如果你把同一批问题只在一个平台上问了一遍，得到的信源结构大概不能代表另一个平台。新榜智汇发布的“11月AI信源研究”覆盖10个行业、6大主流AI平台，统计周期为2026年10月，最直接的一个结论是：10个行业的榜首里有8个换了信源。以11月11日的公开信息为界，这份按月更新的榜单提示的不是谁排第一，而是信源结构本身在快速轮换。
10个行业里8个换了榜首
分平台看，差异比排名更值得记。豆包的总榜里抖音占43%，比上期还高1个百分点，10个行业榜首全部是抖音，科技数码前10中有8个是厂商官网；DeepSeek 由百度百科占据5个行业榜首，知乎从总榜第6升到第2，前四名占比均约2%，头部之间没有明显拉开差距；千问的10个行业有9个不同榜首，分散度最高；元宝的微信公众平台以14%领跑，9个行业榜首仍是公众号。
这四种结构对应四种内容策略。豆包偏生态，先要内容进入字节的内容池，再谈被引用；DeepSeek 没有自有内容生态，只能去公开网络找证据，因此更看内容的原创性与论证完整度；千问分散，说明专业垂类仍有位置；元宝的公众号权重高，长文沉淀比短素材更有效。同一份稿子投在不同渠道，结果差异可能比内容质量差异更大。
端、接口、问题类型，三处口径差
端与接口不是一回事
同样是豆包，App 端抖音域名的引用占比与 Web 端可以差出一倍以上；把网页端与 API 端放在一起比，引用来源的重合率更低。这意味着用接口批量跑出来的数据，不能直接代表用户真实看到的答案。监测报告里如果不写明提问端，趋势线本身就没有可比性。
问题类型决定引用谁
领域知识类问题更依赖内容社区与垂类站点，社会热点类问题更依赖资讯与短视频。同一批问题里两类混着跑，得到的信源结构是两种分布的叠加，既解释不了变化，也无法指导投放。合理做法是把问题按类型分层，各层单独出结论。
六个平台的信源结构对照
把公开数据并排放，能看清各平台的选源偏好，也能看清哪些数字只能当趋势、不能当基准。下面这张表里每一行都标了它对监测动作的含义，读的时候不妨先看最后一列，再看数字。
| 平台 | 信源特征 | 代表数据 | 对监测的含义 |
|---|---|---|---|
| 豆包 | 字节生态优先，集中度高 | 抖音占总榜43%，10个行业榜首均为抖音 | 先解决进池，再谈内容优化 |
| DeepSeek | 百科稳定，社区上升 | 百度百科占5个行业榜首，知乎升至第2 | 长尾站点与专业论证更有效 |
| 千问 | 分布最分散 | 10个行业有9个不同榜首 | 垂类媒体仍有位置 |
| 元宝 | 腾讯生态为主 | 微信公众号占14% | 长文沉淀优于短素材 |
| Kimi | 知乎排名明显上升 | 总榜结构变动较大 | 需按月跟踪，不宜按季判断 |
| 百度AI | 依赖自有内容池 | 百科与百家号权重高 | 官网权重相对有限 |
这张表最容易误用的地方，是把百分比当基准线。不同机构的统计周期、样本量与行业划分都不一样，同一个“豆包第一大信源”能查出四五个不同的数值。可行的是看结构：集中度高还是低、生态内还是生态外、哪些类型的内容更容易被反复引用。结构层面的判断在不同样本里反复出现，数值层面的结论三个月就可能作废。
常见问题
为什么同一平台的信源占比会有好几个版本？
因为测的不是同一件事。提问端不同、是否用接口、问题类型构成不同、统计周期与去重规则不同，都会让占比变化。看结构比看小数点更可靠，数值只当趋势。
监测应该按平台分开，还是取平均？
必须分开。平台之间的信源重合度低，取平均会把差异抹平，得到一个既不能解释也不能复现的可见度分数。分平台出表，再在报告层面汇总，才谈得上归因。
API 跑出来的数据能用吗？
能用作补充，不能代表用户所见。网页端与 API 端的引用来源重合率很低，正式报告应以用户真实入口为准，并在方法说明里写明端与时间。
信源结构变了，品牌该先做什么？
先判断是渠道问题还是内容问题。如果目标平台集中度高，优先解决进入内容池；如果分散度高，优先补专业垂类的原创内容与可核验数据，两条动作的成本与周期完全不同。
