品牌官网有内容却没有被 AI 提及，问题通常出在四环里的某一环：这次回答根本没联网；联网了，但这家 AI 不读你的站；读了你的页面、也列进了参考资料，正文却没写你的名字；被读到的是一篇讲方法的文章，不是讲你是谁的页面。前两环决定 AI 能不能读到官网，后两环决定读到之后提不提你，「官网有内容」只保证了起点。

我自己整理了 8,232 条 AI 回答，把这四环逐个量了一遍。回答来自 8 家国内 AI（文心、豆包、元宝、智谱、DeepSeek、通义千问、Kimi、讯飞星火），同一个软件品类下的 40 道问题，既有「有哪些、哪家好」，也有「怎么做」，每天各问一次（2026 年 9 月 27 日到 10 月 22 日）。回答里常出现的 6 个同类产品写成 A～F。差距最大的是后两环：6 个产品的官网都被 AI 引用过，引用了官网的回答里，正文写出产品名的比例从 32.3% 到 92.1% 不等；官网被引最多的产品 A，偏偏是写名比例最低的那个。

下面每一环配一段 pandas 和原样输出，换成你自己的回答记录，改几个列名就能跑。

## 准备：每条回答要有哪几列

要查这四环，手里得有逐条的回答记录，至少四列：平台、原始回答、引用详情（每行「序号. 标题 | 域名 | 链接 [标签]」）、品牌详情（回答里点到了哪些产品）。只有截图或者每周一个汇总数，后面三环都查不了。

产品名和官网域名单独放在 brands.json 里：一个产品可能有中英文名、旧名，官网可能有好几个域名，子域名也要算进去。判断「正文写没写名字」之前，先把回答里的链接删掉，免得链接里的域名被当成写了名字。

```python
import json, re
import pandas as pd
from urllib.parse import urlparse

ROWS = "rows.jsonl"        # 每行一条 AI 回答
BRANDS = "brands.json"     # {"A": {"names": [...], "domains": [...]}, ...}

def parse_cites(s):
    """引用详情每行形如「1. 标题 | 域名 | 链接 [标签]」，拆成 (序号, 标题, 域名, 链接)"""
    out = []
    for line in (s or "").split("\n"):
        if ". " not in line or line.count(" | ") < 2:
            continue
        num, rest = line.split(". ", 1)
        if not num.isdigit():          # 个别标题里带换行，续行跳过
            continue
        title, domain, url_tag = rest.rsplit(" | ", 2)
        out.append((int(num), title, domain.strip().lower(), url_tag.rsplit(" [", 1)[0]))
    return out

df = pd.read_json(ROWS, lines=True)
df = df[df["状态"] == "success"].reset_index(drop=True)
df["引用"] = df["引用详情"].map(parse_cites)
df["正文"] = df["原始回答"].fillna("").map(lambda t: re.sub(r"https?://\S+", "", t))
brands = json.load(open(BRANDS, encoding="utf-8"))

def name_re(names):
    # 英文名前后不能紧挨字母，免得短的英文名匹配到别的单词里
    alts = ["(?<!(?:[a-z]))" + re.escape(n) + "(?!(?:[a-z]))" for n in names]
    return re.compile("|".join(alts), re.I)

def is_own(domain, domains):
    return any(domain == d or domain.endswith("." + d) for d in domains)

for k, b in brands.items():
    nre = name_re(b["names"])
    df[k + "_提"] = df["正文"].map(lambda t: bool(nre.search(t)))
    df[k + "_官网"] = df["引用"].map(lambda cs: [c for c in cs if is_own(c[2], b["domains"])])
    df[k + "_引"] = df[k + "_官网"].map(bool)
print(f"成功回答 {len(df)} 条，{df['查询词'].nunique()} 道题，{df['平台'].nunique()} 家 AI，"
      f"{df['日期'].min()} ~ {df['日期'].max()}")
```

```plaintext
成功回答 8232 条，40 道题，8 家 AI，2026-09-27 ~ 2026-10-22
```

## 第一环：这次回答联网了吗

AI 没联网时，回答只能靠模型自己记住的东西，官网这个月新写的内容再好，这一次也用不上。最简单的检查，是数一数每家 AI 有多少回答的引用数为 0。

```python
# ---------- 第一环：这次回答联网了吗 ----------
print("\n== 1 引用数为 0 的回答 ==")
df["无引用"] = df["引用"].map(len) == 0
t1 = df.groupby("平台").agg(回答数=("无引用", "size"), 有引用=("无引用", lambda x: int((~x).sum())),
                          无引用占比=("无引用", "mean"))
t1["无引用占比"] = (t1["无引用占比"] * 100).round(1)
print(t1.sort_values("无引用占比", ascending=False).to_string())
rows = []
for k in brands:
    g = df.groupby("无引用")[k + "_提"].mean() * 100
    rows.append({"产品": k, "有引用时提及率%": round(g[False], 2), "无引用时提及率%": round(g[True], 2)})
print(pd.DataFrame(rows).set_index("产品").to_string())
```

```plaintext
== 1 引用数为 0 的回答 ==
           回答数   有引用  无引用占比
平台                         
xunfei    1040    26   97.5
kimi      1038   209   79.9
doubao    1038   760   26.8
qianwen   1040   850   18.3
yuanbao   1039   858   17.4
deepseek   965   856   11.3
zhipu     1032   961    6.9
wenxin    1040  1039    0.1
    有引用时提及率%  无引用时提及率%
产品                    
A      12.00      2.62
B      31.03     11.41
C      25.31     15.04
D      31.16     15.04
E      26.21     10.18
F      26.64     13.51
```

讯飞星火有 97.5% 的回答没有任何引用，Kimi 是 79.9%，豆包 26.8%；文心几乎每条都带引用。6 个产品在没引用的回答里提及率都更低，A 从 12.00% 降到 2.62%。这个差距不全是「联网」本身造成的：没引用的回答大多出自讯飞和 Kimi，这两家本来点名就少。能确定的是，不联网的那部分回答，改官网短期内帮不上忙，查的时候先单独拿出来，别和联网的混在一起算。

## 第二环：联网了，这家 AI 读不读你的官网

联网只说明 AI 去搜了，搜到谁，要看它用的搜索来源。检查办法：只看有引用的回答，按平台算引用里出现你官网域名的比例。

```python
# ---------- 第二环：联网了，读到官网没有 ----------
print("\n== 2 有引用的回答里，引了该产品官网的占比% ==")
has = df[~df["无引用"]]
t2 = has.groupby("平台")[[k + "_引" for k in brands]].mean() * 100
t2.columns = list(brands)
print(t2.round(1).to_string())
print("8 家合计", (has[[k + "_引" for k in brands]].mean() * 100).round(1).to_dict())
```

```plaintext
== 2 有引用的回答里，引了该产品官网的占比% ==
             A     B     C     D     E     F
平台                                          
deepseek   3.9   7.4   0.1   0.1  16.1   0.7
doubao    14.9   7.0   2.4   0.8   3.4   0.3
kimi      20.1   6.7   6.7   0.0   1.4   0.5
qianwen    0.0  20.2   0.0   0.0  15.5   0.0
wenxin    37.2   0.4   0.2   0.3   0.0   0.0
xunfei     7.7   0.0   0.0   0.0   0.0   0.0
yuanbao   51.5   6.1  13.2   5.1   3.8   4.5
zhipu     34.9   9.6  21.5  23.2   6.1  13.3
8 家合计 {'A_引': 24.4, 'B_引': 8.1, 'C_引': 6.4, 'D_引': 5.0, 'E_引': 7.0, 'F_引': 3.2}
```

同一个官网，换一家 AI，结果完全不同。通义千问 850 条有引用的回答里，A、C、D、F 的官网一次都没出现，B 的官网出现在 20.2% 的回答里，E 是 15.5%。文心正好反过来：A 的官网出现在 37.2% 的回答里，B 到 F 都不到 0.5%。8 家合计，A 的官网被引比例 24.4%，6 个产品里最高，到了千问却是 0。

所以「AI 读不到我的官网」要按平台说。表里是 0 的格子，就是该去查的地方：同一道题，这家 AI 引的是哪些域名、什么类型的页面，你的站在它常用的搜索结果里排第几。

## 第三环：读到了，正文写没写你的名字

AI 引用了你的页面，不等于回答里会提你。下面把引用了官网的回答拿出来，看正文有没有写产品名；没写的，再分两种：回答里点了别的产品，或者一个产品都没点。

```python
# ---------- 第三环：读到了，正文写没写名字 ----------
def others_named(row, nre):
    """回答里点到的别的产品：品牌详情里标了「是」、名字又不是本产品的行"""
    lines = (row["提及品牌详情"] or "").split("\n")
    return any((":是" in ln) and not nre.search(ln.split(" (")[0]) for ln in lines)

print("\n== 3 引了官网的回答，正文有没有写产品名 ==")
rows, ranks = [], []
for k, b in brands.items():
    nre = name_re(b["names"])
    c = df[df[k + "_引"]]
    miss = c[~c[k + "_提"]]
    other = miss.apply(lambda r: others_named(r, nre), axis=1)
    rows.append({"产品": k, "引了官网": len(c), "写了名字": int(c[k + "_提"].sum()),
                 "写名率%": round(c[k + "_提"].mean() * 100, 1),
                 "没写名字": len(miss), "其中点了别家": int(other.sum()),
                 "其中谁都没点": int((~other).sum())})
    for _, r in c.iterrows():
        ranks.append({"产品": k, "最靠前序号": min(x[0] for x in r[k + "_官网"]), "提": r[k + "_提"]})
print(pd.DataFrame(rows).set_index("产品").to_string())
rk = pd.DataFrame(ranks)
rk["官网最靠前排第几"] = pd.cut(rk["最靠前序号"], [0, 3, 10, 999], labels=["1-3", "4-10", "11+"])
t3 = rk.groupby(["产品", "官网最靠前排第几"], observed=True)["提"].agg(["size", "mean"])
t3 = t3.apply(lambda r: f"{int(r['size'])} / {r['mean'] * 100:.1f}%", axis=1).unstack()
print("（官网在引用列表里最靠前的序号 → 回答数 / 写名率）")
print(t3.to_string())
```

```plaintext
== 3 引了官网的回答，正文有没有写产品名 ==
    引了官网  写了名字  写名率%  没写名字  其中点了别家  其中谁都没点
产品                                        
A   1354   437  32.3   917     473     444
B    450   282  62.7   168      49     119
C    355   308  86.8    47      26      21
D    277   255  92.1    22       3      19
E    391   292  74.7    99      38      61
F    176   161  91.5    15       5      10
（官网在引用列表里最靠前的序号 → 回答数 / 写名率）
官网最靠前排第几          1-3         4-10          11+
产品                                             
A         473 / 53.3%  444 / 28.6%  437 / 13.3%
B          61 / 54.1%  132 / 59.8%  257 / 66.1%
C          97 / 83.5%   91 / 90.1%  167 / 86.8%
D          60 / 90.0%   69 / 91.3%  148 / 93.2%
E          64 / 85.9%  144 / 75.0%  183 / 70.5%
F          30 / 96.7%   37 / 91.9%  109 / 89.9%
```

D、F 的官网一被引，九成以上的回答会写出它们的名字；A 的官网进了 1,354 条回答的引用列表，写出名字的只有 437 条（32.3%）。没写名字的 917 条里，444 条一个产品都没点，多半是「怎么做」类的问题，AI 拿 A 官网上的内容讲方法，本来就没打算推荐谁；另外 473 条点了别的产品，却没点 A。后一种才是真的漏掉了：AI 读了你的页面，推荐名单里却没有你。

我原本以为官网在引用列表里排得越靠前，越容易被写名字。A 和 E 确实这样，A 排在前 3 时写名率 53.3%，排到 11 名以后只有 13.3%；可 B 反过来（54.1% 到 66.1%），C、D、F 三档之间差不到 7 个点，方向也不一致。这一条只在个别产品上成立，不能当规律用。

## 第四环：被读到的页面，讲的是题还是你

把官网被引的页面分成两类：文章页（路径里带 blog、article、news 这类，或者是很长的文章 slug），以及首页、产品页、价格页、文档这类非文章页。再看被引页面的标题里有没有产品自己的名字。

```python
# ---------- 第四环：被读到的是哪种页面 ----------
ARTICLE = re.compile(r"/(blog|articles?|news|resources|guides?|academy|learn)(/|$)", re.I)

def is_article(url):
    path = urlparse(url).path.rstrip("/")
    return bool(ARTICLE.search(path)) or path.split("/")[-1].count("-") >= 4

print("\n== 4 只被引了文章页 vs 引用里有首页/产品页/价格页等 ==")
rows = []
for k, b in brands.items():
    nre = name_re(b["names"])
    c = df[df[k + "_引"]].copy()
    c["只有文章页"] = c[k + "_官网"].map(lambda cs: all(is_article(x[3]) for x in cs))
    c["标题带名"] = c[k + "_官网"].map(lambda cs: any(nre.search(x[1]) for x in cs))
    a, o = c[c["只有文章页"]], c[~c["只有文章页"]]
    t, f = c[c["标题带名"]], c[~c["标题带名"]]
    rows.append({"产品": k,
                 "只有文章页": f"{len(a)} / {a[k + '_提'].mean() * 100:.1f}%",
                 "有非文章页": f"{len(o)} / {o[k + '_提'].mean() * 100:.1f}%",
                 "页面标题带名": f"{len(t)} / {t[k + '_提'].mean() * 100:.1f}%" if len(t) else "0",
                 "标题不带名": f"{len(f)} / {f[k + '_提'].mean() * 100:.1f}%" if len(f) else "0"})
print("（格式：回答数 / 正文写了产品名的比例）")
print(pd.DataFrame(rows).set_index("产品").to_string())
```

```plaintext
== 4 只被引了文章页 vs 引用里有首页/产品页/价格页等 ==
（格式：回答数 / 正文写了产品名的比例）
           只有文章页        有非文章页       页面标题带名        标题不带名
产品                                                     
A   1146 / 24.9%  208 / 73.1%  840 / 39.3%  514 / 20.8%
B    352 / 56.8%   98 / 83.7%  124 / 75.0%  326 / 58.0%
C    135 / 80.7%  220 / 90.5%   40 / 95.0%  315 / 85.7%
D    118 / 86.4%  159 / 96.2%  163 / 96.9%  114 / 85.1%
E    173 / 60.1%  218 / 86.2%  237 / 87.3%  154 / 55.2%
F     16 / 37.5%  160 / 96.9%  158 / 93.0%   18 / 77.8%
```

6 个产品方向一致：只被引了文章页的回答，正文写出产品名的比例，都比引用里有非文章页的低。A 是 24.9% 对 73.1%，E 是 60.1% 对 86.2%；F 只有文章页的回答才 16 条（37.5% 对 96.9%），样本小，只看方向。被引页面标题里带产品名的，6 个产品也都比不带的高，A 是 39.3% 对 20.8%，E 是 87.3% 对 55.2%。

A 的情况很典型：1,354 条被引回答里，1,146 条只读到了它的文章页。这些文章讲的就是题目本身，怎么做、看哪些指标，写得越像通用教程，AI 越可能只拿走方法；产品名如果只出现在页脚和网站名里，就留在了原地。页面和题对得上，和你对不上：它回答了问题，却没告诉 AI 这个答案和谁有关。

这两组数是相关，不是因果。首页、产品页多半是在推荐类问题里被引的，这类问题本来就要点名，写名率自然高。想知道在自己身上成不成立，最直接的是做对照：同一道题，把产品名写进文章的结论句和关键数字旁边，隔一两周再比写名率。

## 自查按这个顺序

1. 先按平台拆开，把没联网的回答单独放一边，这部分改官网短期没用。
2. 联网的回答里，按平台算官网被引比例，是 0 的平台，去看它在同一道题下引了谁。
3. 被引了的，算写名率，把没写名字的拆成「谁都没点」和「点了别家」，要追的是后一种。
4. 看被引的是哪类页面，文章里有没有在关键结论旁边写明产品名。

这几张表说明不了的，也写在这里：数据只有 26 天、一个软件品类，6 个产品的官网规模差很多；「写没写名字」按字面匹配，AI 用代称或写错名字的没算进去；文章页和非文章页按网址路径分，个别页面会分错。换一个品类，各环的比例会变，查的顺序可以照用。


品牌官网有内容却没有被 AI 提及，问题通常出在四环里的某一环：这次回答根本没联网；联网了，但这家 AI 不读你的站；读了你的页面、也列进了参考资料，正文却没写你的名字；被读到的是一篇讲方法的文章，不是讲你是谁的页面。前两环决定 AI 能不能读到官网，后两环决定读到之后提不提你，「官网有内容」只保证了起点。

为什么品牌官网有内容却没有被 AI 提及？拆 8,232 条回答：6 个产品都是只被读到文章页时更少被点名（附 pandas）

官网有内容、AI 却不提，断点在四环：没联网、联网了不读你的站、读了不写名字、读到的是讲方法的文章页。8,232 条回答里，6 个产品都是只被引了文章页时，正文写出名字的比例更低。附 pandas。

人工智能

品牌官网有内容却未被AI提及，问题多出在四环中的后两环：AI联网了但读不到官网，或读到官网却未在正文写出产品名。数据显示，官网被引最高的产品A，其正文写名率仅32.3%，低于其他产品。自查时需按平台拆分数据，重点追踪引用官网但未点名产品的回答，并优化文章页中的产品名露出。

热销域名限时优惠，新客首年免费！


domain

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

为什么品牌官网有内容却没有被 AI 提及？拆 8,232 条回答：6 个产品都是只被读到文章页时更少被点名（附 pandas）-腾讯云开发者社区-腾讯云

为什么品牌官网有内容却没有被 AI 提及？拆 8,232 条回答：6 个产品都是只被读到文章页时更少被点名（附 pandas）

为什么品牌官网有内容却没有被 AI 提及？拆 8,232 条回答：6 个产品都是只被读到文章页时更少被点名（附 pandas）

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐