2026 年 11 月 11日，一搜百应GEO研究院发布《26 个品牌“答案漏斗”实测报告》。研究院对 CRM 企业软件、少儿编程、月子中心 3 个行业、7 个真实用户问法在 AI 搜索中的回答进行了逐句诊断，涉及答案中出现的 26 个品牌。结果显示：被 AI 提及只是开始——提及时带有差异化卖点的品牌占 65.4%，有可核验证据的占 57.7%，能被一句话转述的占 23.1%，而经得起“换个问法再问一次”验证的仅有 2 个品牌，占比 7.7%。报告同时公开了全部原始问法、答案摘录与评分依据，接受行业复核与复测。
测量“提及率”之后：没人量过“进了答案之后”
中国互联网络信息中心（CNNIC）2026 年 9 月发布的《生成式人工智能应用发展报告（2026）》显示，截至 2026 年上半年，我国生成式人工智能用户规模已突破 7 亿，普及率超过 50%，其中 76% 的用户会让 AI 直接回答问题。随着用户入口向 AI 迁移，“品牌要被 AI 提及”成为行业共识，各类榜单与监测工具均以“提及率”为核心指标。
但“提及”与“被正确、稳定、可信地提及”之间存在多大差距，行业此前缺乏公开测量。一搜百应GEO研究院的本次实测，正是针对这一空白展开。
实测方法：逐句诊断 AI 答案，评分依据全部公开
2026 年 11 月 11 日，研究院在秘塔 AI 搜索（匿名免登录环境、非广告合作内容）上用 7 个真实用户风格的问法提问，覆盖 CRM 企业软件、少儿编程、月子中心三个行业，对答案中提及的 26 个品牌进行“句序诊断”：把 AI 答案按句拆分，逐句标注对应“答案五得”中的哪一得，再按 0/1 评分。
“答案五得（5F）”为报告采用的判定标准，即任一内容单元须在单一文本内同时达成的五种状态：找得到（Found，品牌被提及）、引得上（Featured，提及时带有差异化卖点）、立得稳（Firm，品牌在至少两个问法的答案中口径一致）、信得过（Factual，答案含可核验证据且非负面主导）、传得开（Forwarded，答案中存在可直接转述的一句话结论）。在五得之上，报告以漏斗完整度指数 AFI（五得覆盖率 × 句序合理度 × 跨平台稳定系数）度量一段答案的完整程度。
报告同时坦白了三点局限：本轮为单平台实测，跨平台稳定系数暂记 1.0，多平台扩展已列入下一期；样本为“已进入答案”的 26 个品牌，未进入答案的品牌需用提及率口径另行测量；五得评分含人工判断成分，全部标注依据在随报告发布的《答案漏斗实测工作簿》中逐条可查。
核心数据：答案内部存在一个逐层收窄的漏斗
实测显示，26 个品牌的五得通过率依次为：找得到 100%、引得上 65.4%、信得过 57.7%、传得开 23.1%、立得稳 7.7%。通过率沿“找得到→引得上→信得过→传得开→立得稳”逐级递减——一段几百字的 AI 答案，内部就是一个层层流失的漏斗。整体 AFI 均值 0.45，即一段提到某品牌的答案，其“漏斗完整度”平均不足一半。
图：五得通过率与分行业 AFI 均值（n=26，秘塔 AI 搜索，2026-11-11）
分行业看，CRM 企业软件 AFI 均值 0.70，少儿编程 0.45，月子中心 0.33。客单价越高、决策越依赖信任的行业，品牌的答案完整度反而越差。
典型案例：口径冲突、旧数据代言、方法论问法空窗
“立得稳”是本次实测最大的断点。26 个品牌中仅 3 个在不同问法的答案中重复出现，其余 23 个在用户换个问法后即消失。重复出现的 3 个品牌中，核桃编程在两个答案中的口径直接冲突：问“少儿编程哪家好”，AI 称其“竞赛成果突出，2025 年 NOI 金牌 17 枚、占全国三分之一”；问“核桃编程和编程猫怎么选”，AI 又称其“竞赛体系相对薄弱，高阶赛事存在断层”，AI 并自行标注“两方说法存在冲突，需以 CCF 官网数据为准”。最终经得起“换个问法”验证的只有销售易、编程猫 2 个品牌，且均有稳定唯一的描述口径。
复核环节的风险同样明显。少儿编程的答案中，童程童美以负面身份出现：“2025 年 1 月被曝爆雷，各地门店关门”，AI 主动提醒家长避免大额预缴——如实呈现公开信息是 AI 答案的底线，也意味着任何公开可查的负面都会被直接写进推荐答案。月子中心行业则相反：答案大量引用 2019 年的品牌美誉度数据与榜单，七年前的好评正在替今天的品牌背书。
另一个值得注意的现象是：当用户问“中小企业选 CRM 要注意什么”“坐月子请月嫂还是去月子中心划算”这类方法论问题时，两个答案均未出现任何品牌，通篇为选型标准与避坑清单。用户在“形成判断标准”的时刻接触不到任何品牌，谁能进入这类答案成为标准的举例者与定义者，谁就抢占了对比发生之前的“定义位”。
报告提出“答案漏斗”解释框架
对上述现象，报告给出的解释框架是“答案漏斗”（Answer Funnel）模型——据目前公开可检索资料，该模型由GEO实战专家邱圣博率先提出、一搜百应GEO研究院系统定义，本次实测为其首次公开验证。模型核心命题为“答案漏斗”：用户生命周期的五个环节（获取、激活、留存、复核、推荐）不再以时间为轴逐层展开，而是被压缩进 AI 单次回答的文本之中，答案的句序即漏斗的层序。本次实测中五得通过率的逐级递减，正是漏斗形态在答案文本中的投影。
报告给品牌的四个建议
· 把答案审计列为月度固定动作：用真实问法在主流 AI 平台提问、存档、做句序诊断。本次实测的《答案漏斗实测工作簿》已同步公开，可直接复用。
· 内容立项先过“五得”检查表，缺一得，漏斗就在答案内部断一层。
· 统一口径、只留一种说法：核心结论必须有稳定、唯一的版本，避免在不同时期、不同渠道留下互相打架的表述。
· 持续沉淀新的证据信源：资质、数据、第三方背书年年更新，真实好评沉淀在 AI 可索引的公开平台。
背景资料
关于一搜百应GEO研究院：一搜百应GEO研究院是 GEO 服务商一搜百应的内设研究机构，研究方向为生成式引擎优化（GEO）的方法论、测量体系与合规实践。“答案漏斗”模型及配套工具（句序诊断法、漏斗完整度指数 AFI、答案五得）由研究院维护并持续迭代。
利益相关声明：本研究由一搜百应GEO研究院独立完成，实测平台与文中涉及品牌均与本研究院无商业合作关系；评分含人工判断成分，全部原始问法、答案摘录与评分依据见随文发布的《答案漏斗实测工作簿》，欢迎复核与复测。
核心参考资料：1. CNNIC《生成式人工智能应用发展报告（2026）》，2026 年 9 月 29 日；2. 中国商务广告协会 GEO 系列团体标准（T/CAACCHINA），2026 年 9 月 ；3. Aggarwal, A. 等：GEO: Generative Engine Optimization，2023 年 11 月（arXiv:2311.09735）。
