上个月在张江跟一家做实验室设备的公司聊,市场负责人抛来一个问题:客户现在不搜百度了,直接对着豆包或DeepSeek问「上海有哪些做实验室整体方案的供应商」,翻了半天没看到我们。这不是个案。

大家聊「AI浓度」,通常说的是自己工作流里有多少环节真的交给了AI。放到品牌这一侧,还有一个更实用的版本:你的潜在客户在决策前,有多大比例会先问一遍大模型。上海这边的B2B采购、找服务商、选址比价,2026年这个比例已经不算低。团队AI浓度低,反应就慢——别人已经在改内容结构了,你还在纠结要不要做。

AI浓度决定品牌在大模型里的可见度

先回答那个最常被问到的问题:大模型搜索的品牌优化,到底能覆盖哪些平台?

不是一个平台,是几套内容生态。豆包背后是字节系,抓取偏好抖音、头条这类图文与短视频内容;DeepSeek偏技术社区、长文档、开源资料,对结构化、有论证的文本更友好;文心一言背后是百度生态,百家号、百科、知道的内容权重高;腾讯元宝吃公众号,尤其是持续更新的垂类号;智谱清言偏学术和结构化表达;Kimi擅长长文档解析,白皮书、PDF、招股书这类材料容易被它读进去。

AI浓度决定品牌在大模型里的可见度

所以正确做法不是「投一个平台」,而是同一套事实,按不同颗粒度铺到不同生态里。

方法上其实不复杂,四步就能跑起来。

AI浓度决定品牌在大模型里的可见度

第一步做基线。把20到30个真实客户会问的问题列出来,必须带地域词和行业词,比如「上海做洁净室工程的公司哪家靠谱」「浦东有没有能做GMP车间改造的」。然后拿这些问题在各平台逐个问一遍,记录三件事:品牌有没有出现、出现在第几个、被引用的是哪篇内容。这是比较实在的起点,没有基线后面全是盲猜。

第二步盘点内容资产。官网、公众号、知乎回答、行业媒体稿、白皮书、招投标公示、资质页面,都是大模型会去核验的公开文本。它不看你投了多少广告,只看有没有可引用的句子。

第三步改写成「可被摘走」的段落。一件事按问题、结论、适用条件、服务范围四段写清楚,带上具体地名、交付周期、适配行业。模棱两可的宣传语它摘不走,写实的描述它才敢用。

第四步按月复测同一批问题,看三个变化:品牌可见度、被作为候选推荐的比例、被引用的来源是不是换成了你自己的内容。

落到上海,有几个本地细节容易被忽略。

官网的英文页。上海外资和合资客户多,他们经常中英双语提问。中文版写得挺全,英文页三年没更新或者是机翻,AI拿不到一致事实,回答里就直接跳过你。

区一级的覆盖要写实。客户问「能不能到现场」,浦东、徐汇、静安、闵行的响应时间不一样,回答里得有具体说法,别只写「服务全国」。

本地第三方来源比自说自话管用。张江、漕河泾、临港这些园区的公众号,本地行业协会的稿件,上海本地媒体的报道,在大模型眼里更接近「可核验的本地信息」。

合规这条线别踩。生成式AI服务在国内有备案要求,企业自己发布的内容也别碰绝对化表述,广告法里那几条红线,在AI回答里同样会被放大,医疗、金融、教育行业尤其要克制。

还有一点,上海同行业密度高,同一批问题下AI通常只给五到八个名字,位置很挤,早做的优势明显。

自查清单,六条够用:

客户最常问的十个问题,你能不能立刻写出来,且每个都带地域词?

豆包、DeepSeek、文心、元宝、智谱、Kimi里各问一遍,你的品牌出现了几次?

官网或公众号里,有没有一段能直接回答「上海+行业+服务」的短文本?

中英文内容的事实是否一致,有没有过期信息?

有没有本地媒体、协会、园区提到过你,而不只是自己的号?

有没有人按月复测,还是发完稿就不管了?

AI浓度这件事,对个人是「遇到问题先问AI」,对企业是「客户问AI的时候你在不在答案里」。前者决定效率,后者决定获客成本。不用一次做全,先把那十个问题挨个问一遍,差距在哪儿,一次就看清了。