如何检查 AI 助手是否推荐本地商家（法、荷、英）

我在卢森堡工作多年，那里的客户可以在同一场会议中从法语切换到德语再切换到英语（而无人对此感到惊讶）。因此，当我开始衡量 AI 助手推荐哪些企业时，我首先想知道的问题很简单：当仅改变提问语言时，答案会发生变化吗？

我所测量的内容

2026 年 9 月底，我在四个城市向同一类买家提出问题：蒙特利尔、布鲁塞尔、卢森堡和巴黎。城市相同，需求相同，模型相同。唯一变化的是语言。

• 7 款具备网页搜索功能的 AI 模型：ChatGPT、Claude、Gemini、Perplexity、Grok、Mistral 以及当时的 DeepSeek（Muse Spark 随后取代了 DeepSeek）。
• 8 个关于“提及角度”（即是否提及该企业名称）的买家问题，这些问题是按照各城市、各语言下买家的实际口吻撰写的，而非逐字翻译。
• 每个企业一个数据点：在收到的回答中，有多少个回答提到了该企业。

结果回顾

有三点令我惊讶：

1. 在同一座城市中，一家企业可能在一种语言中领先，而在另一种语言中却完全缺席。在蒙特利尔，那家被英语回答提及 16 次的保险经纪商，在法语回答中从未被提及。
2. 在巴黎，情况是双向的。Laforêt 在法语中占优。Paris Property Group 在英语中占优，且在法语中缺席。
3. 在卢森堡，每种语言都将不同的经纪商排在首位：Weicker & Co 在法语中第一，OCA 在英语中第一，IBG 在德语中第一。

如果你的客户使用多种语言进行销售，仅检查一种语言只能告诉你故事的一半（有时甚至不到一半）。

自己动手做

API 调用只是简单部分。协议才是让数据具有意义的关键。

1. 用每种语言以买家口吻撰写问题。直译往往听起来不自然，而不自然的问题会得到不同的回答。如果可能，请教母语人士。

1. 绝不要在问题中放入企业名称。你想了解的是模型是否会自行提及该企业。

1. 询问多个模型，并开启网页搜索功能。每个模型都有自己的信息来源，因此单个模型的回答仅是个例。

1. 统计回答数量，而非排名。“在 56 个回答中有 16 次被提及”易于核查且易于复现。

1. 在宣称任何变化之前，先测量噪音。10 月 8 日，我在蒙特利尔同一天两次向相同的模型提出相同的问题，并开启网页搜索。某企业的提及次数在 56 次回答中最多变动了 5 次。因此，当我在 30 天后重新测量时，只有当变动幅度超过这一范围，且该企业至少被提及 5 次时，我才将其视为变化。

1. 记录所有日期。AI 的回答每天都可能变化。没有日期的数字只是谣言。

以下是步骤 1 至 3 基于 OpenRouter 的最小化版本（每种语言一个模型、一个问题）：

import os
import requests

API = "https://openrouter.ai/api/v1/chat/completions"
KEY = os.environ["OPENROUTER_API_KEY"]
MODEL = "your-model-id:online"  # ":online" 在 OpenRouter 上开启网页搜索

QUESTIONS = {
    "fr": "Quel courtier en assurance me conseillez-vous à Bruxelles ?",
    "nl": "Welke verzekeringsmakelaar raad je aan in Brussel?",
    "en": "Which insurance broker would you recommend in Brussels?",
}
BUSINESS = "Yago"

for lang, question in QUESTIONS.items():
    response = requests.post(
        API,
        headers={"Authorization": f"Bearer {KEY}"},
        json={"model": MODEL, "messages": [{"role": "user", "content": question}]},
        timeout=120,
    )
    answer = response.json()["choices"][0]["message"]["content"]
    print(lang, BUSINESS.lower() in answer.lower())

多运行几次，你就能亲眼看到第 5 步中的噪音。然后乘以模型、问题和语言的数量，你就明白为什么我停止手动操作了 ;-)

局限性

• 为期一个月（2026 年 9 月），四个城市，少数几个行业。这些数字描述的是那个时刻的情况，而非普遍规则。
• 收到的答案因模型和语言而异（这就是为什么总数是 50 到 56，而不是总是 56）。
• 网络搜索取决于每个模型当天找到的内容。我会重新测量相同的问题，以观察变化。

数据

我发布了完整的表格，包含每次测量的日期：vectorgap.ai/multilingual-ai-visibility。如果你撰写关于多语言 AI 可见性的文章，可以复用这些数据，但需附上链接。

如果你与使用两种语言销售的客户合作，我很想知道：你是否也看到了同样的差距？请在评论区告诉我。