上一期 GEONE 周榜，我们从美白行业发现了一件事：营销正在打败 AI。谁能持续生产大量、结构清楚、方便引用的内容，谁就更容易进入 AI 的答案。
这一期，我们把榜单移到了手机行业。除了统计 AI 最常提到哪些手机品牌，我们还会进一步追踪：当用户真正问“该买哪一款”时，AI 会把哪些具体型号放进推荐名单。
之所以选择手机，是因为它是一个天然就适合做GEO的行业。
品牌高度集中，但产品却极度分散，同一个品牌下面有大量型号。当用户需要从中挑选一个型号长期使用时，考虑到单价偏高，决策链路就会变长，更容易出现反复比较价格、配置、发布时间的情况，也正是因此，手机已经成了 GEO 竞争最激烈的消费领域之一。
本期测试出的结果很有意思，AI 推荐的手机 Top10，与京东 618 销量 Top10， 只重合一款。
卖得最好的手机，未必上得了 AI 的货架。
亮点预览
本期最值得看的有四点：
荣耀拿下品牌双榜第一。荣耀总提及率为 74.4%，Top1 提及率为 21.6%，同时领先vivo、OPPO、红米等品牌。
品牌的AI可见度强，不等于具体型号产品的可见度强。荣耀赢下品牌认知，但到了型号上，“提及率总榜”第一是OPPO Find X9 Ultra，“Top1提及率”第一是 vivo X300 Ultra。
AI 榜与用户购买榜只重合一款，偏离度极高。AI 更偏爱旗舰、Ultra 和折叠屏，用户购买则更集中于已经成交的热销机和性价比机型。
AI 仍然最爱引用榜单。在引用量最高的 100 篇文章中，排行榜内容占53%，比上一期美白行业的 44% 还高。
一、我们怎么测？
手机推荐很容易被问题本身带偏。
只问“什么手机最好”，高端旗舰天然占便宜；只问“什么手机便宜”，又会把结果全部推向千元机。为了避免用几个随手写的问题制造一张看起来很热闹、其实没有解释力的榜单，我们先把真实购机过程拆成了五类意图。
25 个监测 Prompt 中，包含：
这些问题不预设品牌，也不在问题里植入华为、苹果或其他厂商名称。说人话就是：我们不是拿着答案去问 AI，而是尽量还原一个普通用户从“想换手机”到“缩小候选范围”的过程。
围绕同一组问题，我们进行了多平台、多轮采集，最终纳入 340 次有效 AI 回答。GEONE 逐次记录回答里出现的品牌、具体型号、推荐位置和引用信源，再从品牌、SKU、平台和信源四个层面交叉分析；其中详细的平台信源差异部分，聚焦 DeepSeek、豆包、元宝和千问四个平台。
本期仍然使用两张核心榜单：
- 总提及率：品牌或型号在全部 AI 回答中的出现比例，回答“AI 知不知道你”；
- Top1 提及率：品牌或型号被列为第一推荐的比例，回答“AI 会不会先推荐你”。
两张榜必须一起看。被提到很多次，和每次都被放在答案前面，是两件完全不同的事。
二、品牌榜：荣耀成为本周“双料冠军”
品牌总提及率榜上，荣耀以 74.4% 排名第一，vivo 以 66.4% 位列第二，OPPO 以 60.8% 排名第三。红米、iQOO 和一加紧随其后。
总提及率代表进入 AI 候选清单的能力。荣耀出现在接近四分之三的回答里，说明它已经建立起非常强的 AI 品牌认知。
更值得关注的是 Top1 提及率。荣耀仍然以 21.6% 排名第一，红米以 15.2% 升至第二，vivo 以 13.6% 排名第三。
荣耀不仅被 AI 频繁列入候选，还更容易成为第一个被说出的名字。它已经从“AI 知道的品牌”，进入了“AI 优先推荐的品牌”。
但两张榜之间也出现了明显错位。
红米总提及率为 57.6%，排在第四，Top1 提及率却升至第二。它的覆盖面不是最广，但一旦进入答案，更容易被放到前面。
OPPO 则相反。它的总提及率达到 60.8%，排在第三，Top1 提及率只有 6.4%，降到第六。一加的落差更明显：总提及率 45.6%，Top1 只有 2.4%。
这意味着品牌只看曝光，很容易高估自己在 AI 里的位置。总提及率是进候选区，Top1 才是拿到推荐票。
三、荣耀赢了品牌，OV 赢了具体型号
如果只看品牌榜，荣耀是这一期毫无争议的冠军。
但把统计对象从品牌切换到具体 SKU，榜单立刻变了。
型号总提及率第一名是 OPPO Find X9 Ultra，提及率 21.2%；第二名是 vivo X300 Ultra，第三名是iPhone 17 Pro Max 。vivo X Fold6、荣耀 Magic8 Pro、Galaxy S26 Ultra、小米 17 Ultra 等型号随后进入前十。
型号 Top1 榜上，vivo X300 Ultra 以 8.2% 排名第一，荣耀 X80 Pro Max 以 4.7% 排名第二，OPPO Find X9 Ultra 以 4.1% 排名第三。
最直观的差异是，品牌冠军荣耀的总提及率达到 74.4%，型号冠军 OPPO Find X9 Ultra 的总提及率却只有 21.2%，两者相差约 3.5 倍。到了型号 Top1 榜，第一名的比例更只有 8.2%。
也就是说，AI 对品牌的认知相对集中，对具体产品的认知却非常分散。
这很符合手机行业的真实结构。品牌可以通过长期营销形成一个稳定标签，比如“影像”“高端”“性价比”或“商务”；但具体型号更新太快，命名太多，还会被预算、配置、发布时间和人群不断切分。品牌是一块招牌，SKU 则像招牌下面不停换位置的货架。
更反常的是，红米在品牌总榜第四、品牌 Top1 榜第二，却没有一款具体产品进入型号总榜 Top10；苹果品牌总提及率只有 40%，排在第八，iPhone 17 Pro Max 却进入型号总榜第三。
这说明 AI 对品牌和产品保存的，像是两套知识。品牌声量做大了，具体型号不一定能自动承接；一个标志性产品足够强，也可能反过来穿透相对弱的品牌排名。
手机 GEO 不能只做品牌。真正接近交易的那一刻，用户问的是“哪一款”，不是“哪一家”。
四、AI 榜单 vs 用户购买：两份 Top10 只重合一款
为了和真实的销量和用户口碑作为对比，我们用京东 2026 年 618 手机竞速榜单品累计销量 Top10 作为市场参照，与 AI 型号总提及 Top10 进行比较。
结果非常直接：两份榜单按完整型号严格匹配，只重合了一款 iPhone 17 Pro Max，重合度仅 10%。
用户购买榜前三名全部是 iPhone，之后是荣耀 X70 焕新版、REDMI Turbo 5 Max、REDMI K90、华为畅享 90 Pro Max、一加 Ace 6T 等已经形成成交的产品。
但AI 榜则明显偏爱新旗舰、Ultra 和折叠屏。前十中有 7 款属于旗舰、Ultra 或折叠产品。
如果简单一点，可以把这组差异理解成“AI 不懂用户”。但这还不够准确。
销量榜受到价格、促销、库存、渠道和真实产品周期影响；AI 回答主要依据自己能够检索、读取和重新组织的信息。前者记录的是消费者已经掏钱买了什么，后者记录的是互联网最近反复讨论什么、如何定义什么。
AI 推荐榜不是需求榜，它更像一张内容势能榜。
发布会密集、参数突出、比较内容丰富的新旗舰，天然拥有更多适合 AI 摘取的内容。走量机可能卖得很好，但如果缺少结构清楚、持续更新的公开内容，AI 未必会把它放进“最佳手机”的答案。
这也意味着，品牌不能拿 AI 排名直接代替市场销量判断。一个型号在 AI 里很强，证明的是它占领了生成式答案，不代表它已经占领收银台。
五、AI 认识手机，主要依靠门户和垂直科技媒体
AI 为什么会形成这样一张偏向新旗舰的型号榜？答案藏在它引用的信源里。
跨平台共性高频信源中，新浪移动获得 1177 次引用，覆盖 5 个 AI 平台；新浪获得 582 次引用；中关村在线、今日头条和太平洋科技也进入 Top5。
如果把新浪移动和新浪按同一媒体体系合并，它们占 Top5 共性信源引用量的 79.55%。需要强调的是，这是 Top5 共性信源内部的占比，不是全部信源占比。
这组数据揭示了一个很典型的手机行业特征：AI 的共同知识底座，主要不是电商成交和真实评论，而是门户新闻、科技媒体和资讯聚合内容。
这些内容最擅长写什么？新品、旗舰、参数、发布会、横向比较和年度推荐。
于是结果并不意外。AI 看到的是“什么手机值得被报道”，用户购买的是“什么手机此刻值得花钱”。
门户和科技媒体并不是不可信，但它们提供的是一种特定的观察角度。它们擅长记录技术前沿和新品竞争，不负责完整还原价格敏感、促销驱动和长期使用体验。
当 AI 主要从这套内容里学习“什么手机值得推荐”，它自然会更像一个追发布会的科技编辑，而不是一个守着柜台看成交的销售员。
六、AI 最容易吸收的，仍然是已经排好顺序的榜单
上一期美白产品调研中，我们发现 AI 明显偏爱排行榜内容。在引用量最高的 100 篇文章中，排行榜占 44%。
到了手机行业，这一比例进一步上升到 53%。单品介绍占 19%，测评和知识科普各占 10%，其他内容占 8%，行业资讯为 0。
这说明“AI 爱看榜单”不是美白行业的一次偶然。
榜单为什么好用？因为它已经替 AI 完成了最费力的一步：比较。
品牌和型号被放在同一个标准下，顺序明确，优缺点集中，结论写在标题和小标题里。AI 不需要从十篇各说各话的单品稿里自己拼答案，一篇文章就能拿到完整候选集。
榜单不只是给人看的，也像是提前写给 AI 的半成品答案。
这对品牌是机会，也是风险。
机会在于，结构清楚、时间新、信息密度高的比较内容，确实更容易进入 AI 推荐链。风险在于，如果大量内容只有排名，没有测试方法、样本、价格区间和适用人群，AI 学到的就不是可靠结论，而是一堆长得很像结论的营销话术。
上一期我们说 AI 被营销影响了。这一期的数据把这个判断又往前推了一步：营销不仅影响 AI 记住谁，还可能影响它把哪一台具体手机交到用户手里。
七、豆包已经“吃”进字节生态，另外三家还没有
共性信源只能解释四个平台共享的那部分知识。真正落到单个平台，它们使用信息的方式差异很大。
豆包的表现最极端。本期 91.1% 的信源权重来自抖音精选。它已经明显呈现出字节生态绑定：豆包不只是一个字节推出的 AI 产品，它正在越来越多地使用字节自己的内容理解世界。
DeepSeek 的信源相对均衡，CNMO、中关村在线、泡泡网、网易、新浪和新华网都有一定权重，更偏向专业媒体和官方信息源。
元宝的第一信源是新浪，权重为 42.8%；微信公众号只有 7.8%，并没有表现出对微信内容的强依赖。
千问同样以新浪为主要信源，权重达到 69.8%，Top6 中没有出现淘宝内容，也暂时没有形成类似豆包的阿里生态绑定。
因此，手机 GEO 实际上有两层战场：
- 第一层是跨平台共同知识，主要由门户和垂直科技媒体构成；
- 第二层是模型自己的生态偏好，豆包对抖音精选的依赖最典型。
品牌在一个平台上的内容优势，很难自动复制到另一个平台。进入新浪、中关村在线等共性信源，可以提高跨平台出现的机会；理解抖音精选等平台特有内容，又决定了在单一模型里的表现。
只做一套稿子、发一遍全网，然后期待所有 AI 给出同一个答案，这件事越来越不现实。
八、三个反常的地方
1、品牌声量很强，但具体产品“没有姓名”
荣耀赢下品牌双榜，但型号冠军分别属于 OPPO 和 vivo；红米的品牌 Top1 排名第二，却没有产品进入型号总榜 Top10。
品牌内容解决的是“你是谁”，产品内容解决的是“用户为什么现在买这一款”。两者中间缺少型号、价格、场景和对比内容，品牌认知就无法稳定落到交易对象上。
对手机厂商来说，GEO 不能只看品牌总盘。新品上市时，具体 SKU 是否进入核心问题、是否被放在第一推荐、是否能和竞品正确比较，需要单独监测。
2、AI还没有准备好帮用户“选机”，这对品牌既是风险也是机会。
AI 榜里 7 款是旗舰、Ultra 或折叠机，更可能的原因是，高端新品拥有更密集的发布会报道、更完整的参数表、更多横评和更清晰的营销标签。
AI 不会自己走进门店，也不会感受降价后的性价比。谁提供的信息更多、更清楚、更容易被引用，谁就更容易显得“值得推荐”。
所以品牌既可以向相关信源平台补齐中端机、走量机和长周期产品的信息结构，也可以借助AI的偏好，来集中精力围绕“新品、爆品”投入。
3、跨平台共识之外，模型正在长出自己的“信息口味”
门户和科技媒体构成了共同底座，但豆包已经表现出非常强的抖音精选偏好。未来如果视频内容被进一步纳入生成与引用，豆包的答案可能会更深地受到抖音内容影响。
这不是简单的“偏心”。当模型、内容平台和分发入口属于同一个生态，信息获取链天然更短。真正值得持续观察的是，这种生态绑定会不会扩展到推荐结果，以及其他平台会不会出现类似变化。
如果会，未来的 AI 推荐就不只有模型差异，还会有生态差异。
九、从品牌到 SKU：手机厂商真正要盯的是六层 AI 竞争力
一张榜单的价值，不只是知道荣耀、OPPO或vivo排第几。
手机行业至少要持续看六层数据：
- 被看见：品牌总提及率有多高，能不能进入候选清单；
- 被首选：品牌 Top1 提及率有多高，能不能成为第一推荐；
- 被承接：品牌优势有没有落到具体 SKU，而不是停留在品牌名上；
- 贴近市场：AI 推荐与真实成交之间差多远，偏差来自价格、周期还是内容供给；
- 够稳定：换一个 AI 平台、一个问题或一个时间窗口，排名会不会大幅波动；
- 可解释：哪些信源和内容支撑了排名，错误信息能不能被发现和修正。
单周结果会受到新品发布、内容收录和模型更新影响。尤其是手机这种高频发布、型号快速迭代的行业，连续观察比一次排名更重要。
但这一期已经可以确定一件事：AI 不再只是被动回答参数问题。它正在成为用户购买手机之前的新入口，也正在形成一套与销量、渠道和传统品牌认知都不完全相同的推荐秩序。
过去，手机厂商争的是货架、门店、电商搜索和发布会声量。现在又多了一层：它必须让正确的产品，在正确的问题里，被 AI 正确地理解。
品牌能被 AI 记住，只是第一步。真正的竞争，是下一次用户问“我该买哪一台”时，AI 能不能说出你的那一台。
热门跟贴