截至11月5日的公开信息，北京第四波科技智库与中关村天成创新研究中心用自研智能体，就手机消费场景设计了43个正向高频问题与20个负向高频问题，向豆包、千问、元宝、DeepSeek、文心、Kimi、智谱AI共7款大模型提问，据此统计12个高提及率品牌的正负向提及率差异。结论不是一张简单的排行榜，而是两张榜单：一张看推荐，一张看避坑，而支撑这两张榜单的信源结构并不相同，这恰恰是品牌做AI可见度诊断时最容易忽略的地方。
43个正向问题加20个负向问题，测出的是两张榜
这套设计的价值在于把提问分成两种意图。正向问题问的是哪款适合什么需求，负向问题问的是怎么避坑、有哪些风险。同一款手机，在前一类问题里可能被反复推荐，在后一类问题里可能被反复提醒，如果只测一种，得到的结论会严重偏斜。
按公开结论，华为、vivo、OPPO、荣耀、红米、一加、IQOO、红魔的正向提及率高于负向提及率；苹果、小米、三星、真我在大模型中的负向提及率高于正向提及率。这个分布说明一件事：在AI回答里，品牌的处境不是统一的好或坏，而是取决于用户问的是哪一类问题。
正向与负向的信源不是同一批
| 提问场景 | 主要信源 | 占比 | 对品牌的含义 |
|---|---|---|---|
| 正向问题（选购、推荐） | 主流新闻媒体 | 超过50% | 权威报道更易被AI引用 |
| 负向问题（避坑、风险） | 社交与内容社区 | 约40% | 负面描述更容易被社区帖文固化 |
这张表是整份报告里最有用的一页。它解释了为什么有些品牌在推荐类问题里表现出色，却在风险类问题里频频出现负面描述：两类问题检索的不是同一批内容。正向问题更容易召回新闻报道与评测，负向问题更容易召回论坛讨论与用户吐槽，信源池不同，引用结果自然不同。
提及率高不等于口碑好
提及率只回答有没有被提到，不回答被怎么描述。一个品牌可以在43个正向问题里被反复提名，同时在20个负向问题里被反复提示风险，两个数字都很高。品牌如果只看总提及率，很容易把风险信号读成曝光成绩，等到负面话题扩散才反应过来。
7款模型一起测，是为了看分歧
不同大模型的检索范围与信源偏好差异明显，同一问题在不同平台上的答案可能完全不同。单平台测试得到的是该平台的可见度，不能代表整体。多平台并行测试的真正价值是定位分歧：如果某品牌只在一个平台上缺席，问题多半在该平台的抓取与索引；如果在所有平台都缺席，问题更可能在内容与信源本身。
从方法上看，这类榜单只能作为诊断起点。它给出的是某一时间窗口内的答案分布，而不是稳定排名。生成式回答本身带有随机性，同一问题在不同时间可能给出不同的品牌组合，因此任何一次结果都要放在重复测试的框架里看，才能区分趋势与波动。
负向信源怎么往回挪
先定位负向问题实际引用了哪些页面，再判断这些页面引用的事实是否准确。属于信息过期的，补正可被引用的结构化页面，比如参数页、售后政策页与官方说明；属于真实体验反馈的，内容侧动作只能降低扩散速度，根子还在产品与服务。
然后把负向问题纳入长期监测。与正向问题一样，负向问题也需要固定问题集、固定频率、多平台重复跑，记录负向提及率的变化曲线。只有曲线出现持续下行，才说明补正动作起了作用；单次测试的结果不足以支撑结论，也容易被偶然波动带偏。
常见问题
为什么要把正向问题和负向问题分开测？
因为两类提问召回的信源不同。正向问题更容易命中新闻媒体与官方资料，负向问题更容易命中社交平台与内容社区。混在一起测，得到的是一个平均数，看不出品牌在哪一类场景里真正失位。
提及率高但负向提及也高，算好还是不好？
要分开看。正向提及率高说明品牌进入了推荐候选，负向提及率高说明风险话题同样活跃。这类高声量品牌需要做的是压低负向场景的占比，而不是继续放大正向声量，否则会陷入越热越被质疑的循环。
为什么要在多款大模型上重复同一组问题？
不同模型的检索范围与信源偏好不一样，同一问题在豆包和DeepSeek上的答案可能完全不同。只在单一平台上测，得到的可见度只是那一个平台的可见度，无法代表整体。
发现负向描述集中在社区，品牌能做什么？
先看这些社区帖文引用了什么事实，再判断是产品问题还是信息问题。属于信息过期的，补正可被引用的结构化页面；属于真实体验反馈的，则需要回到产品侧解决，单靠内容优化压不住。
