GEO 信源分析实战：DeepSeek Analyzer + SourceRank

GEO 的核心动作只有三个：

1. 监控：（品牌/网站）在主流 AI 的回答里，被引用了多少次、以什么身份被引用

1. 诊断：哪些信源在吃走 AI 的引用份额？为什么是它们不是我？

1. 干预：基于数据调整内容、关系、权威性，把引用抢回来

这篇文章讲的就是：前两步用数据怎么落地——用 DeepSeek Analyzer 完成"监控"，用 SourceRank 完成"诊断"，形成一套可以持续运营的闭环。

DeepSeek Analyzer（信源采集器）

作用： "监控"——从 AI 回答里把引用抓出来

它做三件事：

1. 批量提问：一次输入几十个行业问题（如"XX品牌哪个好""XX怎么选"），自动逐个问 DeepSeek

1. 引用抓取：通过拦截 DeepSeek 接口的流式响应，把回答里出现的每个引用来源（标题、URL、网站名、摘要）全部提取出来，一条不漏

1. 导出 Excel：所有引用的数据结构化导出，成为后续分析的原材料

它解决的核心痛点：手工去 DeepSeek 里一个个问、一个个抄引用，完全不可行——一次行业调研要问 20-50 个问题，每个问题 AI 会引用 5-40 个来源，手工整理是噩梦。自动化采集后，一次跑完就是一个"引用语料库"。

SourceRank（信源分析平台）

作用： "诊断"——把引用语料变成可决策的指标

它做四件事：

1. 多平台汇总：支持 DeepSeek、豆包、千问、元宝 4 个平台，把各平台采集结果统一入库（34845+ 条记录）

1. 来源标准化：自动把"百度百科""zhihu.com""知乎"这类同一个来源的不同写法归一成标准名

1. 智能分类：AI 自动给每个来源打标签——

   • 来源类型：官网 / 垂媒 / 门户 / 社交 / 电商 / 学术 / 政府（7 类）
   • 所属行业：汽车 / 金融 / 医疗 / 化工 / 工业制造……（15 类）

1. 多维排名：按平台、按来源网站、按提问词、按行业出榜单，告诉你"引用都被谁吃走了"

它解决的核心痛点：采集到的数据是乱的——同一网站有 10 种写法、来源好坏无法判断、跨平台无法对比。SourceRank 把"数据"变成"指标"，让决策有据可依。

---

完整操作流程（可直接照做）

第 1 步：设计问题矩阵（决定数据质量）

问题设计是整套方法的地基，规则：

• 每类业务至少 15-20 个问题，太少没有统计意义

• 问题要覆盖三种意图：

  • 推荐型：XX 品牌推荐、XX 哪个品牌好
  • 对比型：A 和 B 哪个好、XX 怎么选
  • 场景型：XX 场景下用什么、XX 适合什么场合

• 问题里尽量带场景/品类词，AI 才会联网搜索并引用（纯概念问题 AI 可能凭记忆回答、不触发搜索，导致零引用）

实战提醒：DeepSeek 的"智能搜索"是按需触发的——只有需要最新信息的问题才会联网搜索。所以问题里一定要带"品牌、推荐、对比、怎么选"这类触发词，避免问"什么是 XX"这种纯知识题。

第 2 步：用 DeepSeek Analyzer 批量采集

把问题矩阵一次性导入，工具会自动：

• 逐个创建新对话 → 提问 → 等待回答 → 拦截流式响应抓引用

• 一个账号跑完自动切换下一个（多账号轮换，防封禁）

• 每次会话自动生成分享链接（留痕可追溯）

采集完导出 Excel：每个问题是哪几个来源、什么标题、什么 URL、什么摘要，全部结构化。

如果做跨平台对比，同样的问题矩阵再跑豆包、千问、元宝（它们各自有对应的采集器），保证 4 个平台数据可比。

第 3 步：导入 SourceRank 自动清洗

把 Excel 丢进 SourceRank，它自动完成三件脏活：

1. URL 提域：从链接里提取主域名

1. 来源归一：百度百科 / baike.baidu.com / 百度百科词条 → 统一为 百度百科

1. 打标签：

   • AI 分类行业（如"衬氟塔器售后" → 工业/制造）
   • 规则分类来源类型（官网域名白名单 → 官网；zhihu/weibo → 社交；taobao/jd → 电商……）

清洗后 34845 条脏数据变成干净的、可透视的分析库。未匹配的新网站会自动进"未知来源表"，方便你后续手动补映射。

第 4 步：看三个关键榜单（诊断）

打开 SourceRank 仪表板，核心看三块：

① 来源网站 TOP 榜（引用份额诊断）

排名	来源	引用次数	占比
1	知乎	2,345	6.7%
2	百度百科	1,890	5.4%
3	盖世汽车	1,420	4.1%
...	...	...	...

这告诉你：AI 引用时默认信任谁。如果你做工业品，发现 TOP 全是垂媒而没有你的官网——说明你的内容在 AI 眼里"不够可引用"。

② 平台 × 来源类型交叉表（平台差异诊断）

同一问题，DeepSeek 可能 60% 引用官网、豆包 40% 引用垂媒。不同 AI 的引用偏好完全不同。针对不同平台做不同的信源策略，而不是一套内容打天下。

③ 提问词 × 来源分布（单点突破诊断）

找到"自己被引用 vs 没被引用"的分水岭问题。比如：

• 问题 A「衬氟塔器品牌推荐」→ 引用 20 个来源，没你

• 问题 B「衬氟塔器厂家」→ 引用 8 个来源，有你

差距就是机会：分析问题 A 里被引用的那些来源凭什么被选中，你的内容缺什么。

第 5 步：看自己的"官网占比"和"垂媒占比"

SourceRank 首页有个核心指标：官网占比。

• 官网占比低（比如 <10%）→ 你的官网在 AI 引用体系里几乎没有话语权，这是最大警报

• 垂媒占比高 → 说明你的信息是通过第三方媒体间接进入 AI 的，你需要：

  1. 查哪些垂媒在替你"代言"
  1. 查它们引用的文章内容是不是最新的、口径对不对
  1. 主动在这些垂媒发稿，扩大"间接引用"

---

从诊断到行动：数据怎么变成决策

场景 1：官网引用率上不去

症状：官网占比 <10%，但垂媒经常引用你

诊断动作（SourceRank）：

• 查"官网来源"里你到底被引用的都是什么页面——是首页还是具体产品页？是不是只有百度百科收录了你、官网反而没有？

• 查垂媒引用你的文章内容，是否覆盖了 AI 需要的信息结构

行动方案：

• 官网内容结构向"可被 AI 引用的格式"靠拢：FAQ 问答结构、数据表格、明确的品牌/产品对比信息

• 在垂媒铺设与官网信息一致的权威内容，形成"官网 + 垂媒"双通道

• 针对引用率最高的垂媒做深度合作（它的权重在 AI 眼里=你的曝光）

场景 2：竞品在吃走你的份额

症状：来源 TOP 榜里竞品官网/竞品相关内容排名靠前，你排后面

诊断动作：

• SourceRank 按提问词筛选，看竞品在哪些问题上被引用、以什么身份（品牌词？品类词？）

• 对比竞品被引用的内容：是新闻稿、产品页、还是行业报告？

行动方案：

• 复制竞品的"信息结构"，但内容做得更深（数据更全、案例更具体）

• 在竞品被引用的那类内容形态上加大投入（如它也靠行业报告被引用，你就要有更权威的报告）

• 多平台投喂：竞品只在 DeepSeek 被引用，你就把内容同步到豆包/千问也吃得下的结构

场景 3：跨平台策略分化

症状：同一内容 4 个平台引用率差异巨大

诊断动作：看"平台 × 来源类型"交叉表，找出每个平台的引用偏好

行动方案：

• 对偏好官网的平台 → 重点做官网内容权威化

• 对偏好垂媒的平台 → 重点做垂媒投放

• 对偏好社交的平台 → 重点做知乎/小红书等阵地

---

把"采集-分析"变成常态化闭环

GEO 不是一次性项目，是持续运营。建议的节奏：

周期	动作
每周	用 DeepSeek Analyzer 跑 5-10 个新问题（含当周热点），增量导入 SourceRank
每月	完整跑一遍问题矩阵（20-30 题 × 4 平台），出月度趋势报告
每季	复盘来源 TOP 榜变化、官网占比变化、竞品份额变化，调整内容策略

闭环逻辑：采集（Analyzer）→ 清洗（SourceRank）→ 诊断（榜单+交叉表）→ 干预（内容/关系/权威性）→ 再采集验证效果。

---

常见坑（都是踩过留下的）

1. 问题不触发搜索：问"什么是 XX"这种知识题，AI 不联网搜索 → 零引用 → 数据无效。问题必须带推荐/对比/选择意图

1. 数据脏：同一来源多种写法不归一就分析，结论全错。必须先清洗再统计

1. 单平台结论当全局：DeepSeek 的引用偏好≠豆包≠千问。不做跨平台对比的策略是盲人摸象

1. 只采集不迭代：跑一次就丢一边 = 没有价值。GEO 的数据要形成周/月节奏，追踪变化才有意义

1. 引用≠认可：AI 引用你可能是因为"你是被讨论的对象"而非"你是权威"。要区分"被动提及"和"主动推荐"，SourceRank 的提问词维度能帮你分辨

---

结语

GEO 时代，AI 的回答就是新的"搜索结果页"。而信源分析，就是你在 AI 时代的"流量分析"。

DeepSeek Analyzer 解决"数据从哪来" ——自动化、规模化地采集 AI 引用；SourceRank 解决"数据意味着什么" ——清洗、分类、排名，把 3 万条引用变成 3 个可行动的指标。

工具是手段，闭环是方法。把这套"采集-清洗-诊断-干预-再验证"跑起来，你的品牌就能在 AI 回答里，从"被忽略"变成"被引用"。

---