同一组留学问句，在不同 AI 引擎上的推荐名单常常不同。本页讲清 通义千问 在 留学 场景下怎么观测、特点是什么、与其他引擎差在哪。
可引用定义 · Citable Definition
引擎特点 · Engine Traits
厂商：阿里巴巴 · 观测方式：浏览器观测
怎么测 · How
八维权重 · Dimensions
通义千问上测得的结果，同样按留学的八维权重计分（权重由 lib/ari.js 导出，与线上算分一致）：
| 维度 | 指标（中 / EN） | 权重 |
|---|---|---|
| D1 | AI推荐可见度 · Recommendation Presence | 18% |
| D2 | 留学需求覆盖 · Student Intent Coverage | 15% |
| D3 | AI推荐竞争力 · Recommendation Strength | 15% |
| D4 | AI推荐声量 · AI Share of Voice | 12% |
| D5 | AI专业认知准确度 · Admission Perception Accuracy | 16% |
| D6 | 权威信源力 · Authority & Source Strength | 13% |
| D7 | AI决策信任力 · Trust & Decision Strength | 9% |
| D8 | AI增长机会度 · Growth Opportunity | 2% |
其他引擎 · Other Engines
其他行业 · Other Industries
常见问题 · FAQ
会。不同引擎的索引来源、生成策略与本地化能力不同，同一组留学问句下的推荐名单常有明显差异。这也是 GEOScope 坚持「固定问句 × 多引擎」观测的原因——只测一个引擎会漏掉其他入口的流量。
不够。学生 / 家长通常不会只用单一 AI。建议先在同一组固定问句上覆盖多个引擎，看清各引擎的可见度差异，再按差异分配优化重点，而不是把资源全压在一个引擎上。
视引擎而定。部分引擎（如 Perplexity）会强制附带可核验的引用链接，便于做信源影响力分析（D6）；其他引擎则需从答案文本中抽取被提及的来源。通义千问的观测方式为「浏览器观测」。
会。AI 引擎会随模型更新、索引变化而波动。因此 GEOScope 用固定观测集做 Baseline→Retest 对比（GIMF），而不是看单次结果；单次波动不代表趋势变化。