豆包回答“推荐一个医生”时，到底引用了哪些平台？一次 24 问句信源审计的发现

为什么要做信源审计

很多企业做 GEO 的第一步是“发稿”。可如果稿子发在 AI 根本不读的平台上，写得再好也没有用。豆包在联网回答一个问题时，会先检索、再引用若干网页。它习惯从哪些平台取材，决定了你的内容该放在哪里。

2026 年 8 月，我们为一位珠海医美主诊医师做个人 GEO 之前，先做了一次信源审计。这篇文章分享方法和主要发现（客户信息已匿名）。

测试方法

不直接搜本人

个人主体的公开资料往往很薄，直接问“某某医生怎么样”，结果会被锁在旧任职和采集站上，看不出豆包平时回答这类问题时引用哪些平台。所以我们全部改用同地区 + 同行业 + 同类主体的自然问法。

三轮 24 题

1. 第一轮：无品牌的本地发现，例如“珠海光电美肤找哪个医生好”“珠海医美院长推荐”
2. 第二轮：同类项目与职称，例如“珠海热玛吉哪个医生好”“珠海正规医疗美容医生怎么查资质”
3. 第三轮：点名同城其他医生与机构，例如“珠海某医院某医生医美”

只数引用卡片

每题强制走联网搜索，统计对象是接口返回的检索卡片（标题 + 链接），不是模型自己写的句子。模型正文提到某平台、但卡片里没有，不算命中。同一题内同一平台出现多次只记一次。

主要发现

第一层：优先布局

• 医美垂直站：呈现率 62.5%（15/24），点名问民营医生时几乎必出
• 抖音：62.5%，适合医生短视频与项目讲解
• 今日头条：54.2%，是这次主流内容平台里呈现率最高的写稿位
• 医生库类平台：41.7%–50%，医生主页必须占位

第二层：值得补，但不是主阵地

搜狐、新浪（29.2%）多以科普与“怎么选医生”类文章被引用；本地权威媒体（12.5%–20.8%）信任度高，但入口难。

第三层：这次几乎没出现

24 题的引用里，没有出现网易、小红书、大众点评、美团、知乎、百度百科、微信公众号等平台。这不代表这些平台“不能做”，而是在这类问题下，它们此刻进不了豆包的引用卡片。对公开资料本来就薄的个人主体，第一批内容应该优先压在已经能进引用池的平台上。

两个容易被误读的“高呈现”

采集站在 24 题里 100% 出现，共 167 条引用。豆包会读它们，但页面质量低、标题党、乱挂医生。我们的建议是不投、不写，当作噪音。

公立医院官网在部分问题下呈现率超过 45%，那是公立医生的主场，民营医生用不了，只能作为对照。

对个人 GEO 的启示

在点名问某机构医生时，豆包正文写到了我们的客户，但引用卡片里并没有他的名字——旧任职还留在模型的记忆里，新执业点却没有可引用的新信源。个人品牌不能指望机构的旧页面，必须有本人的独立页面。

审计结果的边界

这份结果只反映审计当日豆包联网搜索的抽样，不是排名保证，也不是全网覆盖证明。行业不同，平台分布会完全不同——餐饮问题里旅游与点评平台的权重，和医美问题就不一样。所以我们为每个行业、每个城市单独做审计，而不是套用一张通用的平台清单。