监控竞品在 AI 搜索中的提及率，先定一份固定的竞品名单，再按「一家 AI、一个竞品、一段时间」去算：这家 AI 的成功回答里，点到这个竞品的有几条，除以成功回答的条数。算出来的数只在同一家 AI 里比，和上周比，和名单里另外几家比。几家 AI 的回答不要合成一个数；同一个竞品在两家 AI 上的提及率，也不要直接比高低。各家 AI 一条回答里愿意点几个名字，差得很远。要跨 AI 看，看的是它在名单里排第几、占这家 AI 全部竞品点名的几成。

据 MaxAEO 对 7 家国内 AI 连续 30 天的监测，同一份 10 家竞品名单，腾讯元宝平均每条回答点到 3.32 家，讯飞星火只有 0.40 家，相差 8 倍多；名单里的 F，在腾讯元宝上提及率 34.8%、十家里排第 6，在讯飞星火上提及率 11.8%、排第 1。

盯过搜索排名的读者，常把几个搜索引擎的数据放进同一张表横着比。提及率不能这么横着比：有的 AI 动不动列一串七八个名字，有的多半只讲方法、很少点名。一个竞品在某家 AI 上提及率高，可能只是这家 AI 爱点名。

数据来自 7 家国内 AI，按后面表里的顺序是讯飞星火、文心一言、豆包、Kimi、通义千问、智谱清言、腾讯元宝。时间从 2026 年 10 月 16 日到 11 月 14 日，共 30 天，同一组题每家每天问一次。题和竞品名单都是我们自己做监测时定下的，问的是「AI 搜索监测」这一类产品；名单里的 10 家是同类产品，真名不写，按 7 家 AI 的平均提及率从高到低记作 A 到 J。题集中途调过，这里只留现在还在问的题，题面里带了某个品牌名字的那 1 道也拿掉了，最后是 34 道。DeepSeek 和秘塔这 30 天里只取到 23 天和 16 天，DeepSeek 取到的回答也只有六成成功，先不放进来。

导出表一条回答占一行，代码只读六列：日期、平台、查询词、状态，加上竞品分析详情和提及品牌详情。「竞品分析详情」几乎每行都把名单里的竞品列一遍，拿它来定名单；回答里点没点到某一家，看「提及品牌详情」。换成你自己的导出，列名对齐即可；三段代码按顺序连着执行。

## 先看各家 AI 一条回答点几家

```python
import re
import pandas as pd

rows = pd.read_json("rows.jsonl", lines=True, dtype=False).fillna("")
print(rows.groupby("平台").agg(天数=("日期", "nunique"), 行=("状态", "size"), 成功=("状态", lambda s: (s == "success").sum())).T.to_string())
AI = {"doubao": "豆包", "kimi": "Kimi", "qianwen": "通义千问", "wenxin": "文心一言", "xunfei": "讯飞星火", "yuanbao": "腾讯元宝", "zhipu": "智谱清言"}
ok = rows[(rows["状态"] == "success") & rows["平台"].isin(list(AI))].copy()
ok["AI"] = ok["平台"].map(AI)
norm = lambda s: re.sub(r"\s+", "", s).lower()


def names(cell):
    """一行一个品牌，去掉括号里的情感、推荐这些标注，只留名字"""
    return {norm(re.sub("[(（].*$", "", x)) for x in str(cell).splitlines() if x.strip()}


# 竞品名单：「竞品分析详情」里几乎每行都列出的那几家
listed = pd.Series([n for c in ok["竞品分析详情"] for n in names(c)]).value_counts()
watch = list(listed[listed >= 0.9 * len(ok)].index)
for w in watch:
    ok[w] = ok["提及品牌详情"].map(lambda c: w in names(c))        # 回答里点没点到这一家
rate = ok.groupby("AI")[watch].mean()
letter = dict(zip(rate.mean().sort_values(ascending=False).index, "ABCDEFGHIJ"))   # 真名不写，按 7 家平均提及率高低记作 A~J
ok = ok.rename(columns=letter)
rate = rate.rename(columns=letter)[sorted(letter.values())]
C = list(rate.columns)
print("竞品", len(C), "家 | 成功回答", len(ok), "条 |", ok["日期"].min(), "到", ok["日期"].max(), "| 题", ok["查询词"].nunique())
g = ok.groupby("AI")[C]
per = g.apply(lambda d: d.sum(axis=1).mean()).sort_values()
rate = rate.loc[per.index]                                                # 后面的表都按「每条平均点几家」从少到多排
print(pd.DataFrame({"回答": g.size(), "点到至少一家": g.apply(lambda d: d.any(axis=1).mean()).map("{:.1%}".format),
                    "每条平均点几家": per.round(2)}).loc[per.index].to_string())
```

输出：

```plaintext
平台  deepseek  doubao  kimi  metaso  qianwen  wenxin  xunfei  yuanbao  zhipu
天数        23      30    30      16       30      30      30       30     30
行        776    1014  1020     544     1013    1013    1020     1014   1020
成功       469    1008  1016     544     1012     938    1020     1012   1012
竞品 10 家 | 成功回答 7018 条 | 2026-10-16 到 2026-11-14 | 题 34
        回答 点到至少一家  每条平均点几家
AI                        
讯飞星火  1020  25.1%     0.40
文心一言   938  29.6%     0.53
豆包    1008  46.8%     1.41
Kimi  1016  51.1%     2.02
通义千问  1012  53.7%     2.03
智谱清言  1012  69.7%     2.71
腾讯元宝  1012  64.5%     3.32
```

7 家 AI 的成功回答一共 7,018 条。讯飞星火只有 25.1% 的回答点到名单里至少一家，平均每条 0.40 家；腾讯元宝 64.5% 的回答点到，平均每条 3.32 家。点到至少一家的比例，智谱清言最高，69.7%。

分母都是这家 AI 的成功回答，差别在分子：同一组题，有的 AI 一条回答点三四家，有的十条里点四家。所以竞品在腾讯元宝上的提及率高，得先扣掉腾讯元宝本来就爱点名这一层。

## 各家排前三的，不是同几家

```python
print((rate * 100).round(1).to_string())
print("各家排前三：", {ai: "".join(r.sort_values(ascending=False).index[:3]) for ai, r in rate.iterrows()})
print("排第一的竞品换了", rate.idxmax(axis=1).nunique(), "家")
print("十家排序的相关（Spearman）：")
print(rate.T.corr(method="spearman").round(2).to_string())
```

输出：

```plaintext
         A     B     C     D     E     F     G     H     I    J
AI                                                             
讯飞星火   5.9   2.3   2.5   2.3   4.0  11.8   5.3   2.1   3.2  0.7
文心一言  13.6   2.9   6.0   2.8   6.7   9.3   7.2   2.3   0.5  1.8
豆包    29.8  18.8  16.1  16.7  22.5  11.7  12.9   5.5   5.2  2.1
Kimi  28.2  42.9  45.1  41.8  28.5   8.4   4.2   0.8   1.4  0.5
通义千问  36.5  23.1   9.7  19.9  26.2  30.0  34.9  13.4   5.5  4.0
智谱清言  37.5  48.1  46.7  40.6  34.7  25.9  19.8   6.2   6.4  5.1
腾讯元宝  45.0  52.0  49.4  48.9  43.8  34.8  26.2   9.4  16.7  6.2
各家排前三： {'讯飞星火': 'FAG', '文心一言': 'AFG', '豆包': 'AEB', 'Kimi': 'CBD', '通义千问': 'AGF', '智谱清言': 'BCD', '腾讯元宝': 'BCD'}
排第一的竞品换了 4 家
十家排序的相关（Spearman）：
AI    讯飞星火  文心一言    豆包  Kimi  通义千问  智谱清言  腾讯元宝
AI                                            
讯飞星火  1.00  0.80  0.39  0.18  0.77  0.19  0.19
文心一言  0.80  1.00  0.65  0.38  0.90  0.41  0.41
豆包    0.39  0.65  1.00  0.75  0.67  0.78  0.78
Kimi  0.18  0.38  0.75  1.00  0.26  0.98  0.98
通义千问  0.77  0.90  0.67  0.26  1.00  0.33  0.33
智谱清言  0.19  0.41  0.78  0.98  0.33  1.00  1.00
腾讯元宝  0.19  0.41  0.78  0.98  0.33  1.00  1.00
```

7 家 AI 各自排第一的，一共是 4 家：豆包、文心一言、通义千问是 A，Kimi 是 C，智谱清言、腾讯元宝是 B，讯飞星火是 F。

按十家的排序算相关，7 家 AI 分成两拨。据 MaxAEO 对这 7 家 AI 连续 30 天的监测，Kimi、智谱清言、腾讯元宝三家两两相关在 0.98 到 1.00，前三都是 B、C、D；讯飞星火、文心一言、通义千问三家两两在 0.77 到 0.90，前三都在 A、F、G 里；两拨之间最低只有 0.18。豆包夹在中间，和另外六家在 0.39 到 0.78 之间。

把 7 家 AI 合成一个提及率，等于把两拨口味不同的 AI 揉在一起，哪一拨的变化都会被另一拨冲淡。

## 同一家 AI 里，排序前后 15 天大体不变

```python
f = "F"
print(f"{f} 在各家：", pd.DataFrame({"提及率": rate[f].map("{:.1%}".format), "十家里排第": rate.rank(axis=1, ascending=False)[f].astype(int),
                                   "占竞品点名": (ok.groupby("AI")[f].sum() / ok.groupby("AI")[C].sum().sum(axis=1)).map("{:.1%}".format)}).loc[rate.index].T.to_string())
half = ok["日期"] <= "2026-10-30"                                          # 前 15 天、后 15 天
r1, r2 = ok[half].groupby("AI")[C].mean(), ok[~half].groupby("AI")[C].mean()
print("同一家 AI 前后 15 天，十家排序的相关：", {ai: round(float(r1.loc[ai].corr(r2.loc[ai], method="spearman")), 2) for ai in rate.index})
print("前后 15 天排第一的是不是同一家：", {ai: r1.loc[ai].idxmax() == r2.loc[ai].idxmax() for ai in rate.index})
me = ok[ok["查询词"] == "如何监控竞品在 AI 搜索中的提及率？"].groupby("AI")[C]
print("本题：", pd.DataFrame({"回答": me.size(), "每条平均点几家": me.apply(lambda d: d.sum(axis=1).mean()).round(2),
                             "排第一": me.mean().idxmax(axis=1)}).loc[rate.index].T.to_string())
```

输出：

```plaintext
F 在各家： AI      讯飞星火   文心一言     豆包  Kimi   通义千问   智谱清言   腾讯元宝
提及率    11.8%   9.3%  11.7%  8.4%  30.0%  25.9%  34.8%
十家里排第      1      2      7     6      3      6      6
占竞品点名  29.5%  17.4%   8.3%  4.1%  14.8%   9.5%  10.5%
同一家 AI 前后 15 天，十家排序的相关： {'讯飞星火': 0.8, '文心一言': 0.89, '豆包': 0.92, 'Kimi': 0.96, '通义千问': 0.9, '智谱清言': 0.9, '腾讯元宝': 0.98}
前后 15 天排第一的是不是同一家： {'讯飞星火': True, '文心一言': True, '豆包': True, 'Kimi': False, '通义千问': False, '智谱清言': False, '腾讯元宝': True}
本题： AI       讯飞星火  文心一言   豆包 Kimi 通义千问 智谱清言  腾讯元宝
回答         30    28   30   30   30   30    30
每条平均点几家  0.97  0.71  2.2  3.1  3.3  4.1  5.47
排第一         F     A    A    C    A    C     B
```

F 是个现成的例子。它在腾讯元宝上的提及率是讯飞星火上的 2.96 倍，可在腾讯元宝上排第 6，只占这家 AI 竞品点名的 10.5%；在讯飞星火上排第 1，占 29.5%。只看提及率，会以为 F 在腾讯元宝上更强。

换到同一家 AI 里比，排序就稳得多：前 15 天和后 15 天，十家排序的相关在 0.80 到 0.98 之间。第一名有 3 家 AI 换了人，Kimi、通义千问、智谱清言，这三家 30 天里第一、第二名的提及率本来就只差 1.4 到 2.2 个点。

标题里这道题，每家 AI 各有 28 到 30 条回答，腾讯元宝每条平均点到 5.47 家，文心一言 0.71 家；各家排第一的也有 4 个不同的竞品。

## 竞品提及率按 AI 分表记

每家 AI 一张表，行是竞品，列是周，一格写三样：提及率、十家里排第几、占这家 AI 竞品点名的几成。表底下多一行：这家 AI 这周平均每条回答点几家。

看变化时先看这一行。竞品的提及率涨了，这一行也涨了，份额却没动，那是这家 AI 这周更爱点名，不是这个竞品冒头了；份额和名次一起往上走，才值得去读那几天的回答原文。第一名换了人，先看这两家拉长到一个月差多少，差在 3 个点以内的先不报。3 个点是照上面三家定的：它们 30 天里第一、第二只差 1.4 到 2.2 个点，再留一点余量。这是经验线，不是算出来的阈值，换了题和名单要拿自己的数重定。

要把几家 AI 汇总成一页，写各家的名次和份额，不写平均提及率。

要回答竞品在 AI 里是不是比自己火，先定是哪家 AI，再看那家 AI 的表：竞品这几周排第几、占几成，这家 AI 本身爱不爱点名。

## 这组数的边界

- 只有一套题，问的都是同一类产品，名单只有 10 家，时间 30 天。换行业、换名单，两拨的分法和各家的点名多少都要重算。
- 点没点到，靠「提及品牌详情」里的名字和名单逐字对上。同一家换了写法会对不上，提及率会偏低一些。
- 有几天没取全：文心一言 11 月 13 日、14 日只成功 9 条和 1 条，11 月 2 日到 4 日也没满；11 月 2 日豆包、通义千问、腾讯元宝各少了几道。分母只数成功的回答，没取到的不当 0。
- DeepSeek 和秘塔没算在内，它们的两拨归属不知道。
- 前后 15 天只切了一刀，名次按周稳不稳没有单独算；标题里这道题每家只有 30 条上下，只能当旁证。



监控竞品在 AI 搜索中的提及率，先定一份固定的竞品名单，再按「一家 AI、一个竞品、一段时间」去算：这家 AI 的成功回答里，点到这个竞品的有几条，除以成功回答的条数。算出来的数只在同一家 AI 里比，和上周比，和名单里另外几家比。几家 AI 的回答不要合成一个数；同一个竞品在两家 AI 上的提及率，也不要直接比高低。各家 AI 一条回答里愿意点几个名字，差得很远。要跨 AI 看，看的是它在名单里排第几、占这家 AI 全部竞品点名的几成。

如何监控竞品在 AI 搜索中的提及率？同一份 10 家竞品名单，腾讯元宝平均每条回答点到 3.32 家，讯飞星火只有 0.40 家（附 pandas）

竞品提及率要每家 AI 单独算、单独看。同一份 10 家竞品名单在 7 家国内 AI 上跑了 30 天：每条回答平均点到几家，少的 0.40、多的 3.32；7 家 AI 各自排第一的竞品有 4 个；同一家竞品，在一家 AI 上提及率 34.8% 只排第 6，在另一家 11.8% 排第 1。附 pandas。

人工智能

大数据

开发工具

监控竞品在AI搜索中的提及率时，建议按AI平台单独分析：同一家AI内比较周度排名和份额，而非直接跨平台对比，因不同AI点名习惯差异显著（如腾讯元宝平均提及3.32家，讯飞星火仅0.40家）。关注份额与名次同步变化，而非绝对提及率，可避免平台偏好干扰。

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

如何监控竞品在 AI 搜索中的提及率？同一份 10 家竞品名单，腾讯元宝平均每条回答点到 3.32 家，讯飞星火只有 0.40 家（附 pandas）-腾讯云开发者社区-腾讯云

如何监控竞品在 AI 搜索中的提及率？同一份 10 家竞品名单，腾讯元宝平均每条回答点到 3.32 家，讯飞星火只有 0.40 家（附 pandas）

如何监控竞品在 AI 搜索中的提及率？同一份 10 家竞品名单，腾讯元宝平均每条回答点到 3.32 家，讯飞星火只有 0.40 家（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