千问信源实测：本文基于千问（Qwen）对20个杭州家装真实问题的作答实测，用数据拆解大模型在候选信源与采信信源上的真实偏好。结果显示：112条候选信源仅采信86条，18个平台零入选，而住建部、中国经济新闻网等权威源近乎全录。文章进一步给出装企GEO优化可落地的三条建议——把报价参数钉成可核验区间、押注有权威背书的平台、厘清UGC与硬信源的分工，帮助装修公司把内容做成AI愿意引用的答案。
文章主要框架
- 一、实测结果：112条候选信源，86条被采信
- 二、全平台入选率总表（数据透视）
- 三、入选率对比：谁进了答案，谁被无视
- 四、标准类信息权重高：写标准的比写品牌的更受青睐
- 五、不采信≠没价值：平台的三种分工
- 六、装企做GEO，说白了就三件事
- 七、数据怎么来的（方法透明）
- 八、常见问题 FAQ
- 相关链接
- 关于作者
- 文末总结
一、千问信源实测结果：112条候选信源，86条被采信
2026年7月25日，我延续前两周对豆包、DeepSeek信源规则的拆解，继续把千问（Qwen）拉进实测。结论很直接：每个大模型都有自己的脾气，千问的信源偏好和前两者差异明显。
口径先讲清楚：下面所有数字，来自千问对20个真实用户会问的家装问题作答时，自己列出来的”候选来源”和”最终采信来源”清单，采用每次2题输出JSON后汇总，由WorkBuddy统计分析。
20道题，千问一共检索出 112条候选来源，最终写进答案的 采信来源86条，整体采信率约 77%。表面看不低，但拆到平台层面，画风突变——有 18个平台 明明进了候选池，却一条都没被采信。
这些”熟脸”包括：知乎、百家号、抖音、网易、酷家乐、众易居、装修避坑指南、效率优化专家、上海辩护律师网、杭州设计工作室沟通、九正建材网、快懂百科、慧亚招商网、太平洋家居网、卡百利官网、住小帮、CSDN博客、中国采购与招标网。
你辛苦铺的内容，可能只是进了AI的”阅后即焚”，从没进过它的”参考答案”。
二、全平台入选率总表（数据透视）
入选率 = 最终采信 ÷ 候选检索（百分比，保留一位小数）。下表覆盖本样本出现的主要平台，红色为0.0%入选率，蓝色为高采信。
| 平台 | 候选 | 采信 | 入选率 |
| 土巴兔装修网 | 18 | 15 | 83.3% |
| 中国经济新闻网 | 10 | 10 | 100.0% |
| 千龙网·中国首都网 | 5 | 9 | 180.0% |
| 新京报 | 2 | 5 | 250.0% |
| 中华人民共和国住房和城乡建设部 | 2 | 2 | 100.0% |
| 博客园 | 8 | 3 | 37.5% |
| 中国商报网 | 14 | 3 | 21.4% |
| 微信公众平台 | 4 | 2 | 50.0% |
| 木业网 | 4 | 2 | 50.0% |
| 今日头条 | 5 | 1 | 20.0% |
| 合同示范文本库 | 0 | 4 | — |
| 澎湃新闻 | 0 | 3 | — |
| 广西南宁市人民政府门户网站 | 0 | 3 | — |
| 知乎 | 3 | 0 | 0.0% |
| 百家号 | 3 | 0 | 0.0% |
| 抖音 | 1 | 0 | 0.0% |
| 网易 / 酷家乐 / 众易居 / 装修避坑指南 / 效率优化专家 / 上海辩护律师网 / 杭州设计工作室沟通 / 九正建材网 / 快懂百科 / 慧亚招商网 / 太平洋家居网 / 卡百利官网 / 住小帮 / CSDN博客 / 中国采购与招标网 | 各 1–3 | 0 | 0.0% |
注：部分平台入选率 >100%（如千龙网180%、新京报250%），原因有两方面。一是同一来源在多题或同一题里被千问反复引用（”据新京报报道……新京报指出……”），采信按引用次数累计，就破表了；二是千问对”候选池”（答案底部参考列表）与”采信池”（正文实际引用）是两套独立标注，部分权威源会出现”正文用了但底部没列”或”列了一次但被引了多次”。这反映的是模型的标注习惯，不是数据错乱。
三、入选率对比：谁进了答案，谁被无视
把典型平台的入选率拉成条，谁高谁低一眼看清：住建部、中国经济新闻网稳在100%高位；土巴兔以83.3%成为垂类数据站里的独苗；知乎、百家号、抖音以及一众家装UGC/品牌站，齐刷刷贴在0.0%的底线。
差距不在平台名气，而在内容被”抄得动”的程度。这一点在下一节会更清楚。
四、标准类信息权重高：写标准的比写品牌的更受青睐
同样一道”杭州100㎡半包多少钱”，看千问对两类内容的两种态度，就懂了：
| 内容形态 | 代表平台 | 写法特征 | 千问采信 |
| 结构化报价 / 参数 | 土巴兔 | “100㎡半包报价6.5–10万元（650–1000元/㎡），含人工、辅材、拆除”——给区间、给数字、可核验 | 83.3% |
| 行业媒体 / 标准 / 榜单 | 中国经济新闻网、千龙网、新京报 | “参与制定国家环保等级标准””TOP10严选标准”——第三方视角、可交叉验证 | 高（100% / 180%） |
| 官方 / 政策 / 合同范本 | 住建部、合同示范文本库、南宁政府 | “必须经资质审查””合同须明确付款节点”——权威出处、合规背书 | 采信多、候选常0 |
| 具体可操作避坑经验 | 桃气噗噗、精英志、独居治愈收纳站 | “水电计价优选闭口/点位包干””先验收后付款”——给得出具体动作 | 被采信 |
| 泛套路清单 / 品牌软文 | 装修避坑指南、中国商报网（品牌推荐） | “30个套路””XX装饰值得选”——罗列套路、推品牌 | 低（0% / 21.4%） |
| 个人 UGC / 百科 / 社交 | 知乎、百家号、抖音、网易、酷家乐 | 碎片化个人经验、情绪化表达 | 0.0% |
一个很扎心的对比：中国商报网 进了候选池14次，只被采信3次（21.4%）；而同属商报系的 中国经济新闻网，10次进池10次被采信（100%）。差在哪？前者多写”某品牌值得选”的软文，后者多写”标准/榜单/行业分析”。千问分得很清：写标准的，比写品牌的，更容易进它的答案。
AI不care你粉丝多少，它只care：你这句话，它抄不抄得动。
五、不采信≠没价值：平台的三种分工
看到这里千万别走极端——”知乎0采信，那我不做知乎了”。错。这18个0采信的平台，不是没用，是在千问的答案里没当主角，但它们干三件主角干不了的事：
一是养信任感。 用户真要去装修，还是会翻小红书、知乎看真实踩坑，那是”人”的入口。
二是给AI喂素材。 土巴兔能83.3%被采信，恰恰因为行业里大量结构化报价文都堆在那。
三是做长尾覆盖。 冷门问题（某种板材、某个本地工长）只有UGC写得细。
所以结论是分工，不是取舍：平台型数据站（土巴兔这类）当”硬信源”，行业媒体/协会当”背书”，UGC当”信任感与长尾”。 指望UGC当AI主推位，才是误区。
六、装企做GEO，说白了就三件事
- 给不出区间的内容，价值不大。 别再写”装修水很深、建议多对比”这种正确的废话。把报价、工期、工艺参数钉死成数字区间，AI才抄得动、才敢抄。土巴兔能被采信15次，靠的就是每一篇都带着可核验的元/㎡。
- 别再迷信”铺量”，要铺有价值的平台。 本样本里，被采信的内容几乎都挂着”某协会/某媒体/某政府/某平台大数据”的出处。你发一百篇没出处的经验文，不如一篇被行业媒体或协会报告引用过的硬文。争取被第三方背书，权重远高于自己喊。
- UGC不是没用，是别指望它当主力。 小红书、知乎、抖音该做还做，但定位要清醒：它们是”人”的入口和信任感来源，不是AI答案的主推位。把最硬的数字和出处，留给会被AI抄走的那种内容。
七、数据怎么来的（方法透明）
- 数据性质：本篇所有数字，来自千问（Qwen）对20个杭州家装真实问题作答时自报的”候选来源 / 最终采信来源”清单，属于模型输出样本，并非本人独立爬虫全网采集。
- 数据口径：覆盖20个问题，共检索出候选来源112条、最终采信来源86条。候选与采信分级、平台归类、入选率统计，均由脚本在规整后的清单上完成，未作虚构。
- 统计方法：用Python脚本逐条解析原始清单，按”候选 / 采信”两级归属平台，入选率 = 最终采信 ÷ 候选检索（百分比，保留一位小数）。
- 平台归类：原始清单出现的主要来源已合并归一（如”微信公众平台”含公众号文章）；入选率 >100% 的平台（千龙网、新京报等），系千问对部分问题列出的采信来源多于候选来源，属样本结构，已如实标注。
- 局限性：样本仅20题、单一垂类（杭州家装）、单一模型（千问），不能代表全行业或全模型；千问版本、提问时间、问题表述均会影响结果。
- 配图说明：文中图表为内联SVG（数值精确），封面与概念图为AI生成示意，发布前需替换为正式素材。
八、常见问题 FAQ
Q1：这20题是真实实测的吗？
是的。为保证准确率，20个问题分成10组，每次只测2题。千问每次作答时输出JSON格式，我汇总起来让WorkBuddy帮我统计得出。
Q2：知乎、小红书是不是彻底没用了？
本样本里知乎0采信，但这是”家装垂类 + 千问”的结果，不等于其他模型/场景。UGC的价值在信任感和长尾，别当AI主推位，但绝不该停更。
Q3：千问是不是给某些平台暗中加权了？
数据看不出”加权”，更像内容形态筛选：给数字、给出处、给标准的，更容易被采信；纯情绪、纯套路清单的，基本不进答案。
Q4：我精力有限，先做哪类内容？
优先级：① 结构化报价/参数文（给区间、给数字）；② 争取被行业媒体/协会引用；③ 把方法论写透明（样本量、口径、局限都敢写）。
Q5：这能代表全行业吗？
不能。仅20题家装样本 + 千问单模型。后续会继续拆解元宝、Kimi，最后汇总对比，做一张”平台信源脾气对照表”。
相关链接
站内相关文章（建议替换为本站对应链接，用于内链权重传递）：
- SEO排第一却不被ChatGPT推荐？老板必须搞懂的外贸独立站GEO优化逻辑 2026年7月25日
- 豆包实测：企业官网GEO优化真相，官网采信率为什么是100%？ 2026年7月25日
- DeepSeek信源采信标准实测：家装企业如何做对GEO优化 2026年7月25日
- 豆包为什么没推荐你的装修公司？家装GEO优化指南 2026年7月20日
- GEO优化实战：拆解豆包信源采信机制（附家装落地指南） 2026年7月16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
回到开头那组数据——千问对家装20题的作答里，112条候选信源只有86条进了答案，18个平台零入选。对装修公司而言，真正的机会不在铺量，而在把内容做成AI愿意抄的硬信源。本文的装企GEO优化三件事（钉死参数区间、争取权威背书、厘清UGC分工），本质就是顺着大模型的采信逻辑，把自己送进它的”参考答案”。