做工业检测设备这一行，市场部的季度复盘会上总会出现同一个画面。

投放报表很好看：本季度的稿件发布量、收录数、阅读量，条条往上走。会议快结束时有人顺手打开一个 AI 问答，把"工业检测设备怎么选"这句话打进去——AI 列出来的品牌和供应商里，没有自己。

会议室安静了两秒。有人问：是不是发得还不够多？

我的判断是：问题不在发得多不多，在这把尺子量不到该量的地方。

过去评估媒体发稿的那套口径，只覆盖了一次投放的前半程。

前半程是"发出去"：选了多少家媒体、出了多少条链接、阅读量多少。后半程是"被采信"：这些内容有没有进入大模型愿意引用的那部分语料。两件事中间，隔着一整套信源结构。


一、搜索的动作变了，答案里出现谁才是重点

先看三组公开数据。

中国互联网络信息中心 2025 年 10 月 18 日发布《生成式人工智能应用发展报告（2025）》。报告显示：截至 2025 年 6 月，我国生成式人工智能用户规模达 5.15 亿人，普及率 36.5%。

仅上半年，这个规模就增长了 2.66 亿人。报告还提到，把这套技术用于"回答问题"的用户占 80.9%。

用户的动作没变，还是提问题。变的是问题被回答的方式。

市场研究机构 Gartner 在 2024 年 2 月给出过一个判断：到 2026 年，传统搜索引擎的搜索量将下降 25%，搜索营销的份额会落在聊天机器人和虚拟代理之后。

同期另一组被反复引用的数据来自 SparkToro、Semrush 等机构对 2025 年的跟踪：美国市场的谷歌搜索中，约 58.5% 不产生对任何外部网站的点击；在出现 AI 摘要的查询里，这个比例更高。

三组数据指向同一处：

一次提问的终点，正在从"点开一个链接"变成"读完一段答案"。

这件事对 B2B 生意的份量比看起来重。工业检测设备这类采购，决策链长、单值高，买方在正式比价之前，心里通常已经把候选名单过了一遍。名单从哪里来？以前是搜索结果的首页，现在越来越多是 AI 给出的那一段回答。

答案里没有你，等于名单里没有你。


二、"发得出去"和"被采信"，是两件事

不少企业把"发稿无效"的结论下得很快：钱花了、稿子发了、没询盘，所以渠道没用。

这个结论下得太急。

先分清两个动作。收录是搜索引擎的抓取动作，说明这条链接被看见了；采信是大模型生成回答时，把这条内容当作可信依据。链接被收录，不等于里面的内容会被引用。

再看一层：媒体池不等于信源池。手里有多少条媒体资源，和这些资源里有多少能进入模型反复采信的范围，是两个数量级的问题。真正被采信的往往是其中一部分：有明确运营主体、有编辑环节、内容能被回溯到具体一方的那批。

反过来说，端口站、采集站、无主体的聚合页，发布成功率往往很高，价格也低。它们能交出一条链接，但在模型那一侧，几乎没什么份量。

有人会追问：那是不是只盯权威媒体就够了？

也不全是。权威度是其中一个维度，不是全部。

处理专业问题时，模型需要的是"能回答具体问题"的内容——一篇把某个技术参数讲清楚的行业稿，在特定提问下的价值，可能高于一篇泛泛的品牌新闻。这也解释了一件事：为什么有些企业明明上过大媒体，仍然没被提过。


三、三个刻度：把评估口径换掉

评估发稿渠道，我建议换成三个刻度来量。它们不复杂，但顺序不能颠倒。

刻度一、溯源刻度：这条渠道背后，有没有一个说得清的主体。

判断方式很朴素——内容谁在运营，稿件有没有人看过一遍再发，出了偏差能不能找到负责的一方。这三个问题答得上来，渠道才有资格进入下一步；答不上来的，无论单价多低，都属于一次性消耗。

刻度二、解析刻度：这篇稿子，机器读不读得懂。

大模型理解一段文字，靠的是里面的事实关系。谁、做了什么、指标是多少、在什么条件下成立——信息密度高的句子，机器容易接住。

反过来看，"以匠心铸就品质""致力于成为领先者"这类表达，人读着顺，机器读完提取不到任何可落地的事实。同样的预算，前者产出的是一条可以被引用的信息，后者产出的是一段占位文字。

刻度三、复现刻度：隔一段时间再问同样的问题，答案稳不稳。

单次被提及可能是偶然：也许恰好那天模型抓到了那条稿子，也许只是同类内容太少。稳定出现才算资产。

这个刻度有一个好处——它不需要额外投入，只需要一个记录动作：把品类相关的问题列出来，隔一个月再问一遍，看答案里有没有你、描述得准不准。这是一件成本很低的自查动作。

三个刻度的顺序是：先看渠道能不能被信任，再看内容能不能被读懂，最后才看结果能不能被复现。

跳过第一个直接看第三个，看到的多半是噪音。


四、四个坑

1、把发布量当成绩单。

月度报表里写"本月新增发布 60 条"，这个数字本身没错，但它不回答任何与效果有关的问题。60 条如果散在几十个无主体站点上，价值可能不如 6 条落在对的地方。数量容易被制造，也容易掩盖问题。

2、把低价当性价比。

"几块钱发一条"的渠道一直有市场。算账的时候容易被单价吸引，漏掉的是这条链接背后的信源等级。便宜的东西如果进不了信源池，省下的钱并没有留在预算里，它变成了报表上一行好看但无效的记录。

3、把收录当采信。

这两个动作经常被混在一张表里统计。收录数回答"被看见"，采信回答"被用上"。把前者当作后者的证据，会让人在错误的方向上持续加码。

4、把一篇稿子通投所有渠道。

通投的动机可以理解，成本低、动作快。但不同渠道的读者、语言习惯、内容长度都不一样，同一篇稿子投过去，接收方看到的往往是"一份被转发过来的文件"，而不是"一篇为这里写的内容"。内容一旦被降级成模板，可解析度也会跟着下降。


五、写在最后

回到开头那个会议室。

那把旧尺子没有错，它只是量的是前半程。发布量、收录数依然要统计，它们是过程指标，不能当结论用。

真正需要新增的，是一个更靠后的观察位置：去 AI 里问一遍你的品类怎么选，看它提到了谁、描述得准不准，下个月再问一遍，答案有没有变化。

火簇传播观点： 发稿的价值正在从"发出去多少"转向"被采信多少"。尺子换了，挑渠道的标准也得跟着换——先看信源主体清不清晰，再看内容能不能被机器读懂，最后才谈复现核对。把顺序做对，比把数量做大更重要。

—— 火簇传播 · AI 信源服务商