AI回答汽车问题时，谁在真正影响用户决策？

AI替用户回答“这车怎么样”

88.6%的消费者在购车前会使用AI搜索辅助决策，其中44.0%将其作为核心查询工具，44.6%视作重要补充。汽车是典型的技术门槛高、决策周期长的品类——客单价高、决策周期长达3–6个月，用户在看车、选车、买车、用车各环节反复提问。而每一次AI的回答，都依赖它当时调用的信源。品牌内容只有先进入AI的引用信源池，才可能进入用户的最终决策清单。

七成以上信源份额，属于汽车垂类媒体

2026年5月18日至28日，一场覆盖4万个真实问题的实测，在豆包、DeepSeek、千问、元宝、文心一言五大平台的PC端与APP端同步展开，共执行40万次提问，获取百万级原始响应数据。问题库覆盖300个主流车系，涵盖看车、选车、买车、用车四大场景，并细拆至9个一级维度、44个二级维度，每个维度包含2000–5000个自然语言问题。所有提问均由人工模拟真实用户发起，不走API直调，不加引导性修饰。

结果显示：信源引用率TOP20中，汽车垂类媒体占比77.2%；信源贡献率TOP20中占比70.0%。短视频与直播平台分别占10.5%和11.5%，新闻资讯门户占5.0%和8.1%，搜索引擎占4.9%和6.0%，社交媒体不足1%和1.3%。

头部集中度极高：排名前列的几家垂类媒体，其引用量与贡献量普遍比后排平台高出一个数量级。这些头部平台内容侧重不同——有的聚焦消费决策与交易转化，在选车、买车场景中权重突出；有的深耕内容种草与车后服务，在看车、用车环节更活跃；也有平台在多个维度表现均衡。

综合资讯与短视频平台虽有流量优势，但缺乏汽车行业深度知识沉淀与结构化内容体系，主要承担分发角色，在AI信源生态中处于辅助地位。

五个AI平台，信源偏好截然不同

总榜呈现的是平均值，一旦拆解到单个平台，差异立刻显现：

豆包：分布高度集中，单一信源在PC端与APP端的贡献率均接近99%，引用率约37%，远超第二名；端侧差异显著——同一短视频信源在PC端引用率为0，在APP端却超12%。

DeepSeek：分布相对均衡，头部两家信源引用率分别为23.8%与18.6%，差距较小；TOP10中出现多批未见于总榜的新信源，长尾内容获得更高曝光机会。

千问：PC端与APP端信源策略高度一致，未见明显端差；头部梯队划分清晰，稳定性强。

元宝：端侧错位明显，PC端与APP端各自头部信源不重合，呈“错位领跑”；信源格局较分散，且首次将私域生态类信源（如微信公众号）纳入TOP10。

文心一言：短视频类信源整体占比偏高，个别账号的贡献率甚至超过部分垂类媒体；社交与视频平台亦进入TOP10。

同一份内容，在不同平台的命运完全不同：有的平台几乎每问必引，有的仅作并列选项，有的则需与短视频信源同台竞争。仅看总榜排名，极易误判实际影响力分布。

场景与问题维度，构成第二层分化

即便在同一平台内，信源价值也随场景动态变化：

在买车场景中，部分平台的综合资讯类信源因高渗透率跃居头部，成为少数非垂媒主导的例外；有的平台在看车、选车、用车、买车四类场景中，领先信源持续更替，无一家通吃；还有平台在买车环节，门户类信源跻身场景渗透率前列。

在产品力维度上，垂类媒体整体占据九个维度的引用率前列，但强项各异：有的在价格、安全、动力、能耗等硬指标维度更受倚重；有的则在智能配置、空间、外观、内饰等体验型维度表现突出。短视频平台擅长场景化动态呈现，在智能配置、空间等维度的引用率已反超部分综合资讯平台，成为垂类媒体之外的关键补充。

这意味着：主打智驾的车型，与主打价格与保值率的走量车型，所需布局的信源并非同一组。

引用率决定触达强度，贡献率决定覆盖广度

三个核心指标分别指向不同维度：

信源引用率：以被引用内容PV为统计单位，反映某域名内容被模型调取、复用的频次与权重；

信源贡献率：以独立提问UV为统计单位，衡量该信源能覆盖解答多少类真实问题，体现其在问答场景中的渗透广度；

信源场景渗透率：贡献率在细分场景下的落地表现，揭示信源在特定环节的实际作用力。

引用率与贡献率并不必然同步。一个信源可能高频被引，却只服务于极少数问题类型；也可能引用频次一般，却广泛覆盖各类提问。二者叠加分析，可识别“刷量型”泡沫——即内容虽被反复调用，但实际解决的问题面极其狭窄。传统以点击、线索为核心的量化方式，难以捕捉AI问答阶段形成的长期认知影响。

为什么是垂类媒体胜出？

垂类媒体拿下七成以上信源份额，逻辑清晰：当AI回答“哪款车值得买”“XX车型对比如何”这类强决策问题时，天然倾向选择专业、中立、可验证的内容。泛资讯平台主题庞杂、车企官网自带营销立场、UGC内容零散主观；而垂类媒体拥有标准化评测体系、资深编辑与测试团队、多年积累的车型知识库，以及AI可直接解析调用的结构化数据——包括覆盖全在售车型的参数/配置/价格数据库、聚合千万级真实车主反馈的口碑系统、从儿童座椅安装到电池衰减的全场景问答知识图谱。

真正值得关注的，不是某个平台排第几，而是三个关键问题：一个信源进入了哪些模型的引用池？覆盖了哪些具体场景与产品力维度？这种位置能否持续稳定？

汽车3–5年的产品生命周期，与AI大模型1–3个月的迭代节奏天然错配。所谓“一次优化、长期有效”已不复存在。真实、权威、结构化的信源抗干扰能力强，更易沉淀；相应地，信源建设也必须转向持续运营：新车发布、价格调整、技术升级等节点需及时更新信息，并对AI输出的错误结论建立快速发现与纠偏机制。