新能源汽车 AEO，指让车型在 AI 问答里被正确提及、被主动推荐、被可信信源支撑的一整套优化工作。 它的核心结论只有一句：用户不问品牌，用户问续航、补能、保值率和安全。
在我们最近一轮监测里，纯品牌词问法只占 7.5%，剩下 92.5% 是场景词、参数词和对比词。品牌把预算堆在官网品牌故事页上，等于在一个没人提问的位置作答。
这篇文章拆的是一份真实监测数据：9 个新能源汽车品牌、512 条问法、4 个国产 AI 平台、13 周、79,872 条答案样本、6,431 条去重被引 URL。重点回答三件事——用户在问什么、AI 在引谁、你该按什么顺序补内容。
什么是新能源汽车 AEO：它和汽车 SEO 有什么不同
SEO 争的是链接位次，AEO 争的是答案里的那几行字——AI 通常只给 2–3 个车型，没有第二页。
差别落到执行上有三层：
| 维度 | 汽车 SEO | 新能源汽车 AEO |
|---|---|---|
| 入口 | 关键词 | 完整问句（常同时含预算、场景、家庭结构） |
| 胜负判据 | 排名、点击 | 提及率、推荐位次、情感倾向、被引信源 |
| 可控面 | 自有站点为主 | 监测中 90.4% 被引内容不在自有域名下 |
| 结果形态 | 十条蓝链，可翻页 | 2–3 个候选，无第二页 |
第三行是新能源汽车行业最反直觉的地方：**你花钱最多的资产（官网），在 AI 答案里的话语权不到一成。**下面的数据给出具体拆解。
这份监测报告是怎么做的：样本、平台、周期与口径
方法先讲清楚，数据才有意义。
样本构成：9 个新能源汽车品牌，按销量分层选取——3 个头部传统车企新能源序列、3 个中腰部品牌、3 个新势力，避免只看头部造成的幸存者偏差。
题库构建：512 条 Prompt，来源是三处合并去重——品牌方站内搜索词、400 客服会话高频问题、AI 平台输入框联想词。不是编的，是从真实提问行为里抽的。
采集口径：DeepSeek、豆包、Kimi、通义千问 4 个平台，每条 Prompt 每周跑 3 次取众数（同一问题不同轮次答案会漂移，单次采样不可信），连续 13 周，累计 79,872 条答案，去重后得到 6,431 条被引 URL。
已知局限：样本集中在 15–30 万元价格带；未覆盖海外平台与 ChatGPT、Gemini；模型版本在窗口期内有过更新，第 7 周出现过一次结构性波动——那一周有 2 个品牌的提及率单周掉了 8pp 以上，两周后才回到趋势线。这类波动是常态，处理方式可参考模型大版本更新后的品牌可见性重估方法。
和已有公开报告的关系：行业里已有的新能源汽车 GEO 研究多数给的是品牌级评分与排名榜单。**本文补的是榜单没做的那一层：问法怎么分布、信源怎么构成、内容该按什么顺序补。**排名告诉你现在第几，问法分布告诉你下一步改哪。
用户到底在问 AI 什么：512 条问法的真实分布
答案先给：四类"用车焦虑型"问法吃掉 65.1% 的提问量，品牌本身只占 7.5%。
| 问法类别 | 占比 | 代表问法 |
|---|---|---|
| 续航与真实能耗 | 21.5% | "标 700km 冬天实际能跑多少""开空调掉电快吗" |
| 车型对比与选购 | 18.3% | "25 万预算 SUV 选 A 还是 B""家用哪个更省心" |
| 补能与充电 | 16.2% | "老小区装不了桩还能买电车吗""支持几 C 快充" |
| 保值率与用车成本 | 14.8% | "三年保值率多少""电车保险为什么贵一半" |
| 安全与事故表现 | 12.6% | "碰撞成绩怎么样""电池起火概率高不高" |
| 智驾与座舱体验 | 9.1% | "高速领航实际好用吗""车机卡不卡" |
| 品牌与公司本身 | 7.5% | "这个牌子怎么样""会不会倒闭" |
品牌词只占 7.5%，说明内容重心放错了位置
多数车企的 AEO 预算画像是：官网品牌故事页、新闻通稿、企业社会责任。这些内容对应的正是那 7.5%。
而 92.5% 的问法需要的是参数、实测、成本测算和真实反馈——这类内容在官网上通常只有一张参数表，还是图片格式，AI 抓不到。
"会不会倒闭"是新能源行业独有的高危问法
7.5% 的品牌类问法里，有 2.1 个百分点集中在经营稳定性——"会不会倒闭""售后有保障吗""退网了车怎么修"。这类问法在传统燃油车监测里几乎不出现。
杀伤力在于：AI 回答这类问题时高度依赖新闻与社区讨论，品牌自述几乎不被采信。监测中这类问法的官网被引占比只有 1.8%，远低于官网整体的 9.6%。负面向问法有独立承接方法，见负面问法的监测与内容承接思路。
价格带问法决定你被归到哪个候选池
"25 万预算""15 万左右"这类限定词出现在 43.6% 的对比类问法里。AI 先按价格带筛候选池，再排序。**车型在 AI 认知里被归错档位，后面的优化全部无效。**归档逻辑的细拆见价格带问法里怎么被归到对的档。
用户问的是"车型"，不是"品牌"
一个容易被忽略的口径问题：86% 的非品牌类问法里，用户提的是具体车型名或车型级别（"某某 07""25 万纯电 SUV"），而非集团品牌。**监测题库如果只挂品牌名，会漏掉大部分真实提问。**多品牌集团尤其明显——子品牌车型被推荐，但答案里根本不出现母公司名字，市场部看总提及率会误判为"没被提及"。
题库建议按「车型名 + 车型级别 + 品牌名」三层挂，分别统计。
AI 的答案从哪来：6,431 条被引 URL 的信源结构
答案先给：垂媒与车主社区合计被引 58.2%，品牌官网只占 9.6%。
| 信源类型 | 被引占比 | 典型代表 |
|---|---|---|
| 汽车垂直媒体 | 31.4% | 懂车帝、汽车之家、易车 |
| 车主社区与 UGC 问答 | 26.8% | 社区长帖、知乎、小红书、B 站 |
| 综合资讯与门户媒体 | 14.2% | 财经与科技类报道 |
| 品牌官网与官方渠道 | 9.6% | 车型页、参数页、官方公众号 |
| 百科与结构化知识库 | 8.1% | 百科词条、参数数据库 |
| 政府与行业机构 | 6.3% | 工信部公告、中保研、中汽研 |
| 电商与经销商页面 | 3.6% | 商城车型页、门店页 |
官网被引 9.6%，且 71% 出现在参数核对场景
拆开这 9.6% 会看到更关键的事实：其中 71% 的官网引用出现在"参数是多少""有没有这个配置"这类事实核对型问法里，而非推荐型问法。
结论直接：官网不参与推荐决策，只参与事实校验。
但这不等于官网不重要。参数写得不可抓取，AI 会去别处取数——监测里出现过 3 起 AI 引用旧款续航数据的案例，源头都是官网参数页改版后旧数据仍被第三方缓存转载，错误答案持续了两个多月。官网参数是止损项，不是增长项，但止损失败的代价按季度计。
车主社区被引的是"讨论共识"，不是单篇爆文
这是长决策链行业和电商最大的不同。社区类被引里，62% 的引用指向的是多人回复的长帖或问答串，而非单篇编辑内容。AI 提取的是讨论收敛后的共识结论。
实操含义有两条：
- **投一篇软文没用。**单篇高赞帖的被引寿命通常只有几周，而持续有新回复的长帖能连续 13 周稳定被引。
- **负面回复不要删。**监测中一条保留了负面反馈的长帖，被引频次高于同话题下清一色好评的帖子——一边倒的内容在 AI 眼里更像营销素材。
电商品牌的打法不能直接照搬，两者差异见电商和 DTC 品牌的 AI 导购承接逻辑。
四个平台的信源偏好差异明显
同一条问法，不同平台引的东西不一样：
| 平台 | 信源偏好特征 | 对内容排期的含义 |
|---|---|---|
| 豆包 | 垂媒 + 社区合计 64.7%，四家最高，与短视频内容生态强相关 | 社区与垂媒投入优先 |
| DeepSeek | 联网时百科与门户占比抬升；官网被引最低，仅 5.2% | 补百科词条与门户报道 |
| Kimi | 对长文档友好，行业报告、白皮书、PDF 被引密度是其他平台的 2.4 倍 | 把实测数据做成可下载 PDF 报告 |
| 通义千问 | 结构化知识库与电商/经销商页面占比明显高于其他三家 | 经销商页与商城车型页要补参数结构化 |
**这张表最实用的读法是：不要按平台平均值排预算。**如果目标用户集中在某一平台，按那一平台的信源结构单独排期，比按四平台均值排要有效得多。
出海品牌要额外看的一层
上面四个平台是国产生态。做出口的新能源品牌需要额外监测 Gemini 与 AI 浏览器——两者的信源选择逻辑与国产平台差别很大：Gemini 依赖 Grounding with Google Search 的检索与选源机制（拆解见 Getting Cited by Google Gemini），而 Atlas、Comet 这类 AI 浏览器是实时读取页面的，官网的可抓取性权重比在国产平台里高得多（见 AI Browsers Read Your Site Live）。
换句话说：国内市场官网只值 9.6%，出海场景不能照搬这个结论。
长决策链行业为什么不能照抄电商 AEO 打法
新能源汽车决策周期按月计，客单价二三十万，用户反复问 5–8 轮才收敛。电商 AEO 追求"一问一答直接下单"，在这里完全失效。
监测里能看到清晰的轮次演进：
| 对话轮次 | 典型问题 | 主导信源 | 品牌可控度 |
|---|---|---|---|
| 第 1–2 轮 | 预算、车型池 | 垂媒榜单、导购内容 | 中 |
| 第 3–4 轮 | 续航、补能、能耗细节 | 垂媒实测 + 官网参数 | 较高 |
| 第 5 轮及以后 | 保值率、事故记录、售后网点 | 社区讨论、机构数据 | 低 |
越往后，被引信源越偏向社区和机构，品牌自有内容的话语权越低。所以新能源汽车 AEO 不是做一篇能被引用的内容，而是给每一轮问题都准备好承接物——只做第 3 轮的参数内容，用户在第 5 轮就会被别人的社区帖接走。
内容排布顺序：新能源汽车品牌应该先做什么
按监测数据反推，顺序应该是这样（先做后面几步等于浪费预算）：
- 补可核对层：官网建可抓取的车型参数表（HTML 表格，不是图片），覆盖续航、电池、快充倍率、质保条款。目标不是被推荐，是不被说错。周期约 2–4 周。
- 补场景实测层：把参数翻译成场景答案——冬季续航实测台账、快充实测记录、5 年用车成本测算。对应占比最高的三类问法（合计 52.5%）。周期 4–8 周。
- 补第三方转译层：把自有实测数据授权给垂媒和车主社区做原生内容。这是撬动那 58.2% 的唯一通道，也是耗时最长的一层，按季度推进。
- 补负面承接层：针对"会不会倒闭""电池起火""保值率崩了"准备事实性回应内容，不要删评，要给数据。
- 最后做品牌词层：品牌故事、企业动态。只对应 7.5% 的问法，做在最后。
顺序不能颠倒的原因：第 3 层的垂媒和社区需要素材，素材来自第 2 层的实测数据；第 2 层的实测又要以第 1 层的准确参数为基准。跳过前两层直接投第 3 层，等于花钱让第三方转载错数据。
配套的指标口径与题库搭建方法，AEO 优化完整指南有更系统的流程说明。
优化前后对比：一个中腰部品牌的 90 天动作
样本中一个中腰部品牌按上述顺序执行了 90 天，前后数据：
| 指标 | 起点 | 90 天后 | 变化 |
|---|---|---|---|
| AI 提及率（512 条问法） | 18.4% | 41.2% | +22.8pp |
| 进入 Top3 推荐比例 | 6.1% | 19.7% | +13.6pp |
| 正面情感占比 | 54% | 71% | +17pp |
| 被引 URL 数（去重） | 3 | 47 | +44 |
做了什么：12 篇"参数 × 场景"长文；3 场第三方实测数据授权给 2 家垂媒 + 1 个车主社区；官网上线可抓取参数表页与结构化 FAQ；把真实车主反馈整理成社区置顶长帖，保留负面回复。
最分项差异：
| 问法类别 | 提及率变化 | 原因 |
|---|---|---|
| 补能与充电 | +31.5pp | 实测内容可自造，垂媒愿意转译 |
| 保值率与用车成本 | +26.8pp | 成本测算属稀缺内容，社区自发引用 |
| 安全与事故表现 | +7.2pp | 被引信源集中在中保研、中汽研等机构，品牌无法自造内容替代 |
安全类这条规律对所有强合规行业成立：当某类问法的被引信源以第三方机构为主，品牌内容的边际收益极低，预算应该转向"确保机构数据被正确关联到自己车型"，而不是自产内容。医疗健康行业的边界更严，参见YMYL 红线与资质信号的处理方式。
归因说明：这 90 天里该品牌有新车上市与常规市场投放，提及率抬升不能全部归给 AEO 动作。分项差异（补能 +31.5pp vs 安全 +7.2pp）比总量更可信——同一时期同一品牌，唯一变量是内容层的可控性。做严格归因需要设对照组，方法见 Holdout Testing for AEO。
落地诊断清单：8 条自查项
投入预算前先跑一遍：
- 车型核心参数在官网是文本表格而非图片，且未被 JS 完全遮蔽
- 题库按「车型名 + 车型级别 + 品牌名」三层挂，不是只挂品牌名
- 题库里场景/参数/对比类问法占比 ≥ 80%，而非品牌词堆积
- 已监测"会不会倒闭""售后有保障吗"这类经营稳定性问法
- 知道自己在 4 个主流平台各自的被引信源构成，而不是只看一个总数
- 已识别哪些问法的被引信源属于机构类（品牌不可控），不在这类上浪费预算
- 每条 Prompt 至少 3 次采样取众数，避免单次结果被当成结论
- 有竞品同现率数据——知道 AI 把谁和你放在同一个候选池
最容易被跳过、但价值最高的是最后一条：AI 答案里同现的品牌就是你真正的竞争集合，往往和市场部认定的竞品名单不一样。监测中有 2 个品牌的实际同现集合与内部竞品名单重合度不到一半——按错误名单做对比内容，等于对着不存在的对手打。
需要盯住的五个指标怎么读
- AI 提及率：题库中品牌被提及的问法占比。基线低于 20% 说明内容根本没进入候选池。
- 推荐位次：被提及时排第几位。AI 通常只给 2–3 个，第 4 位约等于不存在。
- 情感倾向：提及是正面、中性还是负面。中性占比过高说明只被当参数背景板。
- 被引信源集中度：若 80% 引用来自单一域名，一次算法调整就能把你清零。监测中集中度最高的品牌，第 7 周模型更新后提及率单周掉了 11pp。
- 竞品同现率：与哪些品牌被反复放在一起，直接指向你的真实价格带定位。
**这五个指标要一起看。**只看提及率会误判——有品牌提及率 40%，但推荐位次全在第 4 位之后、情感为中性，实际转化贡献接近零。
常见问题
新能源汽车 AEO 和 GEO 生成式引擎优化是一回事吗？
大体指向同一件事。GEO 强调让内容被生成式引擎引用，AEO 范围更宽，还包括推荐位次、情感倾向和信源可信度。落到车企执行层面，两者的动作清单基本重合。
官网被引只有 9.6%，还要投入做官网吗？
要，但目标要改。官网的作用是提供不会出错的参数事实源。监测中出现过 3 起 AI 引用旧款续航数据的案例，源头都是官网参数页未同步。这属于止损投入，不是增长投入。出海品牌另算——AI 浏览器实时读页面，官网权重明显更高。
多久能看到 AI 提及率变化？
样本中最快的分项在第 4 周出现移动，整体指标稳定抬升出现在第 8–10 周。参数核对类问法变化最快，推荐类最慢，因为后者依赖第三方内容沉淀。
只监测一个 AI 平台够不够？
不够。同一条问法在四个平台的答案品牌集合平均只有约六成重叠，官网被引占比从 5.2%（DeepSeek）到接近两位数不等。只看一个平台，会把该平台的信源偏好当成行业规律。
新车上市前多久开始做 AEO？
从监测数据倒推，至少提前一个季度。第三方转译层按季度推进，上市当天才开始铺内容，AI 答案里只有竞品——用户在上市首月的对比类提问最密集，这一波拿不到就得等下一轮内容沉淀。
这套方法适用于燃油车品牌吗？
问法结构不同。燃油车缺少续航焦虑和补能问法，但保值率、安全、对比选购三类同样占大头，信源结构中垂媒和社区的高占比规律一致，内容排布顺序可以沿用。
Google 在创作实用、可靠、以用户为中心的内容的指南中强调第一手经验与可验证证据，这同样是 AI 引擎选择信源时的实际偏好——能被引用的，从来不是写得最漂亮的那篇，而是有人真的测过的那篇。