最近在研究一个问题：当用户让 AI 推荐产品时，AI 到底是怎么决定推荐谁的？
做了一组对比实验，把同一个问题分别丢给「不联网的纯 LLM 」和「联网搜索的 AI 」，发现一个被很多人忽略的问题。
实验设计
- 不联网：DeepSeek 、Kimi （纯 LLM 模式，只靠训练数据回答）
- 联网：ChatGPT 联网搜索（实时抓取网页再回答）
同一个问题，比如「推荐几款适合团队协作的项目管理工具」，看两种模式推荐的品牌有什么区别。
结果
知名品牌（ Notion ）：联网和不联网都能推荐，因为 Notion 在训练数据里有大量高质量内容，已经是 AI 的「常识」。
中小品牌：不联网模型完全不知道它，联网也没找到足够权威的内容。两种模式下都不可见。
汇总矩阵：测了一批品牌后发现，大约 40% 已进入训练数据，40% 只靠联网才能被发现，20% 完全不可见。
联网搜索的结果很不靠谱
这是我做完实验最大的感受。
ChatGPT 联网搜索推荐的品牌，很多是靠 SEO 堆上来的。你问它推荐 CRM ，它可能会推一个你从没听过的产品 —— 不是因为这产品好，是因为它在搜索结果里排名高。
本质上，AI 联网搜索 = AI + Google ，而 Google 的搜索结果早就被 SEO 行业玩透了。谁投钱多、谁软文多，谁就排前面。AI 只是把这些「被优化过的搜索结果」重新包装了一遍。
更严重的是，联网结果每次都不一样。今天推你，明天竞品多发了几篇水文就把你挤下去了。这不是品牌实力，这是 SEO 军备竞赛。
不联网的结果反而更真实
反过来看，纯 LLM （不联网）推荐的品牌，反而质量更高。
因为训练数据有严格的清洗流程 —— 软文、水文、SEO 堆砌文章大部分会被过滤掉。能留下来进入训练数据的，基本都是：
- Wikipedia / Wikidata 上有实体页面的
- 行业权威媒体报道过的
- 高质量社区里被真实讨论过的（ Reddit 、HN 、V2EX ）
- G2 、Capterra 等评测平台有真实用户评价的
换句话说，不联网时 AI 还能推荐你，说明你的品牌是真的有实力。这不是花钱做 SEO 能刷出来的。
现在市面上的「 GEO 」方向是不是搞反了
现在很多讲 GEO （生成式引擎优化）的方案，核心思路还是：写文章 → 发外链 → 让 AI 联网搜索时能抓到你。
但这本质上还是 SEO 思维 —— 你优化的是「搜索结果」，不是「 AI 的认知」。
而且联网搜索很容易被投毒 —— 竞品批量生产垃圾内容就能把你挤下去。这种优势毫无壁垒。
真正值得做的事情是：让你的品牌进入大模型的训练数据。
当 DeepSeek 、Kimi 在完全不联网的情况下就能推荐你时，这才是真正的 AI 品牌护城河 —— 不依赖搜索排名，不怕竞品投毒，模型「天然」就知道你。
怎么才能被训练进去
- Wikipedia / Wikidata — 有实体页面的品牌，被 AI 提及的概率高很多
- 行业权威背书 — 被行业媒体报道、评测平台收录，不是自己发软文
- 社区真实口碑 — Reddit 、HN 、V2EX 上的真实讨论，比 100 篇软文管用
- 结构化数据 — Schema 标记、知识图谱，帮助 AI 理解你是谁、做什么
- 高质量原创内容 — 有数据、有观点、有深度的内容，不是关键词堆砌
简单说：别去想怎么骗 AI ，去想怎么让 AI 觉得你值得被推荐。
做了个检测工具
基于这个思路做了个工具，可以同时跑联网和不联网的 AI 引擎，看你的品牌在两种模式下分别是什么表现：
免费版用 2 个纯 LLM 引擎（ DeepSeek + ChatGPT 不联网），测你的品牌在 AI 的「离线世界」里有没有存在感。Pro 版加了 ChatGPT 联网搜索做对比，让你看到「联网 vs 不联网」的差距到底有多大。
感兴趣的可以试试，也想听听大家对这个方向的看法。
目前尚无回复
Select Language