同一个问题问两次，答案为什么不一样

先说结论：这是正常的

同一个问题问两次，AI 的回答不完全一样——这不是故障，也不是哪家平台不稳定，而是这类系统的固有性质。搜索引擎给同一个关键词的结果基本稳定，AI 不是这样。

但「正常」不等于「没法测量」。知道波动从哪来，就知道哪些数字该当真、哪些不该。

四个来源

从影响最大到最小：

• ·搜到的网页变了。 这是最主要的一个。AI 回答具体问题时会先检索，而网上的内容每天都在变——新发的文章、被删的帖子、平台自己的排序调整。读到的东西不一样，结论自然不一样。
• ·生成本身带随机性。 语言模型逐字生成时是在候选词里按概率挑，不是每次都挑最高的那个。这让回答读起来更自然，代价是同样的输入也会给出措辞不同的输出。有时候差别只是措辞，有时候会影响到列了几家、谁排前面。
• ·平台在悄悄升级。 模型版本、检索策略、安全策略都在持续调整，而且通常不公告。上周的表现和这周不同，可能仅仅是因为对方换了个版本。
• ·问法的细微差别。 「推荐几家口腔诊所」和「口腔诊所哪家好」在人看来是同一个问题，对 AI 是两个不同的输入，答案可能差很多。

我们在扫描里固定了哪些

上面四个里，只有最后一个是我们能完全控制的，所以扫描把它彻底钉死了：

• ·问法由品牌名和行业确定性生成，同样的输入永远得到同样的三个问题。不是每次现编——现编的话你根本不知道分数变化是因为品牌变了还是因为问题变了。
• ·5 家平台同时问。单看一家的波动很大，多家一起看，方向性的变化才显得出来。
• ·评分公式公开且固定，6 个维度的权重印在扫描页上，你可以自己复算。
• ·测不出的维度不按零分算，而是从加权里剔除后重新归一。把「这次没有推荐榜单」算成「排位很差」，会造出一个纯粹由噪声制造的下跌。

那分数变了，该怎么读

一条很实用的经验：单次波动不必过度解读，连续几次同方向的变化才说明问题。

具体一点的判断顺序：

• ·先看覆盖度。 分数是按当次成功出分的平台平均的。如果上次五家都答上、这次只有四家，那分数不完全可比——而且方向反直觉：挂掉的恰好是你表现最差的那家时，分数反而会往上跳。报告和趋势曲线上都标了覆盖度，先看那个。
• ·再看是哪个维度在动。 六个维度的稳定性不一样。内容深度、提及率相对稳；排位质量和声量份额跟着 AI 每次列了几家走，天然抖得厉害。只有排位在动，多半是噪声。
• ·最后看方向是否一致。 五家平台里三家以上朝同一个方向动，才值得当成信号。一家涨四家平的，通常什么都不说明。

这也是为什么没人能承诺幅度

任何声称「保证提升 X 分」或者「一个月内让 AI 推荐你排第一」的说法，在上面这些机制面前都是不成立的：排序规则不公开、在持续变化，而且同一时刻问两次都可能不同。

能承诺的只有做法本身：让 AI 爬虫进得来、让你的事实清楚可引用、让各处说法一致。这些做完，AI 手上关于你的可用信息确实变多了——但变成几分、多久见效，没有人能替平台打这个包票。

所以复扫对比给的是「变了多少」，不是「我们让它变了多少」。这两句话的差别不是谦虚，是能不能兑现的差别。