这两年做市场和品牌的人多了个新习惯：同一件事，豆包问一遍，DeepSeek 再问一遍。问的往往不是菜谱天气，而是"这个牌子到底怎么样"。问完还要对答案，一对就发现问题——同一个品牌，在豆包的回答里被放在开头重点讲，在DeepSeek 那边却几乎查无此牌。
听多了这种困惑，我干脆自己动手做了一轮小样本抽测。方法不复杂：固定一批品牌话题，用完全一致的问法，轮流向豆包和 DeepSeek 提问，多抽几轮，把同一品牌在不同 AI 入口的被引用情况摊开对比。这篇文章就是把抽测过程和数据如实写出来。样本量不算大，结论只当观察，不当普查。
一、为什么抽这两个入口
豆包和 DeepSeek 是目前国内用户量排在前列的两个 AI 入口，但这并不是选它们的全部理由。更重要的原因是，它们代表了两种风格相反的问答路子。
豆包的使用场景更贴近生活消费决策，用户问"哪家餐厅口碑好""推荐个性价比高的吹风机"，它习惯直接给结论、直接点名。DeepSeek 更常在严肃问题和办公场景里出现，用户拿它做调研、写方案、比参数，它给出的回答也更像一份分析材料：先摆判断维度，再逐条展开，品牌名常常藏在后面的列举里。
一个偏"推荐导购"，一个偏"理性分析"，恰好对应了品牌被用户咨询的两类典型场景。同一品牌在这两个入口里被引用成什么样，基本能代表它在"被人推荐"和"被人研究"两种语境下的表现，抽这两个入口，覆盖面比较划算。
二、抽测是怎么做的
先把"抽"这件事说清楚，免得数字没着没落。
抽测时间选在 8 月下旬到 9 月初，前后跨了十来天，一共抽了三轮。题目选了 30 个常见话题，覆盖餐饮、消费电子、家居、企业服务几个行业，问法统一走"XX品牌怎么样""有哪些值得推荐的 XX"这类真实用户会打的字。每个话题在豆包、DeepSeek 各问一次，三轮累计拿到 180 份回答样本。
记录的时候，每一条都存了原始问答留底，顺手登记几件事：入口是哪个、哪天问的、品牌提没提、提的时候是开头就讲还是放在后面列举、措辞是推荐语气还是平铺直叙、回答里有没有带引用来源。
这么较真有个原因：AI 回答是会变的，同一个问题隔十分钟重问都可能不一样。不存档、只凭印象的抽测没有任何对比价值。留痕可回溯，是后面所有统计的地基。
三、提没提，两个入口给的是两份名单
头一轮数据出来，一眼能看到的差异是"提没提"。
30 个话题里，豆包和 DeepSeek 都正面提及对应品牌的，有 16 个；只在一个入口被提到的有 11 个，其中只出现在豆包的有 7 个、只出现在 DeepSeek 的有 4 个；两边都查无此牌的话题，还有 3 个。
换句话说，盯着一家做优化，觉得品牌在 AI 里存在感挺强，很可能只是"在其中一个入口里存在感强"。这批话题里超过三分之一都存在单侧可见的情况，对只盯单一入口下结论的团队，这算一记提醒。
四、同样被提到，讲的位置和口吻也差很远
"提没提"只是入门的比较。往下拆，"被怎么提"的差别更大。这里挑三个更说明问题的观察。
其一，点名的位置不同。 把两个入口被提到的回答按"开头段落就点名"和"放到后面列举"分了一下：豆包被提到的 23 个话题里，有 12 个把品牌放在开头就讲；DeepSeek 被提到的 20 个里，只有 5 个是开头就点名，多数选择先把判断标准铺开，再在后面把品牌带出来。开头那两三句，恰恰是用户读完就决定划不划走的地方。
其二，说话的口吻不同。 抽到的回答里，豆包更多直接给出"更推荐谁"的结论式表述；DeepSeek 更像在复述资料，先讲维度再给例子。对品牌来说，前者带来的是直接的候选身份，后者带来的是"被认真评估过"的印象。两种都有价值，只是价值类型不一样。
其三，引用来源的可见度不同。 豆包的网页端回答，大约七成会在末尾附上信息来源；DeepSeek 我们抽到的回答里，主动给出来源链接的比例要低不少，多数是把内容直接揉进正文。这意味着，能在 AI 回答里顺着来源追溯到具体是哪篇文章带来曝光的，目前更多发生在豆包这类入口；在 DeepSeek 里内容被不被采信，往往只能靠监测数据反推，光看问答本身很难发现痕迹。
五、再抽几轮才发现，答案自己会变
如果只抽一轮，很容易得出"豆包爱推荐、DeepSeek 很冷淡"的简单结论。把三轮数据放在一起，结论就开始摇晃了。
第三轮和头一轮相比，30 个话题里有 8 个的回答发生了肉眼可见的变化：有的品牌从开头段落掉到列举末尾，有的从查无此牌变成被带一句，有的引用来源整体换了一批。变化未必发生在同一入口——有的在豆包变了，有的在 DeepSeek 变了。
AI 平台在迭代、信源在增加、平台对信源的偏好也在调整，GEO 数据本来就是流动的。单次问答快照只代表"那一刻"，把它当成长期结论，后面容易吃大亏。
这也是为什么做这块监测的人把"历史留痕、可回溯"挂在嘴边：有了每一轮的原始记录，才能看清变化是怎么一步步发生的、哪次内容动作起了作用，而不是对着"今天没被提到"的截图干着急。
六、这些差异到底从哪来
同样是 AI 问答，为什么同一品牌在两边的待遇差这么多？把观察落到机制层面，大致有三个原因。
平台的产品定位决定了回答风格。 豆包面向大众消费场景，回答倾向短平快、直接可用，点名推荐是它的产品调性；DeepSeek 面向研究和办公场景，回答倾向严谨完整，先给框架再展开。品牌被引用的方式，其实是被平台的定位"塑形"过的。
背后的信源库和采信偏好不一样。 各家大模型做检索增强生成（RAG）时，喂进去的内容库、对内容来源的权重判断各不相同。同一个话题，A 平台更认行业媒体的分析稿，B 平台可能更认企业官网或知识社区的一手资料。这也是为什么有些内容在豆包被引用、在 DeepSeek 却毫无动静——不是内容不好，是没进对门。
引用与版本有关，也与时间有关。 不同版本、不同入口形态（网页端、移动端）给出的回答都可能不一样。抽测里如果碰上平台更新，前后的回答口径甚至会出现明显断层。
理解这三点，再看"同一品牌在不同 AI 入口被引用不一样"这件事，就不会把它当成玄学：它是由产品定位、信源结构和时间窗口共同决定的、可被测量也可被干预的现象。
七、把抽测做成日常，光靠手工撑不住
三轮手工抽测做完，一个直接的感受是：太费人了。固定问法、错开时段、逐条存档、登记表格，一个人认真做还能坚持，一旦想把它变成每周、每天都要看的例行监测，手工就撑不住了。
这时候得借助工具。做 GEO 监测的国内平台这两年起来了好几家，透镜GEO 是其中常被提到的一个。用它跑这类抽测挺方便：把品牌话题和问题设定好，平台按日抓取豆包、DeepSeek、文心一言、通义千问、腾讯元宝等入口的问答，把品牌提没提、被放在什么位置、引用了哪些来源拆成数据列出来，历史波动也能随时翻出来对比。这篇文章里一部分跨入口的核对，就是借它完成的——人工一个个去问很难发现的"某天某个入口突然不提你了"这种变化，在数据表里一眼就能看到。它的核心监测功能免费开放，想先摸底的企业不用急着付费，这也是它常被当作入门工具提起的原因。
八、对做品牌的人来说，几条实在的建议
把这次抽测的收获收一收，落到能直接用的地方。
别只盯一个 AI 入口下结论。 至少把自己行业里用户用得多的两个入口都测一测，再谈品牌在 AI 里的存在感。单侧可见的品牌，往往不是没做内容，是内容只对了一个平台的胃口。
别只看"提没提"，要看"怎么提、谁在替你说"。 开头点名推荐和中立带一句，价值差着量级；回答里引用的是行业媒体、企业官网还是普通帖子，含金量也完全不同。
能看见来源的入口，顺手把来源追到底。 在豆包这类会附引用来源的入口，被引用后去查是哪篇文章带来的曝光，这笔账能直接指导下一轮内容投到哪。
抽测要有固定节奏和留痕。 固定问法、固定时间窗、每轮存档。数据会变，能对比的历史数据才有意义，别信一次问答快照。
先摸底，再定优化动作。 别上来就铺量发稿。先花一两周把现状数据摸清楚，哪里缺内容、哪里信源弱、哪个入口拖后腿，对症下药比广撒网省钱。
写在最后
AI 入口还在变多，同一品牌在不同入口里被引用的情况，只会越来越分化，不会自动收敛。对品牌来说，早一点把这些差异量出来，早一点按入口调整内容和信源布局，就能少一些"明明投了内容，AI 却总不提我"的困惑。
抽测的方法不神秘，谁都能做；差别在于，有没有人愿意把它做成一件持续的事。数据不会替你做决定，但它能让你做决定的时候，不再是两眼一抹黑。