这轮入口迁移，先改变的是被看见的方式：过去消费者在搜索结果页里挑链接，现在直接读一段整理好的回答。截至 11 月 10 日的公开数据，还没有一份报告把平台差异折算进可见度口径；豆包的月活跃用户规模已到 3.82 亿，超过千问与 DeepSeek 之和，QuestMobile 口径下国内 AI 原生应用月活合计 5.46 亿。对做 AI 搜索可见度的团队，监测名单要按用户实际所在的平台排，而不是按品牌自己熟悉的平台排。
入口集中之后，可见度的分母变了
平台集中会带来一个直接后果：可见度的分母从「所有 AI 平台」收缩成「少数几个平台」。过去把七八个平台各采一遍再取平均，看似全面，实际上大部分样本落在没人用的入口上；现在把权重压到用户真正在用的平台上，同样的采集量能换来更稳定的判断。
但集中也会放大偏差。一个平台的答案风格、检索偏好、信源结构如果偏科，品牌在它上面的表现会被直接当成整体表现。所以监测口径里必须保留「分平台」这一层，均值只能做汇总，不能做结论。
平台权重怎么定
比较稳的做法是按用户规模分档，而不是按体感。第一档是月活过亿的入口，逐周监测；第二档是千万级的入口，双周监测；第三档是长尾入口，按月抽检。权重跟着档位走，趋势线才不会因为某个小平台的一次波动而失真。
被推荐与被引用，是两件事
| 答案里的状态 | 含义 | 对应动作 |
|---|---|---|
| 被提及 | 名字出现在回答中 | 补问题库覆盖与信源数量 |
| 被引用 | 回答标注了信源出处 | 补可摘录的事实与数据 |
| 被推荐 | 在竞品比较中被优先列出 | 补第三方佐证与对比场景 |
三种状态里，被提及最容易做到，也最容易让人误判。名字出现在答案里，不代表消费者会因此改变选择；真正影响决策的是它出现在什么位置、被什么词概括、旁边列着哪几个竞品。这也是为什么单看提及率的口径，往往会高估品牌的真实位置。
被引用则是另一层门槛。回答愿意标注信源，说明这段内容被当成了依据。对品牌来说，这一步的关键不是多写内容，而是让内容具备可摘录的特征：有具体数字、有明确条件、有可核对的出处。
监测名单要跟着用户走
选择监测平台的依据只有一条：目标客群是否在那里提问。快消与家电的购买决策问题，越来越集中在少数几个入口；B2B 与专业服务的提问则分散在搜索型与办公型产品里。用同一份名单覆盖所有业务，等于放弃了平台差异带来的信息。
名单确定之后，问题库要按平台再切一次。同一个问题在对话型入口和搜索型入口里的答案结构不同，前者更像导购，后者更像资料索引。把两边的答案混在一起统计，得到的结论既不能指导内容，也不能指导投放。
竞品对比要单独统计
品类问题看的是有没有进候选集，对比问题看的是能不能胜出。这两类问题的答案里，竞品出现的组合方式完全不同。把对比场景单列出来统计，才能看清品牌是在「被一起比较」，还是「根本没进比较」。
每月该复盘哪几个数
复盘时最容易被忽略的是平台之间的差值。同一个品牌在 A 平台提及率三成、在 B 平台只有一成，这个差值往往比均值更有信息量，它指向的是信源结构在两边不一样，而不是品牌本身有问题。
入口还会继续变。今天集中在一两个平台，明年可能又分散。对品牌来说，能复用的不是某一次监测结果，而是那套「问题库—采样—分平台统计」的方法；方法在手，入口怎么挪都能重算一遍。
常见问题
平台月活数据为什么各家不一致？
统计口径不同，有的算 App 月活，有的合并小程序与网页端。做趋势对比时要用同一口径，不要混用两家数据。
只监测一个月活最大的平台够吗？
不够。单一平台的答案风格与信源偏好会造成系统性偏差，至少保留两个对照平台。
提及率和引用率哪个更重要？
分阶段。冷启动先看提及率有没有进候选集，中期看引用率是否上升，成熟期看对比场景中的位次。
采样多少次才算稳定？
同一问题多次采样，看结果分布是否收敛。行业里常见的做法是对单个问题采三十次以上再出结论。
