很多人看到 72% 这个引用率就动了心，忽略了它来自三组脱敏案例。按 11 月 9 日公开的白皮书口径，这类曲线的起点、观测方式与样本规模，比终点数字更值得先问一句：谁在观测、观测了多少个问题、换一个模型还成不成立。把这三个问题问完，一份案例才谈得上可复现。本文只做一件事：把报告里的数字拆成可以自己跑一遍的步骤，并标出哪些环节必须先向服务商追问清楚。
六周从 5% 到 72% 是怎么算出来的
白皮书披露的三组案例里，第一组是特高压设备制造商 PowerGrid-A：引用率从基线 5% 起步，第 2 周 8%，第 4 周 38%，第 6 周达到 72%；六大平台提名率 68%，关键词覆盖率 75%，信源引用从 8 条增至 129 条，第 6 周获得 3 个 AI 搜索带来的询盘，转化 1 个框架协议凤凰网。
第二组是变压器出海企业 Transformer-B：引用率从基线 3% 提升至第 6 周的 65%，关键词覆盖率 72%，六大平台提名率 62%（含英文查询），信源引用从 10 条增至 118 条，第 6 周获得 5 个海外询盘（北美 2、欧洲 2、中东 1），转化 2 个样品订单。两组案例的起点都很低，这一点很关键：基线越低，同样的内容改动带来的相对涨幅就越好看，读数时要先看绝对差值，再看倍数。
| 案例 | 基线引用率 | 第 6 周 | 信源引用条数 | 转化结果 |
|---|---|---|---|---|
| PowerGrid-A（特高压设备） | 5% | 72% | 8 → 129 | 3 个询盘，1 个框架协议 |
| Transformer-B（变压器出海） | 3% | 65% | 10 → 118 | 5 个询盘，2 个样品订单 |
| 第三组（白皮书未列明细） | 未披露 | 未披露 | 未披露 | 未披露 |
五步法里哪一步最费力
白皮书给的路径是五步：先在 DeepSeek、豆包、元宝、千问、文心一言、纳米 AI 六个平台输入 20 到 30 个行业核心查询词，记录被提名的次数、位置、准确性与信源引用；再把技术资料转成结构化内容，包括技术白皮书、产品 FAQ、行业洞察、工程案例库与认证资质页；第三步做信源锚点，第四步做语义关联优化，第五步建立月度监测凤凰网。
五步里最费力的是第一步。问题库选错，后面所有指标都会失真：问“哪家做特高压”和问“变压器出口认证怎么办”，得到的是完全不同的信源结构。诊断阶段真正要交付的不是一个分数，而是一张能反复跑的问题清单。
该核的三件事
第一件是基线有没有在改动前记录。没有基线，涨了多少都是叙述；有基线，才能区分是内容改动起效，还是模型版本更新带来的波动。第二件是观测问题是不是同一批，问题换了，前后数字就不可比。第三件是平台有没有分列，六个平台混成一个总分，等于把不同商品库、不同信源偏好搅在一起中华网。
工程指标也要问口径。“一致性校验通过率 99.2%”这类数字，先要问校验的是什么：是同一批事实在六个平台的表述一致，还是页面字段的格式一致。两者差别很大，前者难得多，后者更像格式检查。
询盘与引用是两种证据
引用率证明内容被模型采纳，询盘证明用户接着打了电话。两者之间隔着一层转化，而这一层受行业采购周期影响极大。B2B 工业品的询盘周期以月计，六周内出现转化属于少数情况，把它当成普遍预期，会让预算评估提前失真。
更稳的做法是把引用当先行指标，把访问与留资当后验指标。海外市场的对照数据也支持这个分层：有机构统计过，AI 渠道带来的访问量占比平均不到 1%，但转化率高于其他渠道人人都是产品经理。占比小、质量高，这个组合意味着不能只看流量规模，要看每一百次访问里有多少走完了注册或询价。
搬回自己行业之前
搬运案例最危险的地方，是把别人行业的信源结构当成自己的。工业品的采购决策依赖认证与案例，消费品的决策依赖评价与比价，两者的顶层信源完全不同。同一套五步法，换一个行业就要换一遍问题库与信源清单。
这也是判断一份白皮书值不值得信的分界线：它有没有把适用边界写出来。写清边界的报告，读者能自己判断哪一段可以类比；只给结论不给边界的报告，数字再漂亮也只能当宣传材料看。
常见问题
六周把引用率做到 70% 可信吗？
数字本身有出处，但它来自服务商自己的脱敏案例，样本量与观测方式未完全公开，只能作为方向上参考。
为什么一定要先记基线？
没有基线就无法区分内容改动的效果与模型版本更新带来的波动，后续所有结论都会失去对照。
引用率和询盘哪个更重要？
引用率是先行指标，询盘是后验指标。前者反映内容被采纳，后者反映转化，两者要分开考核。
换一个行业还能照搬五步法吗？
框架可以，问题库与信源清单必须重做。不同行业的决策依据不同，顶层信源的构成也不同。
