DIAGNOSTICS 01–03 · 541 CITATIONS · 3 CHINA CNC SUPPLIERS · 2026-10-27
七类采购证据，三家都写全了
却只在一个引擎里被看见
这是三份真实诊断报告的脱敏版。三家的证据分是 7/7、7/7、6/7——按七类采购证据的判定标准，这是整个样本里最高的一档。三家合计被引用 11 次，占全部 541 次的 2.0%，而且没有一家被两个引擎同时看见。
| 指标 | A 厂 | B 厂 | C 厂 |
|---|---|---|---|
| 证据分（七类写全几类） | 7/7 | 7/7 | 6/7 |
| 被引次数 | 4 | 2 | 5 |
| 占全部引用 | 0.7% | 0.4% | 0.9% |
| 覆盖几个问题 | 3 / 12 | 1 / 12 | 2 / 12 |
| 出现在哪个引擎 | Perplexity | Perplexity | ChatGPT |
| 被引页面 | 4 个，一次一页 | 2 篇，都是博客 | 4 个，质量页打头 |
口径：分母是 541 次引用（12 个采购问题 × 3 个引擎 = 36 条回答），与对外版报告的 637 次不是同一批，两处不要互相比较。七类证据的判定与对外版一致：full 才算写全，partial 是「提到了但没写完整」，不算分。
把七类采购证据写全，换来的不是「被更多引擎引用」，而是「被某一个引擎引用」。
三家里证据满分的那两家，引用次数分别是 4 次和 2 次；证据少一类的那家，反而拿到 5 次。差距不在证据，在引擎。
这三家证明的事，和「被引次数少」不是一回事
被引次数少，可以靠内容量补；只在某一个引擎里存在，补不了——换个引擎问同一个问题，你就消失了。
三家的共同点不是「引用少」，是「只在一个地方被看见」。A 厂和 B 厂全在 Perplexity，C 厂全在 ChatGPT。三家互不相干、产品线不同、客户群不同，撞上的是同一个天花板。
这不是「排名靠后」，是不在名单里。买家根本不知道有你这个选项，页面写得多全都没机会被看到。
不是因为它们差，恰恰是因为它们证据分最高。挑最弱的来说「你看你不行」，谁都能说；挑最强的三家，结果还是只被一个引擎看见，这才说明问题不在某一家身上。
七类证据：谁写全了，谁少一类
七类证据是买家真正拿来判断「这家能不能干」的东西，不是营销话术。
| 证据类 | A 厂 | B 厂 | C 厂 |
|---|---|---|---|
| 交期定义 | 写全 | 写全 | 写全 |
| 公差与检测 | 写全 | 写全 | 写全 |
| 认证与资质 | 写全 | 写全 | 部分 |
| 质量文件 | 写全 | 写全 | 写全 |
| 材质证明 | 写全 | 写全 | 写全 |
| DFM 与工程协作 | 写全 | 写全 | 写全 |
| 加工能力边界 | 写全 | 写全 | 写全 |
C 厂少的那一类是认证与资质：页面里写了 ISO 之类的字样，但没有可核验的证书编号或认证范围。按判定标准，这算「提到了但没写完整」——买家要拿去投标或过审，这一条顶不上用。
除此之外，三家的页面该有的都有：交期怎么算、公差做到多少、检测用什么设备、材质证明怎么给、DFM 谁来看、加工边界在哪。如果只看页面，这三家都是同行里做得最扎实的那一档。
判定只有三档：写全（full）、部分（提到了但没写完整，partial）、没写。本批三家里没有出现「没写」的格子——不是标准放水，是这三家的页面确实写到了，只有 C 厂的认证与资质卡在「部分」。三档一律用文字标，不用颜色标，打印出来一样能读。
同一个死法：三家都只被一个引擎看见
三家合计 11 次引用，落在三个引擎里的两个，没有一家同时出现在两个引擎里。
| 样本 | ChatGPT | Gemini | Perplexity | 合计 |
|---|---|---|---|---|
| A 厂 | 0 | 0 | 4 | 4 |
| B 厂 | 0 | 0 | 2 | 2 |
| C 厂 | 5 | 0 | 0 | 5 |
| 合计 | 5 | 0 | 6 | 11 |
Gemini 一列三家都是 0：原报告的分布只出现 6 个格子（三家各自的 ChatGPT 与 Perplexity），11 次引用已全部落在两列里，Gemini 没有出现在三家中任何一家的引用来源中。
如果一家厂在三个引擎里各被引 2 次，合计 6 次（2 × 3），它至少有三次机会被不同习惯的买家碰到。A 厂有 4 次，全在 Perplexity——习惯用 ChatGPT 的买家，一次都碰不到它。次数差不多，机会差很多。
「三家合计被引 11 次」这句话本身也容易被误读：它不是均摊在三个引擎上的 11，而是集中在两个引擎上（5 次和 6 次），第三个引擎是空的。
这三份报告怎么来的
数据是公开抓取的，判定标准是固定的，结论可以被复核。
提问
12 个真实的美国采购问题，覆盖选型、公差、材质、交期、复单、检验等环节。
采样
每个问题向 ChatGPT、Gemini、Perplexity 各问一次，回收 36 条回答、541 条引用。
抓页
把每条回答引用的 URL 抓下来，逐页核对写了什么，不看它说自己多好。
判定
按七类采购证据逐项打分，full 才算写全，partial 和 hit 不计分。
样本量是 3。三家都是中国 CNC 加工厂，不能推广成行业结论。这三份能说明的是「证据完备度与跨引擎可见性会脱钩」，不是「所有厂都这样」。
单次采样，不是长期监测。批次是 2026-10-27，每个问题 × 每个引擎各采一次。AI 的引用是一次选择，不是稳定排名——同一天再问一遍，结果可能不同。
不构成对任何一家的评价。A / B / C 只是编号，与真实域名、真实经营状况的对应关系不在本页公开。本页的打分只衡量「七类证据写全了没有」，不衡量产品质量，也不暗示谁该被替换——被引 5 次的那家证据分反而最低，这件事只能说明引擎的选择逻辑，说明不了谁的产品更好。