截至11月8日的公开信息，QuestMobile在11月3日发布《中国移动互联网2026年秋季大报告》。报告显示，2026年9月AI原生App月活跃用户规模达5.46亿，同比增长82.1%；豆包、千问、DeepSeek的月活分别为4.19亿、1.58亿和1.23亿，同比分别增长143.6%、5076.6%，DeepSeek下降15.2%；元宝为3733万。使用深度同样分层：豆包月人均使用72.0次、132.5分钟，DeepSeek为65.9次、136.7分钟，元宝为38.7次、78.6分钟，Kimi与文心分别为26.2次和16.2次。终端厂商AI应用规模7.83亿，同比增长16.9%。同一份报告里，规模与深度分化同时出现，说明品牌在AI搜索里的可见度不能再按一个总分管理。
平台分层已经写在数据里
第一层分化在规模。头部与中腰部之间不是渐变，而是断层：从4.19亿直接落到3000万量级，中间几乎没有过渡。第二层分化在深度，使用次数最高的平台不一定最适合做品牌曝光，因为高频使用可能集中在娱乐、写作等与购买无关的场景。第三层分化在入口形态，终端厂商的AI应用规模已达7.83亿，这类入口由系统触发，用户未必意识到自己在“搜索”，提问更短、更场景化。
按平台拆能力的三个维度
维度一：提问形态
对话型入口的问题更长、更口语，用户会把上下文一次讲完；系统级入口的问题更短，往往只有一句场景描述。同一个品牌，在这两类入口里被提及的原因不同：前者靠内容完整度，后者靠与本地、场景关键词的关联强度。用一套问题库覆盖两类入口，结论会互相污染。
维度二：答案结构
有的平台倾向于给出带来源链接的长答案，有的平台只给结论不给出处。前者可以核到引用页面，后者只能核到表述是否准确。监测口径必须跟着答案结构走，否则会出现“引用率为零”这种看似严重、实则不适用的情况。
维度三：竞品密度
候选清单的长度因平台而异。清单越长，进入清单的价值越低，位次才有意义；清单越短，被提及本身就是门槛。按平台分别统计竞品同现率，才能判断某个平台是“进不去”还是“进得去但排不上”。
问法不同指标就不同
下单型问题在对话型入口里更容易触发比价与参数对比，指标应看是否进入可下单候选；比较型问题看竞品同现时的位次；判断型问题看品牌是否被列为可选方案之一；经验型问题看是否被引用为案例或经验来源。四类问法混算，会把“成交环节缺席”掩盖成“整体表现尚可”。
| 平台类型 | 提问特征 | 优先指标 | 不适合的指标 |
|---|---|---|---|
| 头部对话App | 问句长、上下文完整 | 提及率与引用URL分布 | 单看使用次数推商业意图 |
| 第二梯队对话App | 问句短、场景明确 | 候选位次与竞品同现 | 用头部平台结论直接套用 |
| 终端系统级入口 | 一句话场景描述 | 场景词关联强度 | 要求完整引用来源 |
| 办公与垂类助手 | 任务型、带参数 | 参数与规格的准确率 | 用曝光量衡量效果 |
把分层落到一张监测表
表格的骨架是平台乘问法。行是平台，列是四类问法，单元格里填三个数：提及率、引用率、平均位次。跑完第一轮，通常会出现明显的不均衡：某个平台在下单型问题上提及率很高，在比较型问题上几乎为零；某个平台则相反。这种不均衡本身就是结论，说明内容在不同平台被采信的理由不同。
第二轮开始做归因。对提及率低的单元格，先看竞品有没有被提及，再看被引用的页面类型是第三方还是自有。若竞品被引用的是评测站，而自家只有官网，问题在外部印证不足；若双方都没有被引用，问题可能在这个平台上该品类根本没有稳定的答案结构，投入产出要重新评估。
最后提醒一句：AI原生App的数据是季度性的，平台格局变化快，监测表的平台列不能一年不动。每季度按最新规模与深度数据复核一次平台清单，把新增入口补进来，把已经边缘化的入口降权，才能让这套分层持续有效。
常见问题
AI原生App月活5.46亿，对品牌意味着什么？
意味着AI搜索可见度已是主流量级的入口，但平台分层明显，按一个总分管理会掩盖成交型问题上的缺席。
为什么要按平台拆能力？
提问形态、答案结构、竞品密度三项在不同平台差异很大，同一套问题库和指标混算会互相污染。
终端系统级入口要不要单独测？
要。这类入口由场景触发，问题更短，引用来源往往缺失，只能核表述是否准确。
