本文基于杭州家装行业20个真实问题的实测数据，拆解7月豆包信源池更新后AI采信逻辑的变化，说明为什么GEO优化必须转向结构化内容。实测采集100条候选信源，最终仅20条被AI采信——小红书、知乎各20条候选却0条入选，土巴兔、抖音等结构化内容占据优势。文章揭示：AI采信不看平台名气与发布量，而看内容形态是否”可被当作事实”。粗放打法正在失效，精细GEO（参数、区间、清单式内容）成为新赛道。全文给出”给数字、给地域、给结论”的改造三原则，并附数据口径与常见问题，帮助本地商家把握AI时代获客新规则。
关键词标签
- 核心词：GEO（生成引擎优化）
- 长尾词：豆包信源池、AI采信机制、结构化内容、家装行业GEO、内容形态、精细GEO、信源池更新、本地商家获客
目录
- 一、实测背景：20个问题、100条候选信源
- 二、候选池里谁都在场：小红书知乎占了四成
- 三、采信名单换了一批人：入选率说话
- 四、AI到底在挑什么：内容形态决定一切
- 五、别急着删小红书：真正的分水岭是形态
- 六、内容到底怎么改：只记三件事
- 七、关于”信源池更新”与这次实测口径
- 八、常见问题（FAQ）
- 九、数据来源与说明
- 十、后续研究方向
一、实测背景：20个问题、100条候选信源
先说清楚这份数据是怎么来的，免得有人觉得是拍脑袋。
我让豆包整理出20个杭州家装客户会真实问到的问题，覆盖：半包价格、旧房翻新预算、设计费标准、断桥铝报价、增项套路、靠谱施工队去哪找……这些才是本地商家每天真正被问到的东西，不是我编的冷门题。
拿到这20个问题后，再由豆包生成检索提示词，扔回豆包去采集每个问题底下的参考来源，也就是它”看见”的候选网页。人工确认无误后，用脚本把结果统计出来。
最终得到：20个问题 × 每题5条候选 = 100条候选信源；每题再从中挑1条作为最终采信来源，合计 20条采信。
这就是后面所有分析的基础——一条完整的”候选 → 采信”链路，而不是只看表面曝光。
二、候选池里谁都在场：小红书知乎占了四成
从候选条数看，局面其实挺”民主”：
| 平台 | 候选条数 | 最终采信 | 入选率 |
| 土巴兔 | 22 | 11 | 50.0% |
| 抖音 | 12 | 4 | 33.0% |
| 今日头条 | 8 | 2 | 25.0% |
| 搜狐 | 4 | 1 | 25.0% |
| 网易订阅 | 1 | 1 | 100.0% |
| 其他网页 | 12 | 1 | 8.0% |
| 小红书 | 20 | 0 | 0.0% |
| 知乎 | 20 | 0 | 0.0% |
| 模型内置知识 | 1 | 0 | 0.0% |
| WordPress / 百度地图 / 百家号 / 公众号 | 0 | 0 | — |
| 合计 | 100 | 20 | — |
小红书和知乎加起来40条候选，占了整个候选池的四成。你在这两个平台上的投入，确实换来了”被检索到”。
如果只看这一层，很多人会松一口气：你看，我发的内容AI在回答时都参考了，方向没错。
但”进入视野”只是拿到了考场的门票，不代表你能得分。真正的残酷在下一层。
三、采信名单换了一批人：入选率说话
重点在第二层——最终被采信的那20条，到底花落谁家。一条条比对完，结果是这样：
土巴兔11条，抖音4条，今日头条2条，其他网页1条，网易订阅1条，搜狐1条。小红书0条，知乎0条。
候选池里最能刷存在感的两个平台，到了采信这一步，一条都没留下。
我把它换算成更直观的指标——入选率，即「最终采信 ÷ 候选条数」。这个数字比总量诚实得多，它衡量的不是你发了多少，而是你发的东西”被当真”的概率：
- 土巴兔：22选11，入选率 50.0%
- 抖音：12选4，入选率 33.0%
- 今日头条：8选2，入选率 25.0%
- 搜狐：4选1，入选率 25.0%
- 网易订阅：1选1，入选率 100.0%（样本仅1条，不具统计意义）
- 其他网页：12选1，入选率 8.0%
- 小红书：20选0，入选率 0.0%
- 知乎：20选0，入选率 0.0%
土巴兔一个平台，占掉了20条采信里的11条，超过一半。投入最猛的小书、知乎，入选率是刺眼的两个零。
需要说明：这里不是劝大家去土巴兔发文章，只是陈述分析结果。但这恰恰印证了一个判断——粗放做GEO的时代，确实在落幕。小红书、知乎那种”铺量发笔记、靠情绪和触达换存在感”的打法，在”被AI采信”这条新赛道上几乎颗粒无收；而土巴兔、抖音那种把内容写成”参数、区间、清单”的精细打法，正被AI一路加权重。
流量平台帮你被人看见，AI采信的却是”能被当作事实的地方”。
四、AI到底在挑什么：内容形态决定一切
一开始我以为，是不是小红书的链接被降权了，或者反爬拿不到内容。后来把每条候选的正文摊开逐条读，发现不是那么回事。
问题不在平台的名字，在内容的”形态”。
4.1 被采信的内容长什么样
去看被采信的土巴兔那几条，内容是这样的——「余杭萧山区域半包600‑850元/㎡，西湖拱墅核心区850‑1050元/㎡，100㎡半包5‑9.5万」。分区域、给区间、能落到具体数字，AI拿过去几乎可以直接回答用户。
再看同一个问题下的小红书候选——「若大量吊顶、背景墙，半包单价上浮100‑200元每平米」。这句话本身没错，甚至挺懂行。但它是一句”补充经验”，不是一个”可被采信的答案”，它回答不了”100㎡半包到底多少钱”这个主问题。
4.2 同一个问题，两种写法
我把同一个问题下”被采信的内容”和”没被选中的候选”摆在一起，差异一下就出来了：
| 问题 | 最终采信内容（土巴兔） | 同题候选内容（小红书） | 差异 |
| 杭州100㎡半包合理价 | 余杭萧山600‑850元/㎡，西湖拱墅850‑1050元/㎡，100㎡半包5‑9.5万 | 若大量吊顶背景墙，半包单价上浮100‑200元/㎡ | 土巴兔直接答主问给区间；小红书是补充经验，不答主问 |
| 硬装人工/材料占比 | 人工25‑35%、主材40‑50%、辅材10‑15%、管理费10‑15% | 半包辅材20%、人工55‑60%；造型越多人工越高 | 土巴兔给全口径结构；小红书只讲半包片段 |
这里有个很多人忽略的点：小红书的内容是为”人的情绪”写的，不是为”AI的引用”写的。
种草、避雷、氛围感、个人体验，对刷手机的真人有效，因为人会共情、会代入。但AI在找一个能对”事实负责”的来源，它更信任那些结构清楚、区间明确、可被核验的内容。越拆解越明白，AI不是在评判”谁写得动人”，而是在判断”谁的话我敢原样搬给用户”。
土巴兔这类垂直站，天生就把内容写成”参数、区间、清单”的结构，正好卡在AI的胃口上。这不是它内容更高级，是它的表达形态更适合被引用。
说白了，这就是”精细GEO”的样子——不是为了让人刷到，而是为了让AI敢原样引用。小红书、知乎上那种铺量种草，就是典型的”粗放GEO”：触达广，但AI不太敢拿去当事实。
五、别急着删小红书：真正的分水岭是形态
如果分析到第四章就停，结论会变成”快别做小红书了，去做垂直站”。那我就成了另一种带节奏的人。
数据里还藏着第二个反转，我盯了很久才看懂。
有意思的是，网易订阅只有1条候选，却被采信了1条，入选率100.0%。抖音12条能中4条，比很多平台都稳。你会发现，这跟”量”几乎没关系。
网易那条被采信的内容是——「杭州自住靠谱断桥铝800‑1500元/㎡，壁厚1.6mm起步，低于700元大概率材料缩水」。还是那个味儿：给区间、给判断标准、给避坑线。
所以真正的分水岭，从来不是”你在哪个平台”，而是”你的内容是不是长成了AI能采信的样子”。
这就意味着，小红书不是不能要。它在”被人看见、建立信任、承接私域”这条线上，依然是好手。它的问题只是——你不能指望它替你去AI那儿拿采信票。
正确的姿势是分工，而不是二选一：
小红书、抖音，负责”被人看见、被人喜欢”；垂直站、结构化内容、能被引用的问答，负责”被AI采信、被AI复述”。两条腿，缺一条都瘸。
不是平台决定命运，是内容的形态决定它能不能被AI当真。
六、内容到底怎么改：只记三件事
光讲认知没用。我把所有被采信的内容摊开看了一遍，发现它们长得一个样——都长成了”AI敢原样抄走”的样子。
说白了就三件事，你记下：
6.1 给数字，别给形容词
“有点贵””性价比高”这种话，AI抄回去用户会骂它，但”600‑850元/㎡”它能直接当答案甩给用户。
6.2 给地域，别给普适
被采信的那几条，几乎都精确到余杭、萧山、临平。你越具体，AI越敢用它来答本地的提问。
6.3 给结论，别光铺垫
用户问”多少钱”，第一句就甩价格，别先抒情八百字。再就是「低于700元大概率材料缩水」这种带阈值的句子，AI最爱引，因为它帮你把判断都做完了。
你发现没有？这三件事，没有一件需要你推翻现在的打法。你原来怎么写还怎么写，只是多塞进去”数字、地域、结论”这三样。但就这么三样，决定了AI抄不抄你。
七、关于”信源池更新”与这次实测口径
标题写了”7月豆包信源池更新”，得把这个事讲明白，免得以为是蹭热点。
7月豆包信源池更新的核心变化，业内公认是：候选来源从”长文章、图文笔记”明显向”结构化、可核验内容”倾斜，粗放铺量的内容权重在往下走。这和我们这次实测看到的方向完全一致——只不过我们用20条真实问答，把这件事摊开成了”候选 → 采信”的具体链路：被AI留下的，几乎都是带区间、带参数、可核验的那一类。
需要诚实说明：本次实测基于AI问答的”生成式检索”通用逻辑（先检索候选、再采信一条），豆包、主流AI搜索、AI摘要都遵循这套逻辑。不同产品在细节上有差异，但”偏好结构化、可核验内容”是它们的共性。所以结论不是”豆包一家这么干”，而是”凡是走生成式检索的AI，大概率都这么挑”——信源池更新，只是把这条早已存在的规则，推到了台前。
八、常见问题（FAQ）
Q1：这数据只测了豆包吗？还是所有AI都一样？
本次以”AI问答检索—采信”为统一口径观察。豆包、主流AI搜索、AI摘要都遵循类似的生成式检索逻辑，差异在细节、共性在”挑可核验内容”。所以结论可外推，但不等于每个产品数值完全一致。
Q2：那小红书是不是彻底没用了？
不是。小红书在”被人看见、建立信任、承接私域”这条线上依然强。它只是不擅长替你去AI那儿拿采信票。别删，要分工。
Q3：为什么土巴兔被采信这么多？是平台被加权了吗？
不是加权，是它的内容天生写成”参数、区间、清单”的结构，正好卡在AI的引用胃口上。是形态决定，不是名字决定。
Q4：我们家装商家现在精力该怎么分？
两条腿走路：小红书/抖音负责被看见、被喜欢；垂直站/结构化问答负责被AI采信、被AI复述。内容上多补区间、地域、判断标准这三样。
Q5：这个数据能代表全行业吗？
不能当成铁律。这是20题、100条候选的样本结论，不同品类、不同问法采信分布会有差异。方向我认，但请结合自己类目再验证一遍。
九、数据来源与说明
1. 数据口径。 本次分析覆盖20个杭州家装典型问题，每个问题先检索出5条候选网页（共100条候选），再由AI从中采信1条作为最终答案来源（共20条采信）。每条记录含来源链接、所属平台、发布城市、引用片段。
2. 统计方法。 使用Python脚本逐条解析原始JSON数据，分别统计各平台”候选条数”与”最终采信条数”，入选率 = 最终采信 ÷ 候选条数（以百分比表示，保留一位小数）。所有数字均来自原始数据，未作任何虚构或估算。
3. 平台归类说明。 原始数据实际出现13类来源：土巴兔、抖音、今日头条、搜狐、网易订阅、小红书、知乎、其他网页、模型内置知识，以及样本中为0的WordPress独立站、百度地图、百家号、公众号。0值平台已如实标注，不隐瞒也不夸大。
4. 局限性。 样本为20题、100条候选，非全量数据；采信结果受问题表述、AI版本、检索时间影响；数据为”候选—采信”链路记录，不含播放量、排名等外部反馈指标。
5. 配图说明。 文中入选率对比图用于辅助说明内容形态差异，并非数据本身的截图。
实测时间：2026年7月12日。
十、后续研究方向
这篇只扒了豆包一家。下一步计划做两件事：
第一，横向拆别的平台。DeepSeek、元宝、Kimi，以及各家AI搜索的信源，会一题一题去问、去扒它们到底引用了谁。是都偏向结构化内容，还是各有各的脾气——最后拉一张”平台信源脾气对照表”。
第二，往深里拆采信的数据结构。这次只统计了”谁被采信了”，但没说清”它凭什么被采信”。后续会把每条被采信的内容拆成字段：是带了价格区间、还是给了地域颗粒度、还是踩中了某个判断阈值——看看到底哪几个字段，是AI抄你时必须的。这部分会更干，也更值钱。
关于作者黄易
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
搜索的入口正在从”人自己翻”变成”AI替人答”。这件事一旦发生，被采信就成了新的被看见。7月豆包信源池更新，只是把这个早就发生的转向正式喊了出来——”粗放做GEO、靠铺量换触达”的旧时代，正在被”内容能被AI采信”的新时代接管。
好消息是，这套逻辑没有门槛。它不看你预算多大、粉丝多少，只看你愿不愿意把内容改成一个”AI敢原样搬走”的样子。土巴兔们不是赢在内容更高级，是赢在它们天生就把内容写成了参数、区间、清单——恰好是AI的胃口。你也可以。
做GEO优化，核心就一句话：让AI敢原样抄走你写的那段话。
本文首发于公众号“本地GEO研究社”：https://mp.weixin.qq.com/s/mGPk9R3AZkNOJFGPAIW_Ag?token=723886043&lang=zh_CN