QuestMobile數(shù)據(jù)顯示，截止到2026年4月，AI原生APP月活用戶規(guī)模達(dá)到4.61億，月人均使用次數(shù)和時(shí)長分別達(dá)到91次和180分鐘，其中，豆包、DeepSeek月人均使用時(shí)長分別為144.6分鐘、109.5分鐘，同比增長80.6%、106.9%，規(guī)模化應(yīng)用態(tài)勢明顯，由此帶來了用戶信息獲取路徑和決策模式的根本性改變，AI平臺的信息采集和信源偏好，已經(jīng)悄然成為影響用戶行為的“幽靈”。

這種行為改變，表現(xiàn)在兩大層面。一方面，AI原生APP的使用人群與多個(gè)行業(yè)用戶高度重合且滲透率持續(xù)加深，例如，在線旅游、拍攝美化、汽車資訊、實(shí)用工具、教育學(xué)習(xí)、金融理財(cái)、搜索引擎等領(lǐng)域，其用戶使用AI原生APP的用戶占比分別達(dá)到69.4%、66.4%、51.1%、49.8%、47.4%、43.1%、38.7%。這些行業(yè)基本上都是具有“高信息總結(jié)提煉要求”和“高決策鏈路需要”的行業(yè)，用戶很傾向于使用AI原生APP作為輔助工具。

另一方面，AI原生APP的黏性增長，導(dǎo)致多個(gè)傳統(tǒng)行業(yè)APP的用戶黏性持續(xù)下降，例如，2026年4月，搜索引擎類App月人均使用次數(shù)38.0次，月人均使用時(shí)長340.2分鐘，同比分別下降18.8%和11.8%；同時(shí)，在線旅游、汽車資訊、教育學(xué)習(xí)等行業(yè)，也都出現(xiàn)了不同程度的下滑。

兩大行為改變背后，蘊(yùn)含著從“互聯(lián)網(wǎng)時(shí)代（PC+移動）”躍遷到“AI時(shí)代”的深層改變：互聯(lián)網(wǎng)時(shí)代遲遲無法解決的網(wǎng)站和APP“信息孤島”和“信息煙囪”的問題，被AI原生APP通過核心功能接管、信息入口重構(gòu)、服務(wù)場景融合這“三重替代”徹底解決，“信息找人”也從愿景變成了現(xiàn)實(shí)。

不過，這也帶來了新的問題：可信信源至關(guān)重要。近期頻發(fā)的信源污染與AI投毒亂象已經(jīng)引發(fā)了諸多問題，從各類消費(fèi)決策，到財(cái)產(chǎn)安全，乃至未成年用戶的生命安全，顯然將成為接下來“劣幣”與“良幣”之間持續(xù)博弈的關(guān)鍵。

相關(guān)部門的重拳整治已經(jīng)發(fā)生，這必然會成為一個(gè)至關(guān)重要的行業(yè)變量。而在此過程中，在AI搜索路徑中的“可信數(shù)據(jù)資產(chǎn)”，既是“品牌被推薦”的前提，也是“品牌被提及”的依據(jù)，必然會成為AI時(shí)代塑造和發(fā)展品牌的“核心資產(chǎn)構(gòu)成”。

從“意圖理解”到“信源檢索”、“內(nèi)容召回”再到“答案生成”，品牌的“可信數(shù)據(jù)資產(chǎn)”必須做到“面”的覆蓋和“點(diǎn)”的精準(zhǔn)……具體如何做？不妨看報(bào)告吧。

一、AI正通過三種路徑重構(gòu)多個(gè)行業(yè)的信息分發(fā)機(jī)制

1、 AI平臺采信邏輯及信源引用特征摘要

2、 依托三維度引用分析框架，旨在穿透算法黑盒，精準(zhǔn)量化平臺底層采信邏輯及信源資產(chǎn)價(jià)值評估

3、今年年初AI原生App邁入規(guī)?；占翱燔嚨?；伴隨4.6億用戶基數(shù)的幾何級擴(kuò)張，一場關(guān)于“信息分發(fā)權(quán)”的更迭已然開啟

4、用戶行為數(shù)據(jù)進(jìn)一步印證權(quán)力的交接：使用頻次與時(shí)長雙雙走高，意味著AI逐步成為用戶獲取信息的“第一觸點(diǎn)”

5、行業(yè)屬性決定AI滲透速度：具有高決策成本、高信息熵的行業(yè)是AI“信息接管”高地，如旅游、汽車、金融理財(cái)

QuestMobile數(shù)據(jù)顯示，在線旅游、汽車資訊、金融理財(cái)人群中使用AI原生App的占比69.4%、51.1%和43.1%，滲透率TGI分別為192.2、141.5和119.3。

6、傳統(tǒng)行業(yè)App使用指標(biāo)的應(yīng)聲回落意味著從“搜索式交互”向“問答式交互”的更迭：用戶越來越傾向AI的“直給”模式

QuestMobile數(shù)據(jù)顯示，2026年4月，搜索引擎類App月人均使用次數(shù)38.0次，月人均使用時(shí)長340.2分鐘，同比分別下降18.8%和11.8%。

7、AI對傳統(tǒng)行業(yè)App的影響，不僅僅是用戶分流，更是AI應(yīng)用從底層邏輯上的能力內(nèi)化、入口重構(gòu)、場景融合

值得注意的是，在線旅游是一個(gè)特殊的存在；以“千問+飛豬”為代表的全鏈路打通，AI的替代邏輯直接升級為服務(wù)場景的融合。

8、AI熱潮同步滲透至內(nèi)容生態(tài)，2026年4月，微博、公眾號等平臺的AI內(nèi)容KOL參與數(shù)占比較去年同期大幅提升，內(nèi)容平臺正成為 AI話題傳播與用戶教育的核心陣地

9、從OpenClaw到Hermes等熱點(diǎn)AI話題的傳播數(shù)據(jù)可見，多平臺聯(lián)動擴(kuò)散，形成頭部引領(lǐng)、全域共振的內(nèi)容傳播矩陣

微博+微信公眾號合計(jì)對AI熱點(diǎn)發(fā)文量占比超9成。

10、底層邏輯的變革，本質(zhì)上源于AI對信息分發(fā)機(jī)制的重構(gòu)：從“人找信息”轉(zhuǎn)向“信息找人”

近期頻發(fā)的信源污染與AI投毒亂象，正倒逼品牌從“流量思維”轉(zhuǎn)向“可信信源資產(chǎn)”的構(gòu)建。

11、AI搜索路徑中，信源是品牌的“數(shù)字資產(chǎn)倉庫”，既是“品牌被推薦”的前提，也是“品牌被提及”的依據(jù)

其中，信源檢索是“面”的覆蓋，內(nèi)容召回是“點(diǎn)”的精準(zhǔn)打擊；先有信源的廣度覆蓋，才有內(nèi)容的深度提純。

12、深度解構(gòu)大模型平臺引用邏輯，是品牌突破信源壁壘、跳出算法盲區(qū)，將被動適應(yīng)轉(zhuǎn)化為主動掌控，從而鎖定AI增量紅利的關(guān)鍵

二、平臺的三種滲透邏輯，意味著亟需建立系統(tǒng)性的采信研究體系

1、頭部應(yīng)用的高頻使用行為印證AI正成為新的流量中樞，重塑用戶獲取信息的路徑

QuestMobile數(shù)據(jù)顯示，2026年4月，豆包、千問、DeepSeek人均使用次數(shù)分別為75.7、16.0、54.5次，同比增長80.6%、9.4%、75.7%。

2、使用時(shí)長的持續(xù)延伸，指向AI正逐步成為重要的信息與決策場域，驅(qū)動分發(fā)邏輯由“搜索跳轉(zhuǎn)”向“對話留存”的平穩(wěn)過渡

這一變化使得基于生成引擎優(yōu)化（GEO）的品牌內(nèi)容植入與場景化曝光，成為繼傳統(tǒng)搜索之后的新增長點(diǎn)。

3、豆包通過高頻生活服務(wù)（旅游/美化）鎖定用戶規(guī)模，以搜索/工具屬性重塑分發(fā)邏輯，實(shí)現(xiàn)跨行業(yè)廣度覆蓋

QuestMobile數(shù)據(jù)顯示，2026年4月，旅游類App用戶中有55.3%的用戶同時(shí)使用豆包、汽車資訊類App使用者同時(shí)使用豆包的占比為40.9%。

4、 千問的差異化在于“重場景、輕入口”：在旅游、美化等高轉(zhuǎn)化場景中構(gòu)建壁壘，雖在泛搜索入口上暫未激進(jìn)擴(kuò)張，但也為其深耕垂直領(lǐng)域的用戶價(jià)值留出了空間

5、DeepSeek屬于典型的“高粘性專業(yè)工具”，尚未完全轉(zhuǎn)化為全行業(yè)的廣譜滲透；大眾化、全場景的破圈仍在進(jìn)程中

6、頭部平臺所呈現(xiàn)出的三種差異化滲透，亟需體系化的量化研究透視其背后的信源引用規(guī)則差異

本次評測橫跨三大AI平臺（App端+PC網(wǎng)頁端），覆蓋汽車、旅游、保險(xiǎn)用戶熱議問題，集中聚焦信源檢索和內(nèi)容召回環(huán)節(jié)采信特征。

7、 三個(gè)核心指標(biāo)共同解構(gòu)AI平臺的“信息權(quán)力結(jié)構(gòu)”，讓信源的隱性價(jià)值顯性化

三、汽車垂媒是AI搜索基本盤，包攬引用率TOP5

1、錨定用戶購車“看-選-買”階段，甄選三類核心問題構(gòu)建評測矩陣

2、三個(gè)平臺展現(xiàn)出不同的采信數(shù)量閾值：豆包追求廣度與平衡，千問偏向?qū)嵱门c節(jié)制，DeepSeek則以效率為先

QuestMobile數(shù)據(jù)顯示，車型推薦類問題上，豆包對72.6%的問題會引用11–15篇內(nèi)容進(jìn)行交叉驗(yàn)證；千問則以6-10篇為主（55.8%）；DeepSeek閾值最高，所有問題統(tǒng)一6-10篇的引用規(guī)則。

3、汽車垂媒是檢索環(huán)節(jié)的基石，其沉淀的標(biāo)準(zhǔn)化參數(shù)與評測數(shù)據(jù)，正是AI搜索核心體現(xiàn)：以高置信度的知識庫約束大模型的生成

QuestMobile數(shù)據(jù)顯示，引用率TOP3信源分別為汽車之家（84.5%）、易車（58.9%）、太平洋汽車（54.4%）。

4、 內(nèi)容引用上呈現(xiàn)“信源集中、內(nèi)容平權(quán)”特征：該二元采信邏輯既認(rèn)可權(quán)威價(jià)值，又以廣覆蓋檢索實(shí)現(xiàn)多源驗(yàn)證，保障決策客觀性

5、 基于AI采信權(quán)重的分化，汽車之家在車型推薦類問題上的數(shù)據(jù)完備度和權(quán)威性較高

值得注意的是，中關(guān)村在線這類科技媒體，雖然引用率不如汽車垂媒，但其產(chǎn)出的某些深度評測內(nèi)容，依然被AI視為高質(zhì)量的內(nèi)容引用來源。

6、 分平臺引用率充分揭示大模型的“信源偏好”；汽車品牌需要構(gòu)建一套分層信源矩陣，以適配不同平臺的差異化采信邏輯

QuestMobile數(shù)據(jù)顯示，車型推薦類問題上，千問對懂車帝的引用最高（76.5%）；DeepSeek對易車的引用最高（80.6%）。

7、分平臺內(nèi)容引用數(shù)據(jù)進(jìn)一步夯實(shí)“內(nèi)容平權(quán)”邏輯：頭部平臺的廣度優(yōu)勢并不能直接轉(zhuǎn)化為絕對的“內(nèi)容壟斷”

有駕、網(wǎng)通社雖未進(jìn)入引用率TOP10，但是在內(nèi)容引用率均晉級TOP10。

8、不同類型問題的引用差異反映AI“動態(tài)適配”邏輯：即便同行業(yè)內(nèi)，隨用戶詢問意圖的變化，大模型會激活不同的信源矩陣

QuestMobile數(shù)據(jù)顯示，懂車帝在預(yù)算場景類問題中更有優(yōu)勢：豆包內(nèi)引用率40.8%（TOP5），千問內(nèi)引用率72.2%（TOP1）。

四、攜程是通用信源，搭配內(nèi)容媒體+綜合網(wǎng)站構(gòu)成旅游信息三層信源結(jié)構(gòu)

1、 聚焦旅游目的地發(fā)現(xiàn)場景下兩類問題，構(gòu)建評測矩陣

2、 三個(gè)平臺在旅游類問題上的采信閾值與汽車行業(yè)基本保持一致，但問題的“輕決策”會讓閾值發(fā)生彈性變化

QuestMobile數(shù)據(jù)顯示，有25.5%的問題豆包的引用量達(dá)到16-20篇，可直接歸因?yàn)樯鷳B(tài)下的內(nèi)容廣度優(yōu)勢；千問則相反，81.1%的問題控制在6-10篇的引用量，與其平臺自身的交易導(dǎo)向生態(tài)特征相契合。

3、 問題的“場景化、輕決策”驅(qū)動分層的信源結(jié)構(gòu)：OTA平臺提供確定性供給，內(nèi)容媒體捕捉實(shí)時(shí)熱點(diǎn)，綜合網(wǎng)站作為資訊補(bǔ)給

QuestMobile數(shù)據(jù)顯示，目的地發(fā)現(xiàn)類問題下，攜程的引用率TOP1（58.3%）、抖音、今日頭條、搜狐網(wǎng)的引用率分別為35.4%、34.8%和32.0%。

4、目的地發(fā)現(xiàn)類“暗藏種草機(jī)制”：重靈感、重體驗(yàn)、重情緒價(jià)值；因此多元采信邏輯旨在豐富用戶感知，避免信息盲區(qū)

5、攜程穩(wěn)居“雙引用”核心高地；抖音、今日頭條、搜狐分布于“高引用+低內(nèi)容占比”區(qū)域，充分體現(xiàn)AI在內(nèi)容側(cè)追求“多源片段聚合”與“感知豐富化”的平衡邏輯

6、豆包延續(xù)其生態(tài)優(yōu)勢高頻引用抖音、今日頭條；千問偏決策保障；DeepSeek偏綜合與實(shí)用

QuestMobile數(shù)據(jù)顯示，目的地發(fā)現(xiàn)類問題中，千問對大眾點(diǎn)評的引用率35.8%（TOP2）；DeepSeek對網(wǎng)易、搜狐此類綜合網(wǎng)站的引用率為39.0%、37.5%，對什么值得買的引用率為13.3%。

7、 千問的“錯(cuò)位現(xiàn)象”指向其在內(nèi)容上的“深度挖掘”：搜狐、網(wǎng)易此類綜合網(wǎng)站也有較高的單次內(nèi)容權(quán)重

8、隨著問題從“推薦”轉(zhuǎn)向“攻略”，千問、DeepSeek的信源圖譜也同步重構(gòu)

千問激活嗶哩嗶哩(33.0%)補(bǔ)足視覺化攻略缺口，DeepSeek鎖定馬蜂窩(24.7%)夯實(shí)結(jié)構(gòu)化行程底座，實(shí)現(xiàn)意圖與信源的精準(zhǔn)對齊。

五、保險(xiǎn)高敏感問題以安全為優(yōu)先，偏好采信官方渠道內(nèi)容

1、錨定用戶早期探索與認(rèn)知構(gòu)建階段，甄選三類核心問題構(gòu)建評測矩陣

2、保險(xiǎn)認(rèn)知類問題上，豆包采用“飽和式內(nèi)容檢索”應(yīng)對復(fù)雜問題；千問以“基礎(chǔ)+常規(guī)深入”覆蓋多數(shù)場景

QuestMobile數(shù)據(jù)顯示：單次引用量在16篇及以上的問題，在豆包內(nèi)占比達(dá)20.4%；千問則有70.2% 的問題遵循6-10篇的引用規(guī)則，另有21.5% 的問題采用 “升級策略”。

3、 AI在保險(xiǎn)認(rèn)知類問題上高度依賴三方服務(wù)平臺，此類平臺大多具備多維度對比、場景化應(yīng)用與豐富的長尾詞；相比之下，官方渠道內(nèi)容或缺乏AI所需的“交互式”與“解惑式”的信息密度

4、 內(nèi)容篩選上，AI“去中心化”的多源信息整合現(xiàn)象更突出：均勻采納“官方+垂直+大眾”的互補(bǔ)式內(nèi)容矩陣

這一現(xiàn)象主要由保險(xiǎn)類“三高”問題導(dǎo)致：高度復(fù)雜、高信任敏感、高個(gè)性化，單一信源難以構(gòu)建閉環(huán)邏輯。

5、慧擇保險(xiǎn)網(wǎng)填補(bǔ)“配置專業(yè)性”空白，抖音解決“專業(yè)術(shù)語通俗化”的難題，兩者形成重要互補(bǔ)

6、 值得注意的是，慧擇保險(xiǎn)網(wǎng)在豆包的引用率不及譜藍(lán)保、沃保網(wǎng)

以上現(xiàn)象主要源于：譜藍(lán)保、沃保網(wǎng)在抖音站內(nèi)布局了大量測評、口播及場景化內(nèi)容，更貼近用戶提問語言，也更契合豆包對 “通俗、可直接摘取” 內(nèi)容的采信偏好。

7、千問對同花順的內(nèi)容引用，實(shí)為調(diào)用其“金融數(shù)據(jù)”補(bǔ)位復(fù)雜的投資分析和行情問答；同時(shí)，以業(yè)務(wù)協(xié)同打通保險(xiǎn)與理財(cái)

QuestMobile數(shù)據(jù)顯示，保險(xiǎn)認(rèn)知類問題上，同花順在千問的內(nèi)容引用排名TOP8（1.6%）。

8、 涉及機(jī)構(gòu)篩選與風(fēng)險(xiǎn)規(guī)避的高敏感問題上，三個(gè)平臺均表現(xiàn)出“安全優(yōu)先”傾向：通過官方信源或法律網(wǎng)站作為過濾營銷噪音的依據(jù)

9、 AI以信源引用重構(gòu)流量規(guī)則，對內(nèi)容方與品牌而言，垂直專業(yè)度、平臺適配度與持續(xù)測評，將成為AI時(shí)代破局的核心競爭力