ChatGPT 在每座城市都报同一个品牌；去网上检索的那个报出本地商家

简短回答：向 ChatGPT 问你所在城市最好的招聘机构，再就同一国家的另一座城市问同样的问题。往往是同一个名字。同一行业里，它最常报的企业在一个国家 65% 的城市里重现；在唯一一个去网上检索了网页的助手那里，为 28%。

你想知道 AI 是否推荐你的企业。这个问题假定它在看你的城市。对一部分行业，它并不看：它背诵一份全国榜单，一座城换一座城都一样。先问伦敦最好的招聘机构，再问曼彻斯特，再问利兹：在我们询问的十三座英国城市里，ChatGPT 都答 Hays。有一个助手是例外，正是回答前去网上检索的那个。

对一部分行业，AI 并不是在回答你的城市。它在背诵一份全国榜单。

测了什么

Waseit 的八项研究在每座城市、每个行业都问客户会敲下的问题：「{城市}最好的{行业}是哪些？」。对每个国家、每个行业、每个助手，我们看在该国最多城市里被报出的企业，再测它在多大比例的城市里重现。真正本地的企业只能在其经营地被报出；全国品牌、连锁或平台却可以处处重现。测量覆盖 8 个国家 89 座城市，于 2026 年 7 月 31 日至 10 月 16 日采集，每次都用该国语言。为比较三个助手，我们限定在三者都作答的唯一国家 - 法国、英国、巴西，并限定覆盖至少十座城市的行业：每个助手 49 份清单。

从回答中读取名字有个陷阱。自动抽取会把小标题（「为何被推荐」）或一条建议当成企业名，而我们只保留每条回答的前八家企业。于是我们逐一通读、剔除了这类假名字的一份封闭清单，只列经核实的企业：Hays、Robert Half、Century 21 是真实品牌，不是读取的产物。

为何同一个名字在每座城市都回来

因为一部分助手凭记忆作答。不检索地询问时，ChatGPT 和 Gemini 对某些行业会返回一份学来的榜单 - 那些大型全国网络 - 并且无论哪座城市都照样端出。我们已经展示过同样的需求问两次，清单几乎全变，那里也有一个助手脱颖而出：去网上检索的那个。这里它又一次脱颖而出：回答前读了网页的 Perplexity 不背这份榜单，它最常报的企业也只在 28% 的城市里回来，而它的回答常常报出街坊里的商家。

在榜单属于全国性的行业里，同一个名字真的处处回来。以下是 ChatGPT 在我们询问的一个国家每座城市都报出的企业。

如果你就是那家企业，这意味着什么

如果你经营一家独立机构 - 招聘、房产、会计、空调、驾校 - 并且只查一次「{你的城市}最好的{你的行业}」，你读到的清单可能和你的城市毫无关系：到处回来的那些全国网络。不是你排名靠后，而是对这个行业，助手根本没在看你的城市。所以该问的不是「我是不是第一」，而是「助手是用一份全国榜单作答，还是用我城市里的企业作答」- 若它检索网页，还要问「它读的网页提到我了吗」。你的本地存在，就在这里重新变得有用。

那么，对你的企业，助手会怎么说

这正是 Waseit 免费审计所测的：它用你的语言、就你的城市，向 ChatGPT 和 Gemini 提出你客户真正会敲下的八个问题，再加一项知名度测试，把「AI 不认识你」和「AI 认识你却不推荐你」分开。约 60 秒内，你会看到百分制评分、被摆在你位置上的竞争对手 - 包括这些处处回来的大网络、你没有出现的问题，以及哪个助手真的检索了网页而非凭记忆作答。免费，无需账号，无需银行卡；填一个邮箱只解锁竞争对手名字和行动计划。这是一张带日期的照片，不是榜单，我们不承诺任何名次。

这不能证明什么

• 从回答中读名字有风险：抽取会把小标题或一条建议当成企业，而我们每条回答只看前八个名字。我们剔除了这类假名字的一份封闭清单，只列经核实的企业，但剩下的噪声究竟占多少，我们并不知道。
• 全国品牌在每座城市都回来并不是错：一家大型招聘公司确实处处有办事处。我们不是说这些名字不好。我们是说，在这些行业里，本地企业进不了回答。
• Perplexity 只在法国、英国、巴西作答，三个助手的比较仅限这些国家。它检索网页这一点与它更本地的回答相伴，但我们并未证明这就是原因。
• 只有一次采集，时间在 2026 年 7 月 31 日至 10 月 16 日之间，经由助手的编程接口 - 它近似而非复刻消费者应用。回答一天一个样，这只是其中一张照片。
• 我们测的是城市占比，不是清单的质量。这里没说被报出的企业是城里最好的，也没说缺席的会更好。