这篇讲两件事：怎么让自家拿到入场券，怎么降低自己被列进对手替代清单的权重。数据来自 MaxAEO 监测后台 2026 年 5 月 12 日至 6 月 9 日的一轮抽样，4 平台 × 4 类目 × 1200 次真实会话。
替代类问法和对比类问法差在哪
替代类问法指用户只给一个参照品牌、不指定备选对象的提问，如「XX 有没有平替」「XX 停服了换什么」。模型必须自己生成候选清单，这一步叫候选池召回。
对比类问法（「A 和 B 哪个好」）没有这一步——实体已给定，模型只做事实对照。失败模式因此完全不同：对比类怕被写成劣势方，替代类怕根本没被提起。
| 维度 | 「A 和 B 哪个好」 | 「A 有哪些替代品」 |
|---|---|---|
| 候选实体来源 | 用户直接给定 | 模型与检索自行召回 |
| 生成链路 | 两段式：取实体 → 对比 | 三段式：建池 → 校验 → 排序 |
| 单次回答席位数 | 通常 2 个 | 实测平均 4.6 个 |
| 主要可干预点 | 对比事实、差异表述 | 共现关系、品类归属 |
| 典型失败模式 | 被写成劣势方 | 没有进入候选池 |
| 核心监测指标 | 胜负判定、情感倾向 | 入池率、名单位置、提及句式 |
结论决定优先级：替代类问法是多席位战场，先争入场，再争位次。
替代类问法的四种子意图，池子完全不同
同一个品牌在四种替代问法下会被放进四个不同的池子。混在一个词表里监测，数据互相稀释、看不出问题在哪。
| 子意图 | 典型问法 | 候选池偏向 | 关键抓手 |
|---|---|---|---|
| 便宜平替 | 「有没有便宜点的替代」 | 价格带相近，电商聚合页权重高 | 明确价格区间与配置对照 |
| 国产替代 | 「有没有国产的替代方案」 | 主体属性清晰的品牌 | 公司主体、资质、本地服务承诺 |
| 能力升级 | 「比 X 更专业的有哪些」 | 有具体能力证据的品牌 | 可核实的能力事实与案例 |
| 停用迁移 | 「X 停服了换什么」 | 写清了迁移路径的品牌 | 迁移指南、数据导入说明 |
实测中最容易被忽略的是停用迁移型。它的候选池明显更小（平均 3.1 个 vs 整体 4.6 个），因为绝大多数品牌没写过任何迁移内容——这是入池成本最低的一类问法。
行业差异同样显著：YMYL 类目对信源权威度的要求会直接压缩候选数量，这部分逻辑在不同行业的 AI 推荐逻辑分型里有单独拆解。
1200 次会话实测：替代名单怎么生成的
测试方法
- 时间窗：2026 年 5 月 12 日 — 6 月 9 日，连续 4 周
- 平台：DeepSeek、豆包、Kimi、通义千问，共 4 个
- 类目：SaaS 工具、小家电、护肤个护、职业教育，共 4 个
- Prompt：每类目 15 条替代类问法，覆盖上述四种子意图，合计 60 条
- 采样：60 条 × 4 平台 = 240 个组合，每组合重复 5 次，分散在工作日上午与晚间两个时段，合计 1200 次会话
- 记录字段：是否出现、名单位置、提及句式、可追溯的引用来源
重复采样不是冗余。生成式搜索的输出天然不稳定，单次观测无法支撑判断，需要用重复抽样配合 Jaccard、RBO 等重叠度指标评估收敛——这是信息检索领域评估排序列表相似度的标准做法（RBO 出自 Webber、Moffat 与 Zobel 2010 年发表于 ACM Transactions on Information Systems 的 "A Similarity Measure for Indefinite Rankings"）。我们把这套指标落到替代类问法这个具体场景上。
七个关键指标
| 指标 | 实测结果 | 对品牌的含义 |
|---|---|---|
| 替代类问法平均候选数 | 4.6 个（中位数 5） | 多席位，进名单优先于争第一 |
| 5 次重复中 Top1 完全一致率 | 58% | 排序不可靠，别用单次结果做决策 |
| 名单成员 Jaccard 相似度 | 0.81 | 谁在池里，相对稳定 |
| 名单顺序 RBO | 0.62 | 顺序波动明显大于成员波动 |
| 可追溯引用的会话占比 | 63% | 约三分之一回答无法归因 |
| 品牌自有页面贡献候选的比例 | 9% | 自建「替代品」页不是入池主力 |
| 条件句提及的最终留存率 | 34%（无条件列举 67%） | 句式决定这次提及的含金量 |
有三条值得展开。
第一，成员比顺序稳定得多。 Jaccard 0.81 对 RBO 0.62 的差距说明：同一批品牌反复出现，但谁排第一每次都在变。把资源压在「抢第一」上，性价比远低于「确保每次都在名单里」。
第二，候选来源高度集中在站外。 63% 可追溯会话中，候选来源分布为：第三方横评与榜单 38%、社区问答与对比帖 24%、垂直媒体盘点 17%、电商平台聚合页 12%、品牌自有页面 9%。自建的「XX 替代品」对比页几乎不进候选池——它们主要在排序阶段被当作事实校验材料，而不是在召回阶段提供候选。
第三，提及句式是被普遍漏掉的指标。 同样是「被提到了」，出现在「如果预算有限，可以考虑 X」这类条件从句里的品牌，在追问「那你最推荐哪个」之后仍留在推荐里的比例只有 34%；出现在无条件并列列举中的品牌，留存率 67%。只统计 AI 提及率而不看句式，会系统性高估自己的实际位置。
平台之间的差异
四个平台的名单成员稳定度接近（Jaccard 0.76–0.85），但顺序稳定度差距明显。检索召回权重高的平台，成员波动更小、顺序波动更大；更依赖参数化知识的平台反过来。跨平台对比要看成员重合，不要看谁排第一——后者在单平台内部都不可复现，跨平台比更没有意义。市场和语言维度的分层抽样方法另见地区和语言会改变 AI 推荐吗。
候选池三层漏斗：共现、归类、差异
候选池不是一次筛选，而是三层依次收窄。每层对应完全不同的抓手，用错层级就是白做功。
第一层，共现召回。 系统先找出与参照品牌在同一句、同一段、同一张表格中出现过的实体。你如果从没和对手同框出现在任何一份清单里，这一层就出局了——和官网写得多好没关系。
第二层，归类校验。 召回的候选要通过品类、价格带、使用场景的一致性校验。品类归属模糊的品牌（比如同时自称「工具」又自称「平台」）在这一层被过滤的概率明显更高。
第三层，差异排序。 通过校验的候选，按「能否用一句话说清和参照品牌的区别」排序。说不清差异的排名单末位，而末位在多数回答里会被截断。
三层对应三个动作：共现层去进第三方清单，归类层去修品类页和实体一致性，差异层去写一句话差异声明。 差异声明如果只有形容词、没有可核实的数字，这一层基本拿不到分——这与生成式引擎优化研究的普遍结论一致：在内容中加入统计数据、原文引语和明确来源，能显著提升该来源在生成回答中的可见度。
进攻：怎么拿到候选池入场券
答案先行：入池靠共现，排序靠品类页。 两件事分开做，顺序不能反。
先解决共现，再解决表达
共现的唯一来源是第三方内容。优先级：行业横评榜单 > 社区对比帖 > 垂直媒体盘点 > 电商聚合页。这四类合计贡献了实测中 91% 的可追溯候选来源。
怎么进这些清单、榜单方的收录标准和素材包该怎么准备，见AI 导购最爱整段引用的第三方清单怎么进。社区侧的可验证信号见知乎回答被 DeepSeek 和豆包引用的判断依据。
品类页要写成「能被抄进名单」的形状
品类页的作用不是说服人，是给模型提供可直接复述的短句。四个必备模块：
- 一句话品类定位：「X 是面向 A 场景的 B 类产品」，不加形容词
- 一句话差异声明：写出和主流方案的具体差别，带数字或可核实事实
- 适用与不适用边界：写清「不适合谁」，这一条显著提高归类层通过率
- 迁移路径说明：从主流方案切换过来的步骤、成本、数据处理方式
第 3 条最反直觉。主动写明不适用场景，会让模型在归类校验时更容易确认你的品类归属，实测中这类页面对应的入池率高于只讲优点的页面。
用无条件句式承接，而不是条件句式
想拿到无条件提及，内容里就要有无条件可陈述的事实。「预算有限时可以考虑」这种表述的成因，通常是品牌只有价格优势、没有能力证据。补一条可核实的能力事实，往往比补十条好评更能改变句式。
用户侧的评价、问答与社区内容如何进入这条链路，见用户口碑怎样进入 AI 推荐。
防守：怎么降低被列进对手替代清单的权重
先说结论：防守是少数信源问题，不是全网问题。
实测中被列为竞品「平替」次数最多的一个小家电品牌，4 周内共出现 47 次，其中 82% 的可追溯引用集中在两个内容源——一篇横评长文和一个电商比价盘点页。防守动作的正确起点是定位高频信源，不是铺量做公关。
先算「被替代权重」
用一个可以手算的指标锁定优先级：
被替代权重 = Σ（被列入某竞品替代清单的次数 × 位置权重 × 平台权重）
位置权重取第 1 位 1.0、第 2–3 位 0.6、第 4 位及之后 0.3；平台权重按各平台在你所在品类的实际流量占比设定。按内容源分组累加，Top3 通常覆盖七成以上权重。
改写共现语境，而不是删内容
被列为「平替」的本质是可互换性判断。降低它有三个合规做法：
- 把「平替」共现改成「不同定位」共现。在自有内容和可控投放中主动写清「我们和 X 的差别是场景 A 与场景 B」，给模型一个替代判断之外的关系描述。
- 补齐让互换成本上升的事实。独有能力、独有数据、独有服务承诺，写成可核实的事实句而不是宣传语。
- 在高频信源处提供准确信息。联系可编辑的清单方补充或更正事实，比要求下架现实得多，也更容易被接受。
三条不能碰的红线
不得要求删除他人合法评测内容；不得刷量或伪造第三方口碑；不得在自有内容中贬低竞品。这三类操作在当前平台治理口径下均属高风险，一旦被识别，损失的是跨平台的整体可信度。
不同业务形态的差异
同一套三层漏斗，抓手权重按业务形态变化：
| 业务形态 | 共现层主战场 | 归类层难点 | 特别提示 |
|---|---|---|---|
| SaaS / 工具 | 行业横评、社区对比帖 | 「工具/平台」自称混乱 | 迁移指南杠杆最大 |
| 实物零售 | 电商聚合页、横评长文 | 价格带跨度大易掉池 | 参数对照表要能被整段抄走 |
| 本地服务 | 地图、点评平台 | 服务半径与品类交叉 | 见连锁门店和本地服务怎么进 AI 的「附近推荐」 |
| 教育培训 | 机构盘点、口碑问答 | 效果证据难量化 | 见教育培训机构在 AI 里怎么被选中 |
本地服务是唯一一类共现层不在文章里、而在地图与点评数据里的形态，用做 SaaS 的打法做本地服务，第一层就走错了。
一份可直接复用的替代问法监测清单
按以下顺序执行，四周跑完一个完整循环：
- 建词表：便宜平替、国产替代、能力升级、停用迁移四类，每类不少于 10 条真实问法
- 定采样：至少 4 个平台，每个 prompt 每周重复 3 次以上，分散时段
- 记三个字段：是否入池、名单位置、提及句式（无条件并列 / 条件限定 / 对照贬抑）
- 追溯来源：标注每个来源为可控、半可控、不可控
- 算被替代权重：按内容源分组累加，锁定 Top3
- 分头执行：进攻侧做清单收录与品类页，防守侧做共现改写
- 四周后复测：比较 Jaccard 与 RBO 的变化，而不是只比单次名单
| 指标 | 定义 | 参考健康区间 | 主要抓手 |
|---|---|---|---|
| 入池率 | 替代类 prompt 中出现自家品牌的会话占比 | 品类前三应 ≥ 50% | 第三方清单收录 |
| 平均名单位置 | 出现时的平均序位 | ≤ 3 | 品类页差异声明 |
| 无条件提及占比 | 无条件并列句式占全部提及的比例 | ≥ 60% | 补齐可核实能力事实 |
| 被替代权重 | 被列入竞品替代清单的加权次数 | 环比不上升 | 高频信源共现改写 |
| 名单成员稳定度 | 重复采样的 Jaccard 值 | ≥ 0.7 才可解读 | 提高采样次数 |
需要说明的局限：本轮抽样覆盖 4 平台 4 类目，样本不足以外推到全部行业；模型版本、检索策略和知识截止时间的变化都会移动基线，复测时必须先确认 AI 侧变量是否变动过。
常见问题
替代类问法和品牌口碑问法要分开监测吗？
要。失败模式不同——口碑问法怕情感倾向变负，替代问法怕压根不入池。混在一个看板里会掩盖入池率的下滑。
自建「XX 替代品」对比页还有价值吗？
有，但定位要改。实测中品牌自有页面只贡献 9% 的候选来源，说明它不承担召回功能；真实作用是在排序阶段提供事实校验材料，所以内容重点应是准确的参数对照和边界说明，而不是导流话术。
被列进竞品的替代清单，可以要求对方删除吗？
合法发布的评测内容不应以删除为目标。更有效也更合规的做法是向清单方提供准确、可核实的事实更正，并在自有内容中建立「不同定位」的关系描述，降低可互换性判断。
多久复测一次比较合理？
以四周为一个周期。低于两周，名单的自然波动会大于优化带来的变化；超过六周，则难以把效果和模型侧变动区分开。
预算有限时先做哪一步？
先做停用迁移型问法。候选池最小（实测平均 3.1 个），竞争最弱，而写一份迁移指南的成本远低于进入行业横评榜单。
海外市场的替代类问法逻辑一样吗？
三层漏斗一样，但共现层的信源完全换了一批——ChatGPT、Perplexity 更依赖 Reddit、G2、Trustpilot 这类英文口碑源，中文横评榜单在那边基本不进召回。打法见海外 AI 最爱引用 Reddit、G2、Trustpilot。
多少次采样才够判断入池率？
先看 Jaccard。同一 prompt 重复采样的成员 Jaccard 低于 0.7 时，说明还没收敛，此时的入池率数字不可解读，应继续加采样次数；达到 0.7 以上再看趋势。实测中每 prompt 每平台 5 次可让多数类目达到该阈值。