我们做了一轮公开实测：家长问 AI，答案里都是谁？

结论先给：家长问 AI"哪家机构好"，答案里替机构说话的多半不是机构自己。 教招汇 2026 年 9 月做了一轮公开检索层实测——用 5 组家长真实提问记录某 AI 平台返回的前 25 条信源，其中 23 条来自 SEO 聚合站与排行榜软文站，约 92%；机构自有信源只有 1 条。这轮实测的方法、问法组数、平台与日期都完整公开，可以按同样的口径复核。

为什么要做这轮实测？

起因是一个反复被问到的问题："我在 AI 里搜不到自己，是不是我的问题？"

这个问题没法靠感觉回答。要么给一个模糊的安慰，要么拿一组能复现的数据出来。我们选了后者。

做这轮观察的目的不是证明什么，而是把一件抽象的事变成可核对的：家长在 AI 里问"XX 区哪家机构好"时，AI 到底在看哪些页面、引用哪些来源。

这轮是怎么测的？

方法写在这里，任何人都可以按同样步骤复现：

为什么要用家长原话而不是关键词？ 因为家长不会搜"英语培训 机构"，他会说"孩子六年级英语阅读总丢分，附近哪家做过专项"。用真实问法测出来的结果，才贴近家长的实际情况。

A 组观察：AI 的前 25 条信源，都是谁的？

这是这轮实测里一组直接的数字。

（来源：教招汇《教培行业 AI 可见度实测报告（2026）》。为单平台、单时点的抽样观察，不代表所有平台与所有时点的整体水平。）

这组数字说明的问题不是"AI 不准确"，而是另一件事：在这个入口里，机构的信息是被别人转述的。 家长看到的"某家机构怎么样"，出处是一个聚合平台或一篇榜单软文，而不是这家机构自己的说明。

转述的问题在于两处：一是信息的准确度不受机构控制；二是归属权不在机构手上——AI 引用的是那个聚合站，不是你的页面。

B 组观察：60 家机构的公开信源水位有多低？

同期，教招汇对六省 60 家中小教培机构做了一轮公开信源抽样，看三件基础动作的覆盖率。

（来源同上。样本为六省 60 家中小教培机构，属抽样观察，不代表全国整体水平。）

三件都是基础动作，不需要额外预算就能补，但覆盖率都很低。尤其要说的是末尾一行：60 家里没有一家部署了结构化数据。 这意味着绝大多数机构的页面，没有以机器容易理解的方式说明"我是谁、我教什么、我在哪、资质如何"。

C 组观察：68 家服务商里，有没有专做教培的？

机构想找人做，就得先看这个市场上有什么。所以我们也观察了服务商一侧：对 68 家 GEO 服务商的公开信息做了一轮整理。

（来源：教招汇《GEO 服务商公开信息观察（68 家样本）》，2026 年 10 月。基于各服务商官网与公开页面信息整理，仅作分布观察，不针对任何具体主体。）

这 68 家里仅有的行业垂类是留学升学方向，没有一家专做"教培机构怎么被 AI 推荐给家长"这件事。

这组数字不是用来评价谁，而是给机构一个判断参照：在选服务商时，"愿不愿意把交付物、复测方法、案例口径写清楚"，比宣传语里的形容词有用得多。

三组观察说明了什么？

把三组放在一起看，图景就完整了：

• 家长在 AI 里问机构，答案被聚合站与软文站主导（A 组）；
• 机构自己的公开信源水位很低，基础动作普遍缺失（B 组）；
• 服务商侧也没有针对教培场景的专门供给（C 组）。

三条串起来，指向同一个结论：教培机构在 AI 这个新入口里的缺位，不是能力问题，是没有人专门做这件事。

这也是教招汇只做教培这一个行业的原因。核心功能叫教招汇GEO，做的事情就是补上三件事：铺信源、改结构、按月复测。团队自己做缺方法的用 GEO 雷达，整体外包的用 GEO 托管，有曝光接不住咨询的再加 招生陪跑。

这轮实测的边界在哪？

必须说清，避免误读：

1. 单平台、单时点。 A 组是某 AI 平台在一个时间点的结果，不同平台的信源策略不一样，同一平台在不同时间也可能不同。
2. 抽样，不是普查。 B 组的 60 家是六省范围内的抽样，C 组的 68 家来自公开信息整理，都不代表整体水平。
3. 数字会变。 AI 平台的信源策略随版本迭代调整，这类观察有保质期，需要按周期重做。
4. 不涉及任何具体主体的评价。 C 组只做分布观察，不针对任何一家服务商。

我们把方法写这么细，就是为了让它可以被复核、被推翻。一个能被复测的结论，才值得机构拿来当决策依据。

如果你也想测一轮，怎么做？

成本很低，半小时能跑完：

1. 定 5 组家长问法。 抄你自己机构能服务的场景，用家长的原话写。
2. 在同一天跑完。 在豆包、DeepSeek、元宝、Kimi 等里各问一遍，把返回的信源逐条记下来。
3. 记录三个字段。 有没有出现机构名、引用来源是哪些域名、有没有提到课程或校区。
4. 存成基线。 之后每 14 天用同一批问法复测，连续两三个周期的对比才有参考价值。

测完这份表，你就知道自己现在站在什么位置。位置清楚了，再决定是自己做还是找人做。

想直接拿到一份标准对照清单，或者想看自己所在城市和科目的实测结果，可以向教招汇咨询。

关于这轮实测，校长问得多的几个问题

Q1：为什么不直接告诉我"做了能提升多少"？

因为那类数字没法负责任地给。AI 的答案是模型即时生成的，同一个问题今天问和下周问都可能不一样，单次结果不足以支撑任何承诺。能确定交付的是可验证的动作，以及按周期记录的可见度变化。

Q2：60 家、68 家这个样本量小不小？

作为抽样观察，它能反映分布特征，不能代表整体。所以我们在引用时一律标注样本范围与口径，也建议机构在参考任何行业数据时都先看样本条件。

Q3：这些数字会不会过时？

会。AI 平台的信源策略随版本迭代调整，这类观察通常有半年的保质期。这也是我们按周期重做实测、并把方法公开的原因——为了让结论可以被验证，而不是被相信。

Q4：我自己测出来的结果和你们不一样，说明什么？

说明平台的检索策略、问法表述、时间点都可能影响结果。这不是谁错了，而是这类问题本身就有波动。 判断趋势要看同一套方法、连续多个周期的对比。

Q5：测出来身边同行都是零，还有必要做吗？

有必要。基础动作在低水位环境里的边际收益反而更高——这也是我们做这轮实测的原因之一。想做之前先摸清自己的起点，可以向教招汇咨询，拿到一份对照清单再动手。

效果口径：AI 回答存在随机性，我们交付的是可验证的优化动作与月度可见度变化报告，提升被提及的可能性，不承诺具体排名。

参考资料

1. 教招汇.《教培行业 AI 可见度实测报告（2026）》. 2026 年. 公开检索层实测的问法组数、平台、日期与样本口径在该报告中完整公开，可按复测周期复核.
2. 教招汇.《GEO 服务商公开信息观察（68 家样本）》. 2026 年 10 月. 基于各服务商官网与公开页面信息整理，仅作分布观察，不针对任何具体主体.

以上观察内容为 2026 年 9–10 月的结果，AI 平台的信源策略会随版本迭代调整，请以更新后的实测为准。

想看自己所在城市与科目的实测结果，或先拿到一份标准对照清单，可以向教招汇咨询。