截至 11 月 7 日的公开信息，第三方机构 QuestMobile 在 11 月 3 日发布「2026 年秋季中国移动互联网实力价值榜」。亿级 App 增长榜里，千问月活 1.58 亿、同比增长 5077%，抖音商城 1.69 亿、增长 240%，豆包 4.19 亿、增长 144%，红果免费短剧 4.29 亿、增长 82%，汽水音乐 1.71 亿、增长 43%；AI 原生 App 用户规模前五为豆包、千问、DeepSeek、元宝、蚂蚁阿福。对做 AI 搜索可见度的团队，这张榜的意义不是排名，而是入口已经收敛到少数几个 App。
榜单给出的分层
分层比排名有用。4.19 亿与 1.58 亿之间是一道坎，1.23 亿之后又掉到 3000 万级，中间几乎没有过渡带。这种分布意味着：AI 回答的默认入口集中在两三个产品上，品牌在这些入口里的可见度，基本决定了它在「AI 搜索」这件事上的整体表现。
入口集中，引用集合随之收敛
每个 AI 助手背后是各自检索与语料策略，同一个问题在不同 App 里给出的来源可能完全不同。入口集中之后，这种差异会被放大：一个品牌在豆包里被引用，不代表在千问里被引用；在一个 App 里排第一，不代表整体可见度领先。把所有 App 的引用合并成一个总分，等于把不同的抽样混成了一锅。
监测要按 App 分层，不要合并成一个数
分层的第一步是把每个 App 的引用单独记一行：问题编号、App 名称、是否提及、引用域名、提及顺位。第二步才是横向比较，看同一个问题在哪些 App 里被引用、在哪些里缺席。缺席比排名更值得看，因为它指向具体的语料或检索差异，而不是抽象的内容质量。
榜单是抽样，不是全量
QuestMobile 的数据来自样本面板与公开数据推算，适合看趋势和量级，不适合当作精确到百万的绝对值。用它做决策时，看的是分层结构和增速方向：哪些 App 在涨、哪些在掉、掉的那一个是不是品牌投入最多的入口。把榜单数字当 KPI 基线，容易在下个月被口径调整打脸。
再往深一层，入口集中会改变竞品分析的方法。过去做竞品对比，是在同一个搜索框里比排名；现在要在四个 App 里分别比，而且要区分「被提及」和「被引用」。一个竞品可能在 A 里被频繁提及却从不被引用，在 B 里提及很少但每次都被当作来源，这两种状态对应的策略完全不同：前者说明它的品牌认知强、内容弱，后者说明它内容扎实但曝光不足。
这也解释了为什么榜单数字会和体感不一致。品牌方常说「我们在这个 App 里看不到自己」，但榜单显示这个 App 月活最高。两者并不矛盾：月活高说明提问基数大，看不到自己说明在这个入口的语料覆盖不足。可见度问题从来不是入口太小，而是入口里的内容没被覆盖到。
四个入口的监测口径对照
| 入口 | 榜单月活 | 监测重点 | 记录字段 |
|---|---|---|---|
| 豆包 | 4.19 亿 | 回答是否带来源、来源是官网还是媒体 | cited_domain、source_type |
| 千问 | 1.58 亿 | 与电商场景联动时的产品页引用 | product_page、rank |
| DeepSeek | 1.23 亿 | 长尾技术问题的引用偏好 | question_type、cited_domain |
| 元宝 | 3733 万 | 办公与文档场景下的品牌提及 | mention、context |
这张表的作用是让四个入口的监测各记各的，再往上汇总。汇总时至少保留三个维度：App、问题类型、来源类型。只按 App 汇总会掩盖问题类型差异，只按问题类型汇总会掩盖入口差异，两个都不分就只剩一个无法解释的总分。
分层监测的执行步骤
执行时还有一个细节：提问方式要固定。同一个问题用不同措辞问，模型可能触发不同的检索路径，结果自然不同。把问法写进问题库并锁定，是让分层监测具备可比性的前提。
按月跑这套流程，差集会自己说话。差集长期不变，说明问题出在语料覆盖；差集忽大忽小，说明问题出在检索波动。两种情况的处理方式完全不同，混在一起看只会得出「AI 搜索不稳定」这种没法执行的结论。
常见问题
月活榜能直接当作 AI 搜索的入口份额吗？
不能。榜单单一口径是用户规模，入口份额还要看提问量、会话深度与是否触发检索，需要另做监测。
为什么同一个问题在不同 App 里的引用不一样？
各 App 的检索源与语料策略不同，引用集合本来就不同。监测要按 App 分层记录，再横向比较差集。
品牌应该优先做哪个入口？
先看差集。哪个入口在自己最关心的问题类型上长期缺席，就从那里补内容，而不是平均分配预算。
