首页

DeepSeek开放搜索API实测：引用源77% 来自前10条搜索结果

贞元全网营销

2026-10-29

导读：做GEO的人都绕不开一个问题：AI为什么引用这篇，而不是那篇？铺了很多内容，品牌却没被推荐，是内容没有被搜到，还是搜到了却没能成为推荐理由？

做GEO的人都绕不开一个问题：AI为什么引用这篇，而不是那篇？

铺了很多内容，品牌却没被推荐，是内容没有被搜到，还是搜到了却没能成为推荐理由？下一步应该补内容、换渠道，还是调整产品表达？

这些判断，会直接影响后续的执行方向。

我们知道，AI生成答案是「改写 - 检索 - 重排 - 生成」的过程，品牌最终有没有被推荐，是这条链路共同作用的结果。

我们能够监测到改写的检索词和最终生成的回答，而中间这两步才决定了谁能被引用。

最近，DeepSeek和元宝相继开放了搜索API，这对我们GEO工作来说，多了一层归因的路径，多了一组可以检查和验证的过程信号。

我们可以沿着检索词查询搜索结果，查看页面的排名、摘要和评分，再与监测到的信源进行对照。

我拿一批数据做了一次测试，具体测试过程我就不说了，直接说几个主要发现：

发现一：近八成信源集中在前10名，前3名优势更明显

228条引用中，175条出现在对应检索词的前10名里，占76.8%。排在第1～3名的网页，65.8%被引用；第4～10名降到22.6%；从第11名开始，引用率几乎为零。

这里可以得出一个推测：DeepSeek每个检索词大约只看前10条结果。

所以GEO的分析工作要先看核心检索词的前10名，再重点研究前3名。

前3名被哪些页面占着？它们回答了什么问题、给了什么证据？自己的内容比它们缺了什么？这些都可以成为具体的优化任务。

发现二：1.5分是分水岭

DeepSeek的官方文档说，排序分数rerank_score在1.5分以上算“高质量结果”。我们实际测试中，也确实是这样，1.5分以下的网页引用率只有5%左右；过了1.5分，直接跳到一半以上。

当然，rerank_score综合了相关性、权威性和时效性，不是把内容写得贴题就能拿高分。

发现三：同在前10，权威3级以上的网页引用率翻倍

DeepSeek搜索API的每条结果还会返回一个authority字段，也就是网页权威等级，取值0～4，官方把3级以上定义为“极权威”。

前10名内，3级网页的引用率是45.6%，4级是75%，1～2级只有两成出头。被召回的178条引用中，133条来自3级以上的网页，占75%。

而且高分结果明显集中在高权威等级网页中：全部2700条结果中，过了1.5分的184条里有180条是3级以上；1～2级的1708条结果，只有4条过了1.5分。这说明，研究排序分时，权威等级是一个不能忽略的因素。

这些发现对我们GEO工作，带来了哪些变化？

第一，把检索词分析加入问题诊断。

用户问一个问题，AI实际会去搜好几组词。真正决定引用的，是这些检索词下的搜索结果。所以诊断问题时，要把用户问题和它对应的检索词关联起来，看看这些词下现在是哪些页面在出现。

还要注意，同一个问题重复提问，检索词可能会变，来源也会跟着变。不要把一次的检索词当成固定答案，需要持续观察。

第二，在最终效果之外，增加过程指标。

品牌提及率、推荐位次、准确度，仍然用于观察最终呈现。核心检索词的前10名覆盖、前3名位置、评分分布，则可以作为过程指标，帮助GEO团队更早发现问题。

例如，相关内容很少出现在搜索结果中，就优先检查可访问性、内容匹配和渠道表现；搜索表现较好却没有形成品牌推荐，就对照页面内容与回答，看看里面的事实和证据，够不够支撑AI选择你的产品。

这会让“下一步做什么”有更具体的依据。

第三，用配对观察验证调整。

修改内容、更新资料或调整发布渠道之后，再看搜索表现与最终回答是否发生变化。

如果搜索表现改善，而品牌推荐没有变化，就继续研究内容如何支持推荐；如果两者都没有改善，就重新检查当前优化思路本身。

这样，执行、观察、判断和调整才能连成闭环。

当然，这次搜索接口的对照，提供的是更好的观察条件。真正的优化效果，需要通过后续行动和持续监测来验证。

我认为，GEO的确定性，就是在这样的过程中逐步增加的。

随着工具开放，GEO服务商也需要进一步回答：拿到这些数据之后，怎样提出有依据的解释，怎样决定下一步行动，又怎样判断行动是否有效？

如果你想知道自家品牌在核心检索词的前10名里有没有位置，欢迎找我聊聊，我可以用同样的方法帮你测一次。

【声明】内容源于网络

贞元全网营销

1234

内容 63

粉丝 0

贞元全网营销 1234

总阅读755

粉丝0

内容63