豆包信源换手率85%：装修企业GEO优化该怎么做

7月那套被我当成”标准答案”的豆包采信模型，8月再用同一道题重测，几乎被全盘推翻。商家换血率57%，信源跨月换手率高达85%，打分模型从6维砍到4维，排名也从”给首选”变成”不排序”。本文用实测数据还原这场变化，并给出装修企业GEO优化的三条落地动作与一套顶层策略，帮你在AI信源持续分裂的环境里守住推荐位。

目录

• 一、核心结论：名单、信源、规则三件事全变了
• 二、先把数据摆出来：8月对7月
• 三、商家换血57%：从垫底到第一只用了30天
• 四、门槛换了一条：从”你是谁”到”你卖不卖这个”
• 五、信源结构：这次最大的发现
• 六、我算了一件豆包自己可能没注意的事
• 七、排名规则：从”首选良工”到”你自己挑”
• 八、这个月的变动对装修企业GEO优化意味着什么
• 九、方法与边界：请务必看清口径
• 十、完整对比数据表

7月我曾把豆包信源的收录标准和采信标准整套问了出来，当时颇有些得意——两阶段模型、五个维度、75分门槛，清清楚楚，像拿到一张地图。随后拿这套东西去跟几位装企老板讲，也讲得挺自信。

为了持续监测豆包信源的变化，8月我把那道题原封不动又问了一遍。结果会变在意料之中，但变化之大确实出乎意料。下面先把结论抛出来。

一、核心结论：名单、信源、规则三件事全变了

1. 商家换血率57%。 7家里留3家。九鼎、都都、禾时、菲拉掉出；上北、麦丰、谷岩、丽达鼎玺补进来。

2. 信源换手85%，而且换得很彻底。 7月豆包最信的是官方和信用类——浙江省装饰协会、企查查、12315、黑猫投诉、消保委、齐家网，整批在8月消失。顶上来的是携程社区笔记、土巴兔装修大学、抖音企业官方账号、手机搜狐网，清一色业主UGC、汇总型内容和企业官号。协会和监管口径，被业主日记和企业自述替代成了最重要的采信信源。

3. 规则换了一套。 硬门槛从”看你是谁”变成”看你接不接纯半包”；打分模型6维砍到4维；排名取消”首选”，只剩赛道分组、组内不排序。

AI换掉的是名单，先被换掉的，是它认谁说话。

二、先把数据摆出来：8月对7月

这一节不解释原因，只放数字。完整对比表放在文末第十节，想直接看数据的可以先滑到最后。

测试条件先说清楚：同一道题干，同一个模型。

三、商家换血57%：从垫底到第一只用了30天

先看谁留下来了：良工、南鸿、恒彩，三家。九鼎装饰、都都装饰、禾时装饰、菲拉设计四家掉出；上北设计、麦丰装饰、谷岩设计、丽达鼎玺四家新进。

留存三家里最有意思的是恒彩。7月它叫”恒彩家装”，被放进第二梯队，模型给的分数是75分，7家里最低，短板评价写的是”设计师水平两极分化，运气不好遇到新手设计师落地效果差”。8月它叫”恒彩装饰”，被提到第一组本土规模装企，分数78分，7家里最高，最抢眼的描述是”德系隐蔽工程工艺，水电工艺是亮点”。一个月，从垫底到第一。

再看良工。7月它是全场最高分88分，豆包写了一句”刚需自住首选良工”，给五星，理由是先装修后付款、36个节点验收、自有2000人施工团队、35家直营门店。8月它还在名单第一行，分数76分，排第三，上面那些数字一个都没再出现。我把8月的19条候选和7条采信逐条对照，和良工相关的候选有两条——燕郊新浪装修家居网的榜单页、Homitt的wiki页，8月都被豆包明确排除，理由分别是”异地域名商业供稿””UGC聚合无原始调研”。也就是说，良工在8月的采信清单里，一条支撑都没有。

掉出去的四家也值得看。九鼎是上市背景集团，都都深耕28年、7月拿了82分，禾时83分（当时模型给出的第二高分），菲拉79.5分，这四家分数在7月全部高于8月新进四家里的三家。按7月的模型，它们本该稳稳在里面。我一开始以为是模型在随机漂移，问了几轮发现不是——它换的是门槛那条线。

四、门槛换了一条：从”你是谁”到”你卖不卖这个”

两次我都追问了同一句：”你为什么推荐这几家？”

7月豆包给的第一条硬门槛是”仅限杭州本土深耕多年直营品牌，拒绝外地加盟、游击队、小包工队”，它把东易日盛、业之峰这类全国连锁点名排除，理由是杭州多为加盟模式、总部管控弱。

8月豆包给的第一条硬门槛换成”支持纯半包，不强制捆绑全包整装套餐”，还补了一句挺直白的话：很多杭州装企主力推整装，半包只是附带，会拼命劝你买他们主材，这类被筛掉了。

这一条换掉，整份名单就说得通了。7月它在问”你是一家什么资质的公司”（直营还是加盟、成立几年、有没有一级资质、质保写没写进合同、12315上有没有集体投诉）；8月它在问”你到底愿不愿意接这单纯半包”（是否把半包当成熟业务、是否会转包给外面工长、有没有大量100㎡平层案例）。

九鼎和菲拉掉出去，放在这个框架下就顺了。九鼎在7月评价里写过”高端单子资源倾斜更多”，菲拉是设计工作室、设计费单独收80到150元每平米，两家在”是不是把纯半包当主业”这条新门槛上都不占优势。上北设计能新进，也是同一逻辑——8月豆包给它的定位是”圈内口碑偏向半包赛道、不强行推整装套餐、适合主材想自己把控的业主”。

打分模型的变化跟这条线是对上的：

6个维度砍掉3个，新增1个，新增的这个直接坐上最高权重。消失的三项里，最该在意的是”本地业主口碑与投诉”那15%——7月核查平台写得很具体（杭州市12315、黑猫投诉、19楼家居板块，还引用了杭州市消保委2025家装消费报告），8月整套投诉数据体系没出现在任何一条信源里。权重表改一行，一个行业的内容资产就要重估一次。

五、信源结构：这次最大的发现

先看体量变化。7月豆包自述的采信规则是：候选清单里算每条得分，默认选取分最高的1条，前二差距不超3分才同时采信2条，一题基本只用1条。8月这道题，候选19条，采信7条——单题候选池扩到约3.8倍，单题采信数扩到7倍，采信率从20%抬到36.8%，这不是同一套抽样规则在跑。

再看平台构成，这才是真正扎心的地方：

变化1：官方与信用类信源整体退场

7月这道题，豆包的依据里有浙江省装饰协会公示、杭州市装饰装修商会行情、企查查的直营与加盟核实、企业官网资质公示、杭州市12315、黑猫投诉、齐家网评价数据、杭州市消保委2025家装消费报告。8月这一整类，候选池0条、采信0条。7月采信打分模型里，”平台可信度”给政府官方文件、行业官方网站的分档是24到27分，是全场最高一档，8月这条最高分通道一次都没采信。

跟着一起消失的，是所有企业级硬数字。7月答案里我数过一遍：28年、108项标准化工艺、隐蔽工程质保8到10年、自有2000人施工团队、35家直营门店、800多名工人、328项明细报价、老客转介绍率55%以上、2874户业主成交记录、36个验收节点、电工日薪650元，十几个可核验数字。8月这类企业级数字一个都没有，剩下的是”自有工班占比高、门店多、老牌、口碑好”这类定性描述。这两件事是连着的——企业官网、协会公示、企查查是那些数字唯一的出处，它们退出采信池，答案就只能退回到定性。你花钱堆在自己官网上的那些数字，这个月一条也没进答案。

变化2：19楼被携程截胡了

7月19楼出现三次（家装论坛、维权板块、家居板块），是杭州本地业主口碑的主力来源。8月19楼在候选和采信清单里都找不到域名，但它的内容还在——8月拿到最高采信率的两条携程社区笔记，豆包自己写的来源说明是”整理19楼装修日记业主记录””基于19楼装修日记业主UGC”。19楼贡献了素材，携程拿到了采信位。原生UGC平台的内容被第三方汇总一遍重新发布，模型采信的是那个汇总页，不是原始帖子。对做内容的人来说，这个信号不太好受：你的一手内容可能替别人拿到了引用位。

变化3：抖音进采信了，但身份换了

7月模型写得很死：抖音和小红书的单人业主经验只给0到5分，写明只进候选、正常情况不予采信，还加了一条”抖音小红书得分低于70分，候选池里数量再多都不会选为最终采信来源”。8月有一条抖音链接进了采信清单，而且是7条里唯一的短视频源。翻了两遍采信说明才看明白：这条抖音是上北设计的企业官方账号，豆包采信它只用来确认”业务定位是设计施工一体化、不强行推整装”，同时明确写了不采信账号内的案例效果和营销宣传话术。7月被打到0到5分的是抖音上的”业主个人经验”，8月拿到采信位的是抖音上的”企业业务模式自述”。平台没变，内容的身份变了——这个区别对做短视频的装企来说，价值比”抖音有没有用”大得多。

变化4：小红书和知乎连候选都进不去了

7月那篇我算过：知乎加小红书贡献40条候选，最终采信0条，采信率0%，当时结论是”曝光不等于推荐”。8月这道题，19条候选里，小红书0条、知乎0条——7月它们是进了候选池但拿不到采信位，8月连候选池的门都没进。7月写”曝光不等于推荐”时，心里觉得够狠了，现在看那还是个乐观版本。

跨月平台重叠：我算了一个数

此前我在多模型横向对比里用过自己定义的指标——GEO信源共识指数SCI，算的是多个模型共同采信的平台数除以合计覆盖平台数，量的是同一时间点上不同模型之间的信源分裂程度。这次是同一个模型的两个时间点，SCI用不上，我顺手算了时间轴上的对应指标，叫信源换手率：7月点名13个平台，8月点名10个平台，两月同名的只有3个（土巴兔、携程、列举网），合计覆盖20个平台，重叠率15%，换手率85%。

还有一个变化比消失更值得看：企业官网这一类两个月都在，7月它是采信依据，8月它进了候选却被逐条点名排除，豆包写的是”广告营销类网页全部放入候选、没有进入采信列表”。同一个平台，从证据变成了嫌疑。AI时代不存在统一的SEO权重体系，同一个模型隔一个月都不给你同一套。

六、我算了一件豆包自己可能没注意的事

8月豆包给的信源准入规则里有第四条：”可交叉验证，一个商家的业务特征至少2个来源互相印证才采纳。”我就拿这条去核它自己的名单，把7家商家和19条候选、7条采信逐条挂钩：

这张表算完，我看了三遍。采信支撑最强的上北设计（3条全进采信）排第2；采信支撑为0的良工排第3；候选和采信都是0的麦丰排第5；而2条采信全部命中的谷岩和丽达鼎玺，一个第6一个第7，垫底。分数和采信信源强度，基本对不上。7家里有2家（良工、麦丰）在采信清单里找不到任何支撑，占28.6%；用另一个角度说，采信支撑覆盖率只有71.4%。

这个现象有两种解释：一种是名单生成和信源披露之间确实有缝，模型给名单时用的东西比它披露的多；另一种是它的信源披露本身不完整、漏了。我手上的数据没法判断是哪一种，我把它作为观察记下来，不当成结论。

还有一个细节：8月7家的分数是78、77、76、75、74、73、72，等差1分一路排下来；7月是88、83、82、80、79.5、77、75，参差不齐还有个79.5的小数。一套四维加权模型算出来的七个数，正好构成一个等差为1的数列，这个概率我不太敢相信。豆包自己输出时也标了”内部模拟得分”四个字，我倾向于认为8月这组分数是先排好顺序、再回填数值的产物，只是没法证实。附带提醒：这些分数都是模型自述，不能外部核验，别拿去当装企的实际评级用。

七、排名规则：从”首选良工”到”你自己挑”

两次我都问了同一句：”你排序是根据什么定的，有打分模型吗？”7月豆包给了梯队、五星标记、每家总分、明确先后，写”综合得分85分以上优先推荐，良工得分最高，所以刚需自住首选良工”，甚至解释了都都分数高却放中端梯队是”知名度偏弱”。那是一个愿意替你下判断的答案。

8月豆包第一句话就推翻了：写”7家没有做排名、无1和2和3的名次，只做业务赛道分组，组内不分先后”，还专门补一句澄清”不代表良工大于恒彩大于南鸿，很多人会误以为从上到下是强弱排序，这点需要明确”。星级没了，总分改成内部筛选用、不对外排序，展示顺序依据换成”用户决策习惯”（大多数杭州业主先看大装企、再看设计型、最后看小工作室）。

打分模型的角色跟着变了：7月它是排序器，决定谁排前面；8月它降级成过滤器，只决定能不能进名单，及格线65分，进来之后一律平权。门槛也松了——7月淘汰线70分，8月及格线65分，低5分；7月信源采信有75分硬门槛，8月信源准入改成四条定性规则，没再给分数线。

连起来看：7月的豆包像个评委，打分、排名、给你最优解，还引用企业官网和协会公示给自己撑腰；8月的豆包像个资料员，分类、摆事实、反复强调不能替你决定，引用的全是第三方转述。我认为8月这个版本更负责——给一个陌生人”首选良工”这种结论，本来就是件挺重的事。但对做GEO的人来说麻烦大了：当AI不再给第一名，”做到行业第一”这个目标就失去了着力点，你要争的东西从名次变成了入场券和赛道标签。AI不给第一名的时候，抢第一名这件事就自动失效了。

八、这个月的变动对装修企业GEO优化意味着什么

这次真正值得改动作的，就三件事：

第一件，你的硬数据得让别人替你说

这是我这次最想让装企老板听进去的一条。”自有2000人施工团队””35家直营门店””108项标准化工艺””隐蔽工程质保8年”，是真本事也真花了钱。7月它们进了答案，因为豆包当时采信企业官网和协会公示；8月同样的东西一个字没进，因为那条通道关了。同一句话，写在自己官网上被归到广告营销页直接排除；写在土巴兔的商家档案页里，8月拿到采信位；写在被人汇总过的业主日记里，8月采信率100%。动作很具体：把你官网上那些数字，逐条搬到第三方平台的商家档案、行业科普内容、业主案例汇总里去，让它由别人的口径说出来。官网继续写，但别把它当成AI能看见你的唯一入口。

第二件，改口径，把”业务模式事实”写清楚

8月新增的最高权重维度是”业务模式适配度”，占30%，它问三件事：支不支持纯半包、会不会转包、有没有大量100㎡平层案例。这三个问题，绝大部分装企的内容里都没有正面回答，大家习惯写的是工艺多好、案例多美、设计师多强。上北设计3条信源全部拿到采信，靠的就是这个——携程给它贴了半包精细施工标签，土巴兔确认了设计施工一体，抖音是它自己出镜讲”不做纯设计甩手掌柜”，三条内容指向的都是业务模式，不是效果图。所以内容里要有能被机器直接摘走的事实句：是否承接纯半包、辅材是否写型号进合同、工人是自有还是外包、100㎡平层做过多少套，写成陈述句，别藏在案例故事里。

第三件，别只盯一个平台，尤其别只盯原生UGC

19楼这次的遭遇很有代表性：内容是它的，采信位是携程的。AI信源分裂这件事，我在多模型横向对比里量过一次，四个模型共同采信的平台只有2个，SCI大约1.6%；这次又量到时间轴上的版本，同一个模型隔一个月平台换手率85%。空间上分裂，时间上也换，押注单一平台的风险比大家想的高。我给的落法是按GEO三层来铺：发现层解决”让AI看到你”，广告页和分类信息站还有用（8月候选池里恒彩靠自家站占了3条，虽然全部落选）；信任层解决”让AI引用你”，靠第三方平台档案和汇总型UGC（8月的7条采信全在这里）；答案层解决”让AI推荐你”，靠把业务模式事实做成可摘的句子。三层要同时在，因为你不知道下个月它会砍哪一层。

一条顶层策略

7月我以为GEO的关键是拿到模型的打分表然后照着优化，做完这次对比我改了看法。打分表会改，权重会挪，门槛会松会紧，平台会换手85%，你追不过它的迭代速度。能穿过版本变化留下来的，是那些不管权重怎么变都算加分的东西：本地化到片区的细节、能被交叉验证的业务模式事实、第三方替你说出来的口径、多平台同时存在的分布。GEO的本质，是让企业成为AI答案供应链中的可信组件。这个月它只是换了验收标准，没有取消验收。

九、方法与边界：请务必看清口径

这次的数据有几个口径问题，我得摊开说，不然上面的数字容易被误读。

第一，7月和8月的信源披露形态不一样。7月我问信源，豆包给的是分四大类的信息来源，有平台名、没有URL、没有候选和采信的二分；8月它直接输出结构化JSON，候选和采信分开、每条带链接。信源披露的结构化程度本身就是一个变化，我把它算作发现之一。

第二，7月那组”候选100条、采信20条、采信率20%”来自上一篇文章的20组题汇总统计，不是这一道题的单题数据。所以比对时我同时标了两个口径（20题均摊约5条候选1条采信，以及模型自述的一题选1条规则）。跨月比采信率时，请把这个差异放在心上。

第三，8月的候选JSON编号从1排到21，中间缺16和17两号，实际条目19条，我全部按19条计算，没有把缺号补成20或21。

第四，两次的打分和权重都是模型自述，8月还自己标了”内部模拟得分”。这些数字反映的是模型对自己行为的解释，不等于它内部真实计算过程，也不能外部核验。

第五，本文是单题单模型的两次采样，样本量就是2。它能说明这道题上发生了什么，不足以推断豆包整体策略的变化幅度，想要更硬的结论需要多题多轮重复测。

第六，也是最重要的一条免责：文中的采信率不是模型能力排名，也不是平台质量评级，它是显式信源披露与引用行为的观察指标，不能简单理解为谁更强；同理，商家分数不是装企评级，名单进出不代表任何一家公司的实际施工水平变好或变差。

十、完整对比数据表

下面放这次比对的全部原始数据表，方便你自己核，也方便套到自己的行业上做同样的测试。

表1　商家名单逐家比对

保留3家，掉出4家，新进4家。留存率42.9%，换血率57.1%。

表2　价格区间比对

表3　8月完整候选信源（19条）

候选19条，采信7条，采信率36.8%。原JSON编号缺16和17。

表4　跨月平台去留

7月13个平台，8月10个，同名重叠3个，合计20个。重叠率15%，信源换手率85%。新增指8月出现、7月无此平台的信源；移除指7月有、8月完全消失；保留指两月都在；反转指角色互换。表3跨月性质按平台归属判定，8月19条候选里11条为新增平台、8条为保留平台；被采信的7条中5条来自保留平台（土巴兔、携程），2条来自新增平台（手机搜狐网、抖音）。

表5　打分模型与排名规则比对

表6　硬门槛比对

提问对象从企业资质属性，换成了业务意愿属性。

表7　7月与8月企业级可核验数字对照

7月12类企业级可核验数字，8月全部消失，出处正是退出采信池的企业官网、协会公示与企查查。

最后说一句我的感受：7月写完那篇，我以为自己拿到了地图；今天再测一遍，发现拿到的是一张当月的天气记录。这事有点扫兴，但也把一件事说清楚了——做GEO不能只做一次体检就停手，得建成一条常态的观测线。下个月我会把同一道题再问一遍，也会拿去问其他几个模型。哪一天这些变化能连成一条曲线，它的价值会比任何一份单月打分表都大。

相关链接

站内相关文章：

• 汽车零部件GEO实测：ChatGPT推荐出海供应商真实信源 2026年8月18日
• 8月豆包信源大换血：抖音取代土巴兔成采信第一 2026年8月18日
• 元宝信源采信标准实测：大模型如何筛选与引用内容？ 2026年8月8日
• 元宝信源实测：装企GEO优化的3条核心启示 2026年8月3日
• 千问信源收录标准深度拆解：基于20题实测的GEO实践指南 2026年7月31日

关于黄易

黄易，AI 获客研究者、GEO 实践者、企业增长顾问，公众号「本地 GEO 研究社」「海外 AI 获客研究」主理人。

浙江财经大学管理学硕士。自 2010 年从业至今，始终聚焦政企流量增长与客户引流工作，兼具 8 年管理咨询经验与十余年产品操盘经历，擅长从战略、流程维度拆解获客难题，完整跑通 SEO 优化、平台运营、线索转化至成交全流程。

依托 GPT、豆包、DeepSeek 等主流大模型，深耕 AI 获客前沿玩法与落地实战，助力企业降本增效、精准获客。

欢迎在评论区交流，或通过微信（huangyigeo）与我联系。转载请注明出处。

文末总结

AI信源的变化速度，比任何一份单月打分表都快——这一次豆包跨月平台换手率高达85%，采信规则从”看你是谁”彻底换成”看你接不接纯半包”。对装企来说，GEO优化不能靠追某个月的权重表，而要把硬数据外移到第三方口径、把业务模式事实写成可摘句子、在发现层/信任层/答案层同时铺开多平台。上个月的答案，就是这个月的旧闻；要盯的从来不是那份榜单，是它换标准的动作。