AI 每周推荐的品牌数量差不多，
推荐的还是同一批品牌吗？
17 周、5 个 AI 平台、同一批问题每周对比一次：AI 回答里的品牌和来源，换得有多快。
核心发现
简短回答：不是。17 周里，各平台相邻两周回答里的品牌总数变化都不到 2%，但上一周出现的品牌，约一半在下一周同一个问题的回答里不见了，又有差不多数量的新品牌补上。只看「名单有几个品牌」，看不出这种替换。
- −1.8% 对 51.3%：ChatGPT 相邻两周，同一批问题回答里的品牌总数只少了 1.8%，但上一周出现的品牌有 51.3% 在下一周没有再出现。
- 3.2 对 40.3：Gemini 相邻两周的回答，引用网页的重合分只有 3.2（满分 100），品牌名单的重合分是 40.3。网页几乎每周全换，品牌换得慢得多。
- 24.0 到 36.9：连续 17 周都有记录的同一批 204 个问题里，ChatGPT 每周品牌名单的重合分在 24.0 到 36.9 之间起伏。
- 24.2 对 38.9：ChatGPT 决策类问题的品牌名单重合分是 24.2，考虑类是 38.9。在 ChatGPT 上，决策类问题的推荐名单换得最快。
很多团队看 AI 可见度的方式，是每周截一次图，或者数一数回答里列了几个品牌。上周列了 5 个，这周还是 5 个，看起来一切正常。但名单长度不变，不代表名单里还是同一批品牌，更不代表你还在里面。
Dageno 团队从 Dageno AI 回答数据库里，取 2026 年 6 月 1 日到 9 月 27 日共 17 个完整周的数据，覆盖 ChatGPT、Google AI Mode、Google AI Overviews、Gemini 和 Copilot。同一个问题、同一个国家、同一个平台，每周取一份代表回答，再和下一周的回答对比：回答里点了哪些品牌，引用了哪些网页、网站和来源类型。ChatGPT 这部分覆盖 502 个问题组合、47,540 份回答。
需要先说明的是：这份研究看的是同一个问题的回答，相邻两周之间换了多少。品牌按「每个问题、每次对比」分别计数，同一个品牌在不同问题里会被算多次，所以「一半的品牌不见了」不是说市场上一半的品牌消失了，也不是说某个品牌少了一半曝光。「品牌」是自动识别的名称，出现了不等于被推荐。问题集的构成见文末「研究方法」。
01 | AI 每周推荐的品牌数量变了吗？
几乎没变。
把所有可以配对的相邻两周加在一起，回答里的品牌总数（按问题分别计数）：
- ChatGPT：上一周 27,604 个，下一周 27,100 个，少了 1.8%。
- Google AI Mode：22,890 个和 23,074 个，多了 0.8%。
- Google AI Overviews：15,092 个和 15,034 个，少了 0.4%。
- Gemini：20,601 个和 20,415 个，少了 0.9%。
- Copilot：12,731 个和 12,715 个，少了 0.1%。
5 个平台的变化都不到 2%。如果只看「每个回答平均列了几个品牌」，会觉得这 17 周 AI 的推荐很稳定。
02 | 数量不变，品牌换了多少？
约一半。
相邻两周对比，上一周出现的品牌有多少在下一周同一个问题里没有再出现，下一周的品牌又有多少是新出现的：
| AI 平台 | 上一周的品牌，下一周不见了 | 下一周的品牌，是新出现的 | 对比次数 |
|---|---|---|---|
| ChatGPT | 51.3% | 50.4% | 6,025 |
| Google AI Mode | 53.6% | 54.0% | 4,564 |
| Google AI Overviews | 49.1% | 48.9% | 3,810 |
| Gemini | 47.4% | 46.9% | 3,721 |
| Copilot | 52.1% | 52.0% | 2,808 |
表：「不见了」的分母是上一周的品牌数，「新出现」的分母是下一周的品牌数，两列不能相加。
举个例子：上周某个问题的回答列了 A、B、C、D 四个品牌，这周还是四个，但变成了 A、C、E、F。数量没变，B 和 D 不见了，E 和 F 是新来的。5 个平台的情况都接近这样：每周约一半的品牌被替换，退出和加入的数量差不多，所以总数几乎不变。
这种替换不一定是坏事。用户问题的条件不同、产品信息更新了，AI 换一批答案也合理。但对一个品牌来说，这意味着：上周在名单里，不代表这周还在；名单长度稳定，也不代表自己的位置稳定。
03 | 网页、网站、来源类型、品牌，哪一层换得最快？
网页换得最快，品牌和来源类型换得慢。
这里用「重合分」衡量两周的名单有多像：两周共同出现的元素数，除以两周一共出现的不同元素数，再乘以 100。比如上周是 A、B、C，这周是 B、C、D，共同的有 2 个，一共 4 个不同的，重合分就是 50。分数越低，换得越多。重合分不是品牌出现率，50 分不代表品牌有 50% 的曝光。
相邻两周的平均重合分（网页、网站和来源类型排除了已识别的企业官网）：
| AI 平台 | 网页 | 网站 | 来源类型 | 品牌 |
|---|---|---|---|---|
| ChatGPT | 17.4 | 21.7 | 64.7 | 35.5 |
| Google AI Mode | 13.5 | 26.9 | 45.6 | 32.9 |
| Google AI Overviews | 20.6 | 36.2 | 55.8 | 37.9 |
| Gemini | 3.2 | 13.0 | 26.1 | 40.3 |
| Copilot | 25.3 | 29.8 | 61.3 | 35.5 |
- 网页换得最快。5 个平台的网页重合分在 3.2 到 25.3 之间，Gemini 只有 3.2，几乎每周引用的网页都不一样。
- 来源类型最稳定（Gemini 除外）。这一层很粗，两个不同的媒体网页也算同一类，本来就容易重合，不能说明 AI 一直在用同一种内容。
- 品牌名单在中间，5 个平台都在 32.9 到 40.3 之间。Gemini 的网页几乎全换，品牌名单却是 5 个平台里最稳定的。
这说明，网页的进出和品牌的进出是两件事。引用你的那篇测评换成了另一篇，品牌可能还在；品牌还在，AI 说的型号、功能或适用条件也可能错了。只看引用链接，或只看品牌名单，都会漏掉另一半。
04 | 固定同一批问题，每周的变化有多大？
起伏不小，而且看哪批问题，结论也不一样。
我们另外挑出连续 17 周都有记录的问题组合（ChatGPT 有 204 个），得到 16 次相邻两周对比。这批问题完全固定，更接近「同一组问题持续监测」的做法。
- ChatGPT：每周品牌名单的重合分在 24.0 到 36.9 之间。
- Google AI Overviews：在 29.0 到 50.3 之间，起伏最大。8 月 17 日那一周是 50.3，9 月 21 日那一周是 29.7。
- Google AI Mode：22.9 到 42.2。Gemini：32.8 到 45.4。Copilot：28.5 到 44.0。
这些是这 17 周看到的范围，不能直接当作所有品牌的正常波动区间或报警线。重合分低，只说明这周的名单和上周差别大，不说明某个品牌少了多少曝光。重合分高也不一定是好事：如果两周都没有你，两份竞争对手名单照样可以很像。
选哪批问题，也会影响结果。ChatGPT 全部可配对问题的品牌重合分是 35.5，这批固定问题是 30.2；其他 4 个平台两种算法差别都在 1 分以内。所以，一个总分既受回答变化的影响，也受「算进了哪些问题」的影响。新增了一批问题之后，要单独报告，不能直接并进原来的总分，再说原来的场景改善了。
05 | 哪类问题的品牌名单换得最快？
各平台不一样。ChatGPT 是决策类问题换得最快。
按问题的购买阶段分，品牌名单的重合分：
- ChatGPT：认知 35.0，考虑 38.9，决策 24.2。决策类问题换得最快。
- Google AI Mode：认知 28.8，考虑 33.4，决策 34.5。反过来，认知类换得最快。
- Google AI Overviews：37.0、39.3、35.4。Gemini：37.5、43.0、37.3。Copilot：30.7、37.9、34.4。
按提问意图分，交易型问题在 4 个平台上重合分最低：ChatGPT 26.7、Google AI Overviews 35.5、Gemini 32.5、Copilot 29.1。Google AI Mode 是信息型最低（31.9）。
所以，「越接近购买越不稳定」只在部分平台成立。对 ChatGPT 来说，在一次购买类问题里被推荐，不能当作长期占住了位置。真正值得盯紧的，是那些有商业价值、和你的产品对口、又反复变化的具体问题。
06 | 不同行业也一样吗？
不一样，但行业差别里混着地区和样本的差别。
ChatGPT 品牌名单的重合分：充电与移动电源 44.4，全渠道客户沟通 40.2，AI 网关 39.1，网页采集 API 31.1。对比次数分别是 799、1,197、981 和 1,534 次。
这 4 个行业问题集的条件不完全一样：网页采集 API 从 6 月开始观察，其他 3 个从 7 月开始；充电与移动电源、AI 网关和网页采集 API 是美国的问题，全渠道客户沟通是印尼、新加坡和泰国的问题。所以，这些差别不能全部归因于行业。它提醒的是：一个客户的监测标准，不能直接套到另一个客户身上。
07 | 第二天就不见了，算消失吗？
不算。缺席一天，不代表退出。
我们还跟踪了每个品牌在某个问题的回答里第一次出现之后，哪一天第一次缺席。结果是，第二天仍在的比例只有 13.3%（Copilot）到 25.0%（Google AI Mode），ChatGPT 是 14.0%。也就是说，大多数品牌第二天就至少缺席一次。
但这只是「第一次缺席」。一个品牌周一出现、周二缺席、周三又回来，第一次缺席发生在第二天，却不能说它只存在了一天。所以，不能根据「第二天就不见了」去每天重写页面。
其他研究也看到了同样的不稳定。SparkToro 和 Gumshoe 2026 年 1 月发布的研究（AIs are highly inconsistent when recommending brands or products），让约 600 名志愿者把同一组问题在 ChatGPT、Claude 和 Google 的 AI 上各问 60 到 100 次，发现任意两次给出完全相同品牌名单的概率不到百分之一。他们建议看「多次提问里品牌出现的频率」，而不是看单次回答里的排名。他们是短时间内重复提问，我们是逐周对比，两组数字不能直接比较。
08 | 对营销团队来说，下一步该做什么？
- 别只看名单长度和总数。每周都要看具体的品牌名单：自己还在不在，谁进来了，谁出去了。
- 看频率，不看单次。一个品牌在同一个问题里，多少周出现、多少周缺席，比任何一张截图都更有说服力。
- 网页和品牌分开排查。引用的网页换了而品牌还在，先看替代的是哪篇内容；品牌退出了，再看谁替代了你、回答给的理由是什么；品牌还在但事实说错了，先校准产品信息。
- 固定一批核心问题，另设一批机会问题。核心问题用来逐周比较，机会问题用来找新场景。新增的问题单独报告，不混进原来的总分。
- 优先盯有商业价值、又反复变化的问题。ChatGPT 的决策类和交易型问题换得最快，一次被推荐不代表长期稳定。
- 判断内容有没有效果，要留对照。改内容之前和之后，用同一批问题、同样的平台和时间窗口记录，并写下同期的产品、价格、公关变化，不要把一次起伏当成效果。
研究方法
2026 年 6 月 1 日到 9 月 27 日，数据来自 Dageno AI 回答数据库。
ChatGPT、Google AI Mode、Google AI Overviews、Gemini 和 Copilot。
同一个问题、同一个国家、同一个平台，每周取一份代表回答，只和相邻且有记录的完整周配对。
47,540 份回答。Google AI Mode 352 个，Google AI Overviews 330 个，Gemini 285 个，Copilot 178 个。
本文数据来自 Dageno AI 回答数据库，2026 年 6 月 1 日到 9 月 27 日共 17 个完整周，覆盖 ChatGPT、Google AI Mode、Google AI Overviews、Gemini 和 Copilot。同一个问题、同一个国家、同一个平台，每周取一份代表回答，只和相邻且有记录的完整周配对。各平台覆盖的问题组合数不同：ChatGPT 502 个（47,540 份回答，美国、西班牙、印尼、新加坡、泰国），Google AI Mode 352 个，Google AI Overviews 330 个，Gemini 285 个，Copilot 178 个。连续 17 周都有记录的固定问题组合另外单独计算。
重合分是每次对比的 Jaccard 相似度的平均值乘以 100。品牌的「不见了」和「新出现」比例，是先把所有对比的品牌数加总再计算的，同一个品牌在不同问题和不同周会被重复计数，和平均重合分是两个不同的指标。网页、网站和来源类型排除了已识别的企业官网；品牌是自动识别的名称，不等于推荐。「第一次缺席」只记录第一次没出现的时间，不代表永久退出。各平台、行业和地区的问题构成不同，这些差别不归因于模型更新或内容修改。
Alexa for Shopping