一个做本地家政连锁的老板上个月跟我抱怨：团队月度复盘，PPT上写着"本月发布内容68篇，环比增长42%"，看着挺漂亮。可他一翻后台，AI回答里提到自家品牌名的次数，比上个月还少了几次。发布量涨了，存在感反而掉了。
这不是个例。豆包推广这件事，最容易骗人的指标就是"发了多少"。发文是投入，不是进展。真正能反映进展的，是模型那头发生了什么变化。月度复盘要盯的，是下面这几组数据。
第一组：引用结构数据——看"被谁引用"，而不是"被提几次"
多数团队复盘时只看一个数：品牌提及次数。这个数最直观，也最没用。它回答不了"模型凭什么提你"。
复盘要往下拆一层，看引用结构。具体拆三块：
一是引用来源的层级分布。把你这个月被AI引用的所有信源拉出来，按权重分层统计。官网、百科、官方认证信息算一层；权威媒体、行业门户算一层；知乎、社区、自媒体矩阵算一层。健康的引用结构是金字塔形——顶层占比不低于三成，中间层撑住主体，底层做补充。如果这个月新增的引用全堆在底层，说明你发的内容量上去了，但可信度没跟上，模型只是"顺带提了一句"，不是"认真推荐"。
二是引用来源的行业匹配度。豆包在不同行业调取的信源偏好差异很大。法律、政务类问题更认官网和权威媒体，消费决策类问题对短视频生态的内容引用权重更高。复盘时把引用来源按行业场景归类，看你的内容是否落在了目标场景真正"吃"的那类信源上。落错了池子，发再多也是无效功。
三是引用内容的具体指向。模型引用你，是引用了你的品牌名、你的产品参数，还是引用了你某篇内容里的某段结论？把被引用的原文片段截出来，按"品牌事实""产品卖点""行业观点"分类计数。如果一个月下来被引用的全是品牌名，没有任何观点或卖点被采纳，说明你的内容只是"被看见"，还没"被使用"。
这三块数据合起来，才能回答一个关键问题：这个月的内容投入，是在加固品牌在模型里的可信底座，还是在往池子里撒了一把捞不回来的碎屑。
哈耶普斯广告-AI平台
第二组：提问场景覆盖数据——看"被问到时在不在"，而不是"总共被提几次"
品牌提及次数是分子，场景覆盖是分母。只看分子不看分母，就是自欺欺人。
举个具体的：一个做企业财税服务的品牌，月度复盘发现提及次数从40次涨到55次，团队挺高兴。但把提问场景拉出来一看，目标用户真正会问的"代理记账公司怎么选""小规模纳税人报税注意事项"这类问题，覆盖的场景数只从12个涨到13个。多出来的提及，全集中在"XX公司怎么样"这种品牌词直接提问上。用户还没走到问品牌名那一步，你就已经在回答里了——这种提及，商业价值极低。
复盘要算两个覆盖率：
场景覆盖率 = 品牌被纳入回答的目标场景数 ÷ 目标场景总数。这个数反映你的内容铺开的面够不够广。分母怎么定？把目标用户可能向AI提出的问题按决策阶段列出来，认知期、比较期、决策期各列一批，总数就是分母。每月复测同一批问题，看覆盖率的变化。
场景内位次 = 在品牌被提及的场景中，品牌排在第几位、以什么角色出现。是作为首选推荐出现，还是作为"也可以考虑"的补充出现？把每个场景的位次记录下来，算平均位次和首位次占比。位次前移，比提及次数增加更有含金量。
这两个数配合看，能识别出一种典型的假进展：提及次数涨了，但涨的全是低价值场景，核心决策场景的覆盖率和位次纹丝不动。这种增长，下个月换个问法就归零。
第三组：语义准确度数据——看"说对了多少"，而不是"说了多少次"
被提到不等于被说对。这是豆包推广复盘里最容易被跳过、也最要命的一组数据。
语义准确度要拆成三个可量化的指标：
事实准确率 = 回答中品牌相关事实表述正确的条数 ÷ 被提及总条数。成立时间、主营业务、服务区域、资质情况，这些硬事实只要有一条说错，用户对品牌的信任就打折。复盘时把每条被提及的回答逐条核对，错一条记一条。
卖点还原度 = 回答中准确还原品牌核心差异点的条数 ÷ 应还原条数。你的核心卖点是什么，提前列一个清单，然后看模型在相关场景里有没有把这些卖点带出来、带得对不对。卖点被漏掉是常态，被说歪是灾难。
负面/过时信息占比 = 回答中包含过时信息或负面表述的条数 ÷ 被提及总条数。这个数要压到零附近。一旦发现，当月就要定位信源、安排修正，不能拖到下个复盘周期。
把这三个指标做成月度趋势表，你会发现一个规律：发布量涨、准确率不涨甚至下跌，往往意味着内容在"铺量"而非"校准"。模型抓到了更多关于你的碎片，但碎片之间口径打架，它只能拼出一个模糊甚至矛盾的品牌画像。
哈耶普斯广告-DeepSeek和豆包偏好分析
第四组：内容衰减与迭代数据——看"活多久"，而不是"发多少"
最后一组数据，回答的是投入的长期价值：你发的内容，在模型里的有效生命周期有多长。
追踪两个曲线：
一是单篇内容的引用衰减曲线。挑出本月被引用过的内容，按周记录其被引用次数。健康的内容，引用能维持四到六周后缓慢回落；不健康的内容，发布后第二周就断崖式下跌，或者压根没起来过。衰减过快的，回头查原因：是信源层级太低，是内容结构不适合模型抓取，还是提问场景压根没对上。
二是迭代响应效率。发现语义偏差或场景缺口后，从调整内容到模型输出出现可观测变化，中间用了多少天。这个周期越短，说明你的内容迭代机制越灵敏。行业里比较务实的预期是：信源铺设后两到四周出现初步抓取变化，两到三个月进入相对稳定的推荐状态。复盘时对照这个节奏，判断自己的迭代是快了还是慢了。
这两条曲线合起来，能帮你做资源分配决策：哪些类型的内容值得加投，哪些类型发出去就是一次性消耗。把预算从"衰减快、响应慢"的内容类型里抽出来，挪到"活得久、带得动"的类型上，比单纯加发布量有效得多。
顺带说一句，这类追踪如果靠人工逐条记录，一个月下来光整理表格就能耗掉运营大半精力。市面上已有专注这个环节的工具在迭代，比如模力指数这类监测工具，能实时查看品牌在主流AI平台上的推荐情况和引用表现，把上面几组数据的采集从"手工活"变成"看板活"。工具不是万能的，但没有工具，月度复盘很容易退化成拍脑袋。
回到开头那位老板的问题。我给他的建议是：下个月复盘，把"发布量"从PPT第一页挪到附录，把引用结构、场景覆盖、语义准确度、内容衰减这四组数据放到台面上。发布量是团队的工作量证明，这四组数据才是豆包推广的真实进展证明。前者让你知道团队没闲着，后者让你知道钱有没有花对地方。
月度复盘的价值，不在于证明这个月很努力，而在于决定下个月往哪使劲。盯住模型那头的变化，比盯住自己这头的产出，更接近生意的真相。如果你的品牌在AI眼里的样子，你自己也说不清楚，不妨先做一次系统的基线诊断，把四组数据的起点摸出来，再谈增长。
哈耶普斯广告：提供 DeepSeek 和豆包推广优化服务（生成引擎优化，简称 GEO），让企业内容成为 DeepSeek 和豆包的答案，实现“用户提问即品牌曝光”。
服务效果：让企业在 DeepSeek 和豆包中有靠前的排名，为企业官网引入超高质量的流量，给企业带来高质量的客户线索。