AI 搜索时代，内容被大模型「看见」并不等于被写进最终答案。本文基于杭州家装 20 组问题的实测数据，首次拆解豆包 AI 信源「发现—采信」两阶段选择机制与量化打分模型，揭示知乎、小红书候选虽多却采信为 0 的底层原因，并为装企提供一套包含地域适配、平台可信度、内容匹配等维度的GEO优化实践框架，帮助内容真正跨过 AI 采信门槛。

关键词标签

• 核心关键词：GEO优化
• 长尾关键词：豆包信源采信机制、杭州家装GEO优化、候选信源与采信信源、AI信源两阶段选择模型、家装行业AI获客、生成式引擎优化、AI信源采信率

目录

• 一、候选信源 ≠ 采信信源：实测数据说话
• 二、进入候选与进入采信，是两套完全不同的标准
• 三、豆包直接给出的量化打分模型
  • 3.1 候选池准入打分模型
  • 3.2 最终采信打分模型
• 四、对杭州家装行业的落地启示
  • 4.1 网页内容创作层面
  • 4.2 平台选择与站点布局
  • 4.3 内容时效性把控
  • 4.4 页面原创性与去重逻辑
  • 4.5 候选池抽样逻辑对批量内容布局的指导
  • 4.6 最终采信的准入门槛
• 五、一条面向 AI 搜索的顶层策略
• 相关链接
• 关于作者
• 文末总结

GEO优化实战：拆解豆包信源采信机制与家装行业落地指南

在 AI 搜索逐步接管流量的今天，一个被很多人忽略的事实是：曝光不等于推荐。你的内容被大模型检索到，和被它写进答案，完全是两回事。

为了把这件事讲清楚，我基于杭州家装领域的 20 组真实问题，第一次把豆包的内容处理链路拆成了两个可观测的阶段——**Candidate（发现）**与 Final（采信）。本文的全部结论，都来自对这套两阶段机制的逐题追问，而不是主观推测。

说明：本文聚焦内容如何被 AI「发现」与「采信」，不讨论传统 SEO，也不讨论提示词工程，只回答一个核心问题——为什么进了候选池，却不一定进最终答案？

完整链路是这样的：

内容曝光层 → Candidate 候选层 → 可信筛选层 → Final 引用层 → 用户答案层

本文重点拆解其中 Candidate 与 Final 两段。

一、候选信源 ≠ 采信信源：实测数据说话

先上实测。下表是杭州家装 20 道选题在豆包中最终的候选信源（Candidate）与采信信源（Final）分布：

注：网易订阅样本仅 1 条（1 选 1），入选率不具统计意义。

这里的关键指标是 「AI 信源采信率 = Final ÷ Candidate」。知乎、小红书这一项直接被打到 0%——这正是「曝光 ≠ 推荐」最硬的证据：它们贡献了 40 条候选，最终却一条都没被写进答案。

二、进入候选与进入采信，是两套完全不同的标准

为了看清两类信源的差异，我针对「杭州 100㎡ 房子做半包，合理的价格区间是多少？」一题，反复追问豆包：先看它最终采信了哪条、为什么采信，再问它为什么没采纳其它候选，最后请它自己总结两套标准的区别。

把两边摆在一起，差异非常清晰：

一句话总结：候选池是「素材仓库」，采信层是「答案出处」。前者门槛低、来者不拒；后者门槛高、宁缺毋滥。

三、豆包直接给出的量化打分模型

与其猜机制，不如直接问。豆包真的把它的打分模型交了出来，这就省去了大量推测。

3.1 候选池准入打分模型

基础规则：基础得分 ≥ 45 分才可加入候选列表，低于 45 分直接剔除。

各项指标权重如下：

1. 话题相关性（35 分）
   • 31–35 分：内容紧扣杭州家装本题核心问题；
   • 20–30 分：属于配套补充条件，例如封边加价、造型加价；
   • 0–19 分：话题相关度极低，只是泛家装内容、跨城市内容。
2. 时效性（25 分）
   • 21–25 分：发布时间 2025–2026；
   • 11–20 分：2022–2024；
   • 0–10 分：2021 年及更早，直接淘汰。
3. 页面质量（25 分）
   • 21–25 分：无广告弹窗、没有强制留联系方式、内容客观；
   • 11–20 分：内容属实，但文章带有软推广；
   • 0–10 分：纯营销落地页、通篇广告，直接淘汰。
4. 原创性（15 分）
   • 12–15 分：原创内容，不是洗稿复制；
   • 6–11 分：改写别人文章，但补充了自己观点；
   • 0–5 分：完全搬运其他网页的副本内容。

后续抽样规则（数百条结果启用）：

• 全部 ≥ 45 分的网页，按内容分为：核心结论类、补充条件类、避坑经验类、业主案例类；
• 每个类别内部按分数由高到低排序；
• 每个类别最多选取得分前 3 条，整体候选来源上限设置为 12 条；剩余高分条目舍弃，避免 JSON 文本过长。

3.2 最终采信打分模型

权重分配：地域适配度 28%、平台可信度 27%、内容匹配度 25%、时效性 15%、客观完整性 5%。

1. 地域适配度（28 分）
   • 24–28 分：区分杭州下辖片区（余杭、临平、西湖、拱墅），贴合本地行情；
   • 14–23 分：只提到杭州整体，不区分片区；
   • 0–13 分：全国通用家装内容，无杭州本地化内容，基本不会采信。
2. 平台可信度（27 分）
   • 24–27 分：政府官方文件、行业官方网站；
   • 18–23 分：土巴兔（大量业主汇总数据）；
   • 12–17 分：搜狐、网易本地资讯；
   • 6–11 分：知乎（单用户个人经验）；
   • 0–5 分：抖音、小红书的单人业主经验，仅候选，正常情况不予采信。
3. 内容匹配度（25 分）
   • 21–25 分：直接解答题干问题，完整给出所需数据（例如 100㎡ 总价 + 每平米单价）；
   • 13–20 分：只能给到单价，缺少对应题干面积的总价；
   • 0–12 分：只讲影响价格的因素（吊顶加价、拆除加价），属于补充条件，不采信。
4. 时效性（15 分）
   • 13–15 分：2025–2026 年，适配现在人工行情；
   • 7–12 分：2023–2024 年；
   • 0–6 分：更早时间，即便进候选池，最终采信阶段基本淘汰。
5. 客观完整性（5 分）
   • 4–5 分：样本量大，不是单一业主个人经历；
   • 0–3 分：只是单个业主自家装修的案例，数据参考局限性很大。

采信判定规则：

• 在候选清单里计算每一条最终得分，默认选取得分最高的 1 条作为采信来源；
• 当排名前二的两条得分差距 ≤ 3 分，且数据出入不大，可同时采信 2 条；
• 只要小红书、抖音得分低于 70 分，无论候选池里数量再多，都不会选为最终采信来源；
• 若政府文件得分最高，优先采用官方资料。

四、豆包信源采信机制对杭州家装行业的落地启示

把候选池准入规则与最终采信量化指标合并，可以拆成 6 大维度：地域适配 28%、内容匹配 25%、平台可信度 27%、时效性 15%、原创性 15%、客观完整性 5%（最终采信 75 分及格线）。下面逐条给出可执行的实操建议。

4.1 网页内容创作层面

其一，本地化细节是获取 AI 采信的核心权重项。 模型给地域适配度设置了最高权重（28 分），只写全国通用内容只能拿极低分。落地到内容创作：不能只写杭州整体概况，必须拆解余杭、临平、拱墅、萧山等细分片区，结合当地人工行情、本地工厂、区域独有痛点（如杭州梅雨季潮湿）。单纯宽泛的全国家装科普，AI 只会把内容放进候选素材池，永远不会选为最终引用文本。

其二，内容要精准匹配用户搜索意图，拒绝只做外围补充信息。 AI 设置了 25 分的内容匹配度权重，只有直接回应用户问题核心的数据（单价 + 总价）才能拿高分；只写附加条件（吊顶加价、封边溢价）只能作为候选素材。对应写作逻辑：核心页面优先给出用户想要的最终结果，把影响因素、注意事项作为配套段落。如果文章通篇只讲侧面注意事项，即便被搜索引擎收录，AI 在生成答案时也会舍弃你的页面。

其三，数据要落地化。 尽量结合题目设定的限定条件输出结果。就像案例里 100㎡ 户型，文章既写每平方单价，还要换算整体总价，贴合用户查询的限定条件，显著提高内容得分。

4.2 平台选择与站点布局

其一，垂直行业平台内容权重高于普通 UGC 平台，这改变了以往「SEO 平台平等」的固有认知。模型给出的优先级是：政府官网 ＞ 垂直行业平台（土巴兔）＞ 资讯站点 ＞ 知乎单人回答 ＞ 抖音 / 小红书个体经验。小红书、抖音内容大多只能进入候选池，采信阶段很难被选中。

传统搜索引擎里，小红书、抖音内容流量非常可观；但在 AI 生成答案的场景下，大模型会降低单人碎片化经验的权重，更信赖汇聚大量用户汇总反馈的垂直平台。

其二，明确自建独立站的定位。 独立站等同于「其他网页」层级，介于资讯平台和知乎之间。想要提高分值，需要做到内容原创、案例本地化、数据真实，才可以超越普通 UGC 内容，获得被 AI 采信的机会。

4.3 内容时效性把控

其一，时效性的权重被显著拉高，过时内容会被直接淘汰。 打分规则：2021 年之前内容直接失去候选资格，2025–2026 年最新行情拿满分。对应实操：家装、咨询这类行情类内容必须每年更新价格数据，旧文章即便排名很好，在 AI 检索环节分数也会大幅下滑，失去被采信的机会。传统 SEO 老文章可以长期吃排名红利，但 AI 搜索环境里旧内容红利会快速衰退。

其二，区分内容类型。 政策文件不受时间限制；行情报价、人工收费、定制价格必须持续迭代。

4.4 页面原创性与去重逻辑

其一，大量洗稿复制的内容在 AI 搜索时代失效。 在数百条搜索结果里，AI 会剔除副本内容、只保留原始出处，洗稿改写的内容在候选筛选阶段就会被淘汰。传统 SEO 依靠伪原创批量铺文章的模式不再适用；AI 搜索环境更青睐原创一手内容、实地调研数据、本地工地实拍案例。

其二，样本规模决定可信度（客观完整性 5 分）。 单个业主的亲身经历得分很低，汇聚大量用户反馈的内容得分更高。落地策略：文章尽量整合多名业主的普遍情况，避免通篇只讲自己一户的装修体验；多用行业普遍行情，少用个人个案。

4.5 候选池抽样逻辑对批量内容布局的指导

其一，即使发布大量文章，AI 也会做分类抽样。 同一类型内容最多选取前 3–4 条优质网页进入候选清单，不会无限收录；这意味着同一主题堆砌大量同质化文章收益极低。传统 SEO 里发布几十篇相近文章可以霸占多个排名，但 AI 搜索环境下同一话题只需产出 2–3 篇高质量差异化内容即可，剩余精力投入不同问题板块。

其二，做好内容分类布局。 把文章划分成 4 类：核心结论型、补充条件型、避坑经验型、真实案例型，每个板块都布局优质内容；内容覆盖的分类越多，被 AI 选中的概率越高。

4.6 最终采信的准入门槛

其一，候选池入选 ≠ 最终被 AI 引用，75 分是硬性门槛。 大量进入候选列表的页面最后不会被采纳。

• candidate_sources（候选池）＝ 被大模型看见；
• final_accepted_sources（最终采信）＝ 你的内容被模型采纳并输出到最终答案。

内容策略的核心目标就是跨过 75 分采信门槛，而不仅仅只是被搜索引擎索引；很多现在排名靠前的页面，在 AI 生成回答阶段根本不会被引用。

其二，当两篇高分内容得分差距很小（相差 ≤ 3 分），AI 会同时采信多条来源。 据此：行业头部优质内容不是唯一必选，如果你把文章做到和行业头部页面分数接近，同样可以被模型引用。

五、豆包信源采信机制的启示：一条面向 AI 搜索的顶层策略

传统 SEO 比拼的是页面能不能被搜索索引；而面向 AI 搜索的内容策略，比拼的是你的网页在 AI 内部量化打分模型里的得分高低。

想要抢占 AI 时代流量，内容创作必须做到：强本地化细分 · 精准匹配用户问题意图 · 数据时效性新 · 内容原创 · 依托群体客观事实，而不是简单做内容堆砌。

相关链接

站内相关文章

• 实测豆包信源池更新：GEO优化为何只采信结构化内容

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 搜索重构了流量分配逻辑：内容被大模型看见只是起点，被写进答案才是终点。基于豆包两阶段信源采信机制的实测拆解，装企做内容的核心不再是铺量，而是围绕地域适配、平台可信度、内容匹配、时效性与原创性，把页面打磨到跨过 75 分采信门槛。真正的GEO优化，是把每一篇文章都做成 AI 愿意引用的「答案出处」。

本文首发于公众号“本地GEO研究社”：https://mp.weixin.qq.com/s/ikOQofondo25cZc0h6vmyA?token=1151622660&lang=zh_CN