逆向国产AI搜索词改写,抢GEO流量
分类小报
逆向国产AI搜索词,能拿到多少增量?
2026年10月30至31日,研究者实测豆包、千问、Kimi、腾讯元宝、DeepSeek五家AI联网检索机制,发现四家重合推荐机构仅2家,说明搜索词改写与上下文控制直接决定曝光结果。
改写规则:各家到底搜了什么
【实测】千问改写1条搜索词,Kimi改3条,DeepSeek改4条,豆包改5条,方向各异。千问检索20条仅送5条进模型,Kimi检索38条引用8条。豆包将上一问出现的“XX药业”带入当前问,回答按历史重组。
- 位置信息:3家平台处理定位权限、IP归属地、地区检索工具【实测】。
- 上下文穿透:对话历史是否进入检索,各家口径不一,需作为控制变量【推断】。
- 数据复算:Hugging Face公开数据集Maodian/opengeo-observation-001(版本0ef3c61)可复算所有数字【A】。
GEO优化三步走
1. 本地化测试:在5家网页版分别提问同一场景(如“苏州医美”),记录搜索词改写与推荐机构数;
2. 监控竞品曝光率:对核心内容关键词做周度跟踪,看是否被AI引用或检索;
3. 元数据对齐:根据各平台检索偏好调整标题、描述、实体提及密度,提高进入“送模型池”的概率。
常见问题
问:为什么豆包推荐了历史聊过的品牌?
答:【实测】豆包将上一问出现的“XX药业”带入当前搜索词,属于对话上下文穿透,需控制变量。
问:千问检索20条只送5条,怎么进“模型池”?
答:推测基于检索排序与模型上下文长度限制【推断】,优化元数据实体匹配度可提高命中率。
问:DeepSeek数据为何未完全纳入对比?
答:【实测】本轮回答未采集,下一问才观察到多轮检索,后续版本将补齐。
来源 · OpenGEO 观测记录:阅读原文 →
