥有明确一级类型的域名
…拥有明确类型的信源去重引用
…品牌与企业官网引用占比
…主体自有来源引用占比
正在载入逐域治理范围…
类型结构使用可关联规范域名的信源表去重引用作为分母。主体自有来源包括品牌与企业官网、政府与公共机构。
03.2 · Official source penetration 12 个平台对企业官网与公共机构来源的引用强度差异明显
把各平台去重引用拆分为品牌与企业官网、政府与公共机构两部分，并以平台全部去重引用作为分母。用于观察不同平台对主体自有信息的可见依赖程度。
正在载入平台差异与置信度敏感性…
03.3 · Top sources平台 / 类型 / 口径联动
头部信源排名会随平台与信源类型发生明显变化
按当前筛选条件展示头部信源，并同时显示样本引用份额。形成平台级信源优先名单。
样本引用份额使用当前平台、信源类型和记录口径下的全部可关联信源引用作为分母；问题覆盖率使用当前筛选集合覆盖的问题数作为分母。图中仅展示 Top 20，分母保留完整集合。
二级类型继续拆解各类内容与服务供给
比较二级信源类型的引用规模和样本构成率。观察一级生态内部的内容角色、服务形态和平台差异。
构成率以当前平台和记录口径的全部类型引用合计为 100%。全库逐域治理包含 500 个人工复核、55 个历史映射、8,644 个模型辅助标注和 679 个政府域名规则分类。
03.5 · Pareto
头部少量信源吸收了较高比例的去重引用
展示信源排名与累计引用份额。评估头部集中度和长尾扩展空间。
累计份额按精确去重引用量排序计算。
03.6 · Source × platform
同一头部信源在 12 个平台上的引用强度分布不均
对照头部信源的平台分布。寻找平台偏好与跨平台扩展线索。
选取全局去重引用量最高的 16 个信源；颜色为平台内去重引用数。
03.7 · Ecosystems
已归属信源与未归属生态长尾结构
对照已归属生态规模，并拆解生态归属空缺长尾的头部与低频结构。
…信源表去重引用来自未归属生态信源
…未归属生态域名仅产生 1 至 5 条引用
…未归属生态 Top 50 的引用占比
“未归属生态”仅描述集团或内容生态标签尚未标注。信源类型分类覆盖与未分类长尾见 03.1。
完整版 · 联系获取
以下为完整深度分析
已公开 关键率指标 · 问题覆盖总览 · 平台分布 · 信源生态（第 1–3 章）。八端偏好迁移、跨平台共识、问题标签供给、内容形态与机会空间等深度交叉分析，需联系管理员获取或业务咨询后查看。
- 第四章 · 四大 AI 产品的信源偏好与终端差异
- 第五章 · 跨平台重合与共识
- 第六章 · 问题类型与场景差异
- 第七章 · 内容形态与页面表现
- 第八章 · 发布时间覆盖与内容新鲜度
- 第九章 · GEO 机会地图
- 第十章 · 结论、行动建议与方法说明
阜阳山君网络科技有限公司 · GEO 优化团队 出品 · 让品牌被 AI 看见
04四大 AI 产品的信源偏好与终端差异
以八端共同问题建立公平基线，再以豆包和 DeepSeek 四个高活跃端点的头部信源作为锚点，观察元宝与千问的承接情况，并展开各端真实 Top 10/20 排行、终端倾向和一级类型构成。Kimi 不进入本章的数据、筛选和结论。
本章用途：识别核心信源的跨产品迁移机会，对照每个端点的真实头部结构，并形成面向具体产品和终端的 GEO 信源初筛名单。
…八端均有可识别信源的共同问题
…电脑端与移动端终端
…具备双端数据的产品
…达到筛选门槛的信源
04.1 · Preference matrix产品联动
八端偏好指数定位跨端差异较大的信源候选
以八端平均占比为 100，比较筛选达标信源在各端点的相对权重。点击有引用的单元格或使用键盘选择器可联动锁定信源。
每个问题先在可识别信源中归一化，再按问题等权汇总。八端偏好指数的理论范围为 0 至 800；矩阵从筛选达标信源中展示跨端差异度最高的 20 个，颜色在指数 200 处封顶，悬停显示实际指数、引用量和覆盖问题数。极高指数可能来自较小覆盖样本，需要结合明细读取。窄屏可横向滑动图表。
04.2 · Anchor migration锚点 / 信源联动
豆包与 DeepSeek 的 17 个头部锚点在八端呈现不同承接深度
合并豆包电脑端、豆包移动端、DeepSeek 电脑端和 DeepSeek 移动端各自 Top 10，得到 17 个去重锚点，再观察这些信源在元宝与千问双端的排名和份额。
锚点继承率 = 进入当前端点 Top 20 的锚点数 ÷ 17。单元格数字为共同问题口径下的真实排名，点号表示未进入该端完整信源排行；悬停还可查看该信源在四个锚定端的 Top 10 出现率。
04.3 · Top source ranks口径 / 数量 / 信源联动
八端 Top 10/20 排行还原每个终端的真实头部信源
共同问题使用 334 个八端均有可识别信源的问题，适合横向公平比较；全量范围使用各端全部有效信源问题，呈现端内真实分布。
份额先在单个问题内按可识别信源归一化，再对问题等权汇总。选择产品时保留八端完整结构，并突出对应双端。点击其他产品列的信源会自动切换产品范围，同一 source_id 随后在矩阵、终端倾向和 GEO 清单同步高亮。
04.4 · Terminal tilt产品 / 信源联动
同一产品的电脑端与移动端呈现不同的部分信源权重
使用双端均有可识别信源的共同问题，比较信源在电脑端和移动端的等权占比。全部产品模式展示每个产品差异最大的信源。
…双端可识别共同问题
…全量信源重合度
…筛选达标信源重合度
…全量双端共同信源
左侧为电脑端，右侧为移动端。全量重合度使用共同问题内出现过的全部可识别信源；达标重合度仅保留累计不少于 20 条去重引用且覆盖不少于 5 个问题的信源。两层口径用于区分长尾差异和稳定信源差异。
04.5 · Source type mix产品联动
一级信源类型构成显示不同终端的内容入口倾向
把每个终端的等权引用占比分解为九个一级分类，并单列信源未规范化记录。悬停可继续查看一级分类中的二级类型构成。
…八端共同问题等权口径的分类覆盖率
…八端共同问题等权口径的规则分类份额
…八端共同问题等权口径的未分类长尾
…八端共同问题等权口径的信源未规范化
9,199 + 679逐域参考标签与政府域名确定性规则
每个终端合计为 100%。一级分类保证跨端可读性，二级类型保留主体与内容形态细节。150 个证据仍不足的域名保留“未分类长尾”；无法关联规范域名的记录单列为“信源未规范化”。
04.6 · GEO shortlist产品 / 信源联动
覆盖规模与终端倾向共同形成信源初筛清单
汇总信源在具体产品中的优势终端、倾向强度和共同问题覆盖率，形成内容研究与终端专项验证名单。全部产品模式为每个产品保留 5 个候选。
| 信源 | 产品 | 优势终端 | 终端倾向指数 | 终端差异 | 覆盖问题 | 共同问题覆盖率 | 去重引用 | 初筛建议 |
|---|
共同问题覆盖率 = 信源覆盖问题数 ÷ 该产品双端均有可识别信源的问题数。终端倾向指数以产品双端平均值为 100，范围为 100 至 200。双端份额相对差不超过 15% 时标记为接近；指数不低于 150 且覆盖少于 15 个问题时标记为高倾向低覆盖；其余信源按份额较高的终端进入专项验证。Kimi 不进入本章计算、筛选和结论。
05.1 · Jaccard matrix
平台间问题与页面集合的重合普遍偏低
比较任意两个平台的 Jaccard 相似度。定位最接近的平台对与相对独立的平台。
Jaccard = 共享问题与页面组合数 ÷ 两平台问题与页面组合并集；0 表示没有共享组合，对角线表示平台自身。
05.2 · Network
平台关系网络由少数较强连接和大量弱连接组成
把相似度转为关系网络。观察平台簇与桥接节点。
只显示相似度高于样本中位数且大于 0 的连接，线宽随相似度增加。
05.3 · Shared pairs
最高重合的平台对贡献了主要共享问题与页面组合
排序展示共享组合数量。筛选适合做迁移验证的平台对。
图中展示共享组合数最高的 16 个平台对。
05.4 · Shared vs unique
多数平台同时拥有大量独有问题与页面组合
分解各平台共享与独有组合。估算单平台专项优化的必要性。
共享表示同一问题与同一规范页面同时出现在至少两个平台。
05.5 · Consensus sources
高问题覆盖与高平台覆盖共同定义跨平台共识信源
综合信源的平台数和问题数。形成跨平台优先合作与内容研究名单。
共识分数 = 覆盖问题数 × 覆盖平台数，仅用于本数据集内筛选。
06.1 · Taxonomy问题维度联动
问题分类采用分层来源，每个维度覆盖不同问题子集
呈现维度与标签的结构。避免把不同分层误当成同一套全量标签。
面积表示标签内问题数；当前版本每个问题只保留其来源分层对应的一个标签。
同一问题维度下，各标签的引用供给强度存在差异
比较当前维度的标签引用规模和题均引用。筛选高供给与低供给场景。
题均引用以标签内标准问题数为分母；悬停同步展示题均信源、题均页面和题均平台数。
06.3 · Label × platform问题 / 口径联动
问题标签与平台之间形成差异化供给矩阵
比较当前问题维度在 12 个平台上的引用量。定位平台场景优势和采集空白。
颜色为当前口径下的引用观察数；样本覆盖差异需与第 2 章结合阅读。
06.4 · Source diversity问题维度联动
高引用量标签并不一定拥有更高题均信源多样性
对照每个标签按问题先聚合后计算的题均信源数与题均页面数。识别供给集中和内容补位空间。
横轴为单问题不同规范信源数的标签均值，纵轴为单问题不同规范页面数的标签均值，气泡大小为标签问题数。
06.5 · Leading sources问题标签联动
当前场景的头部信源可以直接转为内容与竞品研究清单
列出当前维度或标签的高频信源。支持页面拆解和信源合作优先级。
选择具体问题标签时显示该标签前 8 位；选择全部时展示当前维度的代表性信源。
07内容形态与页面表现
本章以页面标题中的可观察信号为基础，将每个页面归入一个主要内容类型，并同时保留可重叠的多项标题特征。当前数据未包含完整正文，分类结果用于结构研究和样本筛选。
本章用途：先建立内容类型与标题特征地图，再用真实标题解释规则，并对照长度、平台差异、页面覆盖和特征共现。
07.1 · Content taxonomy平台 / 点选联动
九类主要内容形态构成页面分类全景
比较互斥主类型的页面量与引用表现。点击条形可在下方查看真实标题。
每个页面按固定优先级归入一个主类型；标题未提供页面独立保留。分类版本为 deterministic_v2。
07.2 · Title feature map点选联动
时效、决策、商业、可信度和场景信号可以重叠出现
比较 11 项标题特征在标题可用页面中的覆盖率。点击条形可查看触发该特征的标题。
规则基于关键词、年份和问号模式；分母为 已提供标题的页面。
07.3 · Real title evidence平台联动
真实标题把分类规则转成可以直接核验的页面证据
按主类型或标题特征浏览代表页面。实例保留原始标题，并补充域名、问题覆盖和平台覆盖。
实例筛选条件：标题长度 12 至 62 个字符、至少覆盖 2 个平台、覆盖 2 至 15 个问题，并优先保留不同域名。实例用于解释规则，不代表内容质量背书。
07.4 · Title length
标题长度区间与平均引用表现存在可观察差异
比较标题长度区间的页面量与平均引用。为标题结构实验提供区间参考。
标题未提供为独立区间；相关性用于筛选，未控制平台、主题和域名权重等混杂因素。
07.5 · Snippet length
摘要长度在摘要已提供页面内反映初步信息密度
比较摘要长度与页面平均引用。为正文抓取优先级提供线索。
摘要未提供为独立区间；max_snippet_length 是同一规范页面的最大引用摘要长度。
07.6 · Feature × platform
11 项标题特征在不同平台呈现不同覆盖结构
对照平台级页面特征覆盖率。识别时效、决策、商业、可信度和地域表达的差异。
分母为各平台去重引用涉及且标题已提供的不同规范页面数。
07.7 · High-coverage pages
高覆盖页面为正文深挖和页面解构提供样本池
气泡图呈现问题数、平台数与引用量，右侧直接列出五个全库代表页面。
气泡大小为精确去重引用数；标题列表按问题覆盖数与平台覆盖数的乘积排序。
07.8 · Feature co-occurrence
高频特征对揭示标题结构中常见的组合方式
比较共同页面量最高的 14 组特征对，并以 Jaccard 系数衡量共现强度。
Jaccard = 共同页面数 ÷ 至少包含其中一项特征的页面数。特征对用于描述共同出现，不承载因果结论。
08发布时间覆盖与内容新鲜度
107,659 个规范页面中，63,314 个拥有一致发布时间，43,675 个时间未知，670 个存在日期冲突。已知时间页面主要集中于 2025 和 2026。
本章用途：先确认时间字段覆盖，再分析已知时间样本内部结构，并把未知与冲突页面保留在其他适用分析中。
…页面拥有一致发布时间
…页面发布时间未知
…页面存在多个发布时间
08.1 · Publication months月度识别
月度分布显示 2026 年 5 月形成显著峰值
按月拆解拥有唯一一致日期且不晚于数据截止日的页面，识别发布时间样本的新鲜内容重心、月度拐点和异常日期。
…峰值月份与页面量
…2025 年页面位于下半年
…2026 上半年相对 2025 上半年样本倍数
…晚于数据截止日的异常页面
月度特征2025 年下半年承载该年主要发布时间样本；2026 年 5 月出现跨平台峰值，6 月回落后仍高于 4 月。该序列描述被引用页面的发布时间构成，不代表全网内容生产量。
主图展示 2024 年 1 月以来的连续月份，覆盖截止日前可靠日期样本的 94.7%。发布时间未知和日期冲突页面不进入月度序列；晚于数据截止日的日期单列为异常，不进入趋势计算。
08.2 · Freshness bands时间联动
已确认发布时间的页面中，2025 和 2026 占 88.8%
同时展示全体页面状态和已知时间样本内部构成。建立内容更新与存量分析口径。
图中同时标注占全部页面比例；已知时间段额外显示其在 63,314 个可靠时间页面中的占比。
08.3 · Label freshness问题 / 时间联动
问题标签的时间覆盖与新鲜度构成可以揭示更新压力
比较当前问题维度内各标签的时间状态占比。识别高时效场景的旧内容与补采空间。
每行以该标签的问题与页面关联总数为 100%，悬停显示占比和关联数。
08.4 · Source-type freshness时间联动
信源类型比较使用各类型内部时间构成
比较主要信源类型的时间状态占比。判断更新型内容、常青内容和字段覆盖差异。
每类信源以自身页面数为 100%；展示页面量最高的 12 类信源。
08.5 · Title year audit
标题中的年份需要与可靠页面发布时间交叉核验
审计标题年份和发布时间的一致性。日期冲突与未知状态独立呈现。
标题取首个四位年份；年份一致只表示标题年份与唯一页面日期年份相同。
09.1 · Source quadrant
高问题覆盖率、高平台渗透率的信源构成优先研究象限
按问题覆盖率和平台渗透率定位信源。区分共识型、平台型与长尾型信源。
问题覆盖率以 620 个标准问题为分母，平台渗透率以 12 个平台为分母；虚线分别位于问题覆盖率 6.5%（40 个问题）和平台渗透率 50%（6 个平台），气泡大小为精确去重引用量。
09.2 · Platform whitespace平台联动
其他平台已验证、当前平台尚未出现的信源形成扩展候选
列出当前平台未覆盖的高潜信源。设计跨平台迁移验证清单。
全部平台模式展示综合候选；选择具体平台后展示该平台空白。
09.3 · Category gaps问题维度联动
高引用需求与低页面供给的组合形成内容补位候选
比较每问题引用量与每问题页面量。筛选需求密集、供给相对集中的场景。
右上表示高需求高供给；左上更适合作为新增页面的初筛方向。
09.4 · Format opportunity
平台与内容形态之间存在可观察的引用密度差异
比较各平台每种内容形态的每页引用数。为平台定制内容模板提供候选依据。
单元格 = 去重引用数 ÷ 不同规范页面数；页面量较小时需谨慎解读。
09.5 · Expansion candidates
已有一定问题覆盖、仍有平台空间的信源适合进入扩展验证
综合问题覆盖率、平台渗透率和平台空白率。生成跨平台扩展候选队列。
筛选分 = 覆盖问题数 ×（12 − 已覆盖平台数），用于保持原有排序；条形标签补充平台空白率，悬停显示问题覆盖率和平台渗透率。
Platform平台研究
优先对问题覆盖接近的电脑端与移动端产品做配对比较；引用序号只在平台内部使用。
Source信源策略
建立跨平台共识、产品与终端特色、空白候选三类信源名单，并按月复算。
Content内容加工
从高问题覆盖页面抽样抓取正文，补充结构、实体、事实密度、表格和作者权威性特征。
Collection数据补采
按研究目的补充响应边界、模型版本、采集时间和页面正文；发布时间作为时间分析的可选增强字段。
方法与边界
- 默认统计粒度为精确去重后的引用观察；原始口径保留重复采集事实。
- 平台规模反映当前样本覆盖，不能作为产品市场份额或用户规模。
- 信源偏好表示共同问题样本中的相对引用份额。它不能外推为平台固定抓取规则、市场整体偏好或因果关系，指数为 0 仅表示当前样本未观察到。
- 信源偏好章节只覆盖豆包、DeepSeek、腾讯元宝和千问。腾讯元宝手机版与千问手机版的终端映射由代码配对规则推定，Kimi 未进入该章节。
- 发布时间未知的记录继续参与平台、问题和引用观察统计；时间分析只使用可靠时间样本。
- 同一规范页面出现多个日期时标记为发布时间冲突，不直接选取最早日期。
- 标题或摘要未提供的页面单独标记，不进入对应的特征占比和组合分析。
- 页面特征由标题和摘要规则生成，支持相关性筛选，不承载因果结论。
- 响应表目前为空，无法恢复一次回答中的完整引用边界。
- 信源分类包含 500 个人工复核、55 个历史映射、8,644 个模型辅助标注和 679 个政府域名规则分类；150 个证据仍不足的域名保留未分类长尾。
