storefront案例一 · 本地品牌（区域型）
某本地茶饮品牌（区域型）
- 体检发现：品牌词可搜到，但品类问句（"XX 商圈有什么好喝的奶茶"）下完全不可见；竞品有 3-5 个信源，该品牌为 0。
- 建设动作：一周铺设 4 篇信源（XXXX单体 1 篇、XXXX 2 处、XXXX 1 组），同步完成 NAP 一致化。
- 周期复测：品类问句下进入 AI 推荐名单，顺位稳定在前列。
案例与研究
ACA 信源资产的研究与脱敏案例：持续追踪 10,000+ 品牌、数十万条 AI 引用信源的核心发现，公开体检方法论，本地餐饮/区域服务/全国品牌三个脱敏案例，以及一个失败案例的复盘。
研究招牌：我们研究了 10,000+ 个品牌在豆包里的可见度
我们持续追踪 10,000+ 个品牌在豆包等 AI 问答里的表现，逐条分析 数十万条 AI 实际引用的信源。三个可公开的核心发现：
- 被 AI 提及的品牌，有效信源数中位数只有 2 个。 多数行业的 AI 可见度竞争远没有那么拥挤——这正是红利期。
- 可入池可引用的高质量信源从 0 建到 3-5 个，品牌就进入了 AI 的可见区。 起步的门槛比多数企业想象的低。
- 信源多不等于排得前。 我们观察到大量只有 1 个信源、却排在 5 个信源竞品之前的真实案例——信源的体裁、权威度、与问句的相关性，权重不亚于数量。排序优化是数量之后的第二阶段课题。
（本页数字随研究库增长定期更新。）
脱敏实战案例
domain案例二 · 区域服务（到店型）
某区域服务机构（到店型）
- 体检发现：有零散网络信息，但名称写法三个平台三个样，AI 无法归并为同一实体。
- 建设动作：先不动内容量，只做 NAP 一致化工程 + 8 篇XXXX渠道事实稿。
- 周期复测：品牌实体绑定坐实，品类问句出现率显著提升。启示：信息一致性有时比内容数量更优先。
public案例三 · 全国品牌（竞争型行业）
某全国品牌（竞争型行业）
- 体检发现：信源数量不少（10+），但集中在单一渠道类型，体裁全是新闻通稿，引用率低。
- 建设动作：不增量，调结构——补XX 类型/XX体裁 + 补XXXX渠道。
- 周期复测：同样的信源总量，被引用率明显提升。启示：信源的"构成"比“数量”更能决定效果。
warning失败案例
失败案例：我们也写
某服务品牌，建设 6 周后复测，可见度纹丝不动。
复盘原因： 该品牌以往大量内容都铺在了权重极低的采集站上（内容农场类渠道，也是现在大部分 GEO 服务商最得心应手的渠道），渠道选择失误、内容低质，即便做了很大调整，还是需要很长时间去恢复信任。短时间内AI 检索池根本不收录这类站点，内容铺了等于没铺。
lightbulb我们学到的
我们学到的：渠道白名单必须基于"AI 实际引用了哪些域名"的实证数据动态维护，不能照搬传统 SEO 的外链渠道清单。这次失败的渠道教训，已经固化进我们的渠道评估流程。
GEO 是概率工程，每一步可归因：错了能定位，定位了能修——失败样本也是我们的方法论资产。
相关阅读：【豆包、DeepSeek、元宝：主流 AI 问答的引用差异】 【服务介绍】
获取您的品牌 AI 可见度报告