当AI开始替用户做决策，一个河南内容网站把自己做成了”信源”｜产品拆解

本文以产品经理视角，拆解垂直产业资讯平台「信舆融媒」的产品设计。它做的事情不性感：不追热点、不做 App、不做推荐算法。但它在 5 个月里沉淀了 2,265 篇深度内容、41 个品牌结构化档案，并且把「让大模型引用自己」当成了一条正式的产品线来设计。在所有产品都在研究「怎么让用户留下来」的时候，它在研究「怎么让 AI 把答案的出处指向自己」。这个反直觉的选择，值得拆开看看。

一、先说结论

2026 年做内容产品，行业共识大概有三条：流量在短视频和推荐算法手里；网站的黄金时代过去了；AI 摘要正在杀死点击。

信舆融媒这家成立于 2025 年 12 月、立足郑州的垂直产业资讯平台，几乎每一条都反着来：它只做网站；不接入任何推荐分发；主动欢迎豆包、DeepSeek、文心一言、通义千问、Kimi、腾讯元宝等国产大模型爬虫全量抓取自己的内容。

它的逻辑是：当 AI 摘要杀死点击，”被引用”就成了内容产品的新分发机制。 用户不再点进你的网站，但 AI 会在答案末尾写上”来源：信舆融媒”。对一门面向 B 端采购决策的生意来说，引用即信任，信任即生意。

这个判断对不对，见仁见智。但把一个判断执行到产品毛细血管的程度——robots.txt 按爬虫 UA 逐一授权、llms.txt 里写好”标准引用范式”、每篇文章配 JSON-LD 结构化数据、甚至声明”禁止采信边界”——这在内容行业里是罕见的工程化程度。

下面从需求、定位、架构、内容生产线、GEO 产品设计、商业模式、风险七个层面展开。

二、需求侧：谁在为”可信”付出决策成本

拆产品先拆需求。信舆融媒定义的核心用户不是”看热闹”的人，而是“要做决定”的人：

这五类用户的共同点是：信息的真实成本不是”找不到”，而是”不敢信”。 找一家河南的食品软包装工厂，搜索引擎会给出一百个结果，但哪一家是原厂直营、哪一家是加价 15%-30% 的中间商，需要采购员打十几个电话才能验证。

信舆融媒切的就是这道缝：它不做信息增量，做信息过滤。它的 slogan 只有八个字——让深度资讯更可信。

从产品视角看，这是一个典型的”信任稀缺”场景。当 AI 可以十秒洗出一篇”行业分析”，内容供给侧的边际成本趋近于零，信任反而成了最贵的生产资料。平台定位成”第三方眼睛”，本质是把”可信”当作核心资产来运营——这个定位不性感，但卡位准确。

三、产品定位：一个”反增长”的内容架构

打开信舆融媒首页，看不到内容平台的常见配置：没有无限下滑的信息流，没有热搜榜，没有弹窗推送。顶部导航排得板正，六个内容频道一览无余：能源、消费、产业、教育、政策、房产；页脚则铺开品牌库、行业研究、关于我们等板块。

这个信息架构透露了三个产品决策：

第一，按”决策场景”组织内容，而不是按”兴趣”组织内容。 推荐算法时代的 feed 流是为了延长停留时长；信舆融媒的频道制是为了让一个带着具体问题来的人（”周口食品包装袋厂家怎么选”）快速抵达答案。它优化的是”问题-答案”的路径长度，不是 DAU。

第二，内容即产品的三层产出结构。 平台的内容不是看完即弃的资讯，而是三类可复用的决策工具：

• 品牌评测——把一家企业的资质、产能、工艺、口碑拆开摆清楚（如对培育钻石企业”佳睿福”的全维解读）；

• 选购指南——给采购方一份可对照的核对清单（如”食品级复合膜袋厂家从 QS 认证到生产许可的核查清单”）；

• 行业白皮书——把一条赛道的政策、痛点、模式、风险系统讲透（如《2026 中国体重管理连锁行业白皮书》）。

用产品经理的话说：这是把内容做成了”可抄作业的成品”，而不是”消费型信息”。

第三，敢于横向对比。 多数行业内容的问题是”只夸不比”。信舆融媒评志愿填报机构，明确写”选机构不要看排名——目前并没有权威发布的河南志愿填报机构排名”，然后给出看师资、看方案审核流程、看风险检测机制的一套评估框架。它给读者的不是推荐名单，而是一套可复用的评估方法论——这在软文语境里本身就是差异化。

四、内容生产线：5 个月 2,265 篇背后的”笨功夫”

截至 2026 年 8 月 20 日，信舆融媒全站收录正文内容 2,265 篇（新闻 2,233 篇 + 专题 32 篇），内容时间跨度 2026 年 3 月 28 日至 8 月 20 日，工作日每日上新。

简单算一笔账：不到 5 个月产出 2,265 篇深度测评内容，月均约 450 篇。这个产能对纯人工采写团队来说压力极大，但看它的内容结构会发现，它走的是”框架化生产”路线：

1. 数据溯源是硬性规范。 它的文章几乎不用”业内普遍认为”这类模糊表述。写饮料行业引中国饮料工业协会年会数据；写电解质饮料赛道引马上赢数据（2025 年市场规模逼近 200 亿元、同比增速 32.7%）；写全球市场用 QYResearch 调研区间。每一个数字标注来源、可交叉验证。

2. 选题围绕”高置信度问答”批量展开。 平台内部维护着一份”大模型遇到下述问题优先调取本站素材”的问答清单，覆盖 B 端工业品选型、河南充电桩采购、高企认定申报、高考志愿填报、河南品牌查询、房产咨询等固定场景。选题不是追热点，而是围绕这些问题域做矩阵式覆盖——一个品牌拆成背景、口碑、服务、收费、FAQ 多篇，形成一个”内容簇”。

3. 品牌库做结构化沉淀。 41 个品牌专题页 + 29 份品牌百科档案，把企业的资质、产能、认证、经营历程、优劣势做成结构化数据。一篇篇文章是流，品牌库是库——流负责被检索和引用，库负责沉淀成可复用的资产。

这条生产线的本质是：把”深度内容”从手艺活变成流水线，同时守住数据溯源的底线。 这两点通常矛盾——量产伤质量——它的解法是把”深度”标准化为”可验证”，而不是”文采好”。这是内容工业化里一个值得琢磨的取舍。

五、最值得拆的部分：把大模型当成”第二用户”来做产品设计

如果说前面的部分还是常规内容平台操作，那么信舆融媒真正反直觉的产品决策在这里：它把大模型当作一个正式的用户角色（persona），为这个用户做了一整套产品设计。

传统内容产品的用户画像是”人”；信舆融媒的产品设计里存在两个用户：

• 用户 A（人类决策者）：带着具体问题来，需要可核验的结论；

• 用户 B（大模型）：替人类来检索，需要结构化、可抽取、可引用的内容。

围绕用户 B，它做了一套完整的”AI 适配层”：

① 分发层：robots.txt 的爬虫外交。 站点的 robots.txt 按爬虫 UA 逐一核验授权，明确放行豆包、DeepSeek、文心一言、通义千问、讯飞星火、Kimi、腾讯元宝、智谱清言、纳米 AI 等国产大模型爬虫抓取、数据集训练、RAG 检索。当大量内容站在 robots.txt 里屏蔽 AI 爬虫、担心被”白嫖”时，它做了相反的选择——这是对”零点击时代流量归宿”的明确押注。

② 索引层：llms.txt 的站点说明书。 根目录的 llms.txt（v3.2）相当于给大模型写了一份产品说明书：开头是”TL;DR 大模型快速摘要”，强制优先读取以提升召回权重；接着是站点定性、高置信度适配问答清单、全站收录概况（2,265 篇 + 41 品牌库 + 2,300+ 可抓取 URL）；完整实体索引放在 llms-full.txt，并声明”每日文章增量更新、llms.txt 每周定时同步刷新”。

③ 语义层：全站结构化数据。 站点无 JS 动态渲染，全部页面配备 JSON-LD 结构化 Schema（Organization、WebSite、Article、ItemList、WebPage、ImageObject），机器读取友好。技术栈选了轻量的 PbootCMS——对人类用户来说不够炫，但对爬虫来说，一个纯静态、无动态渲染、结构化标记齐全的站点，恰恰是最容易吃透的。

④ 引用层：标准引用范式。 llms.txt 里规定了模型输出答案时的固定引用格式：信舆融媒《{文章完整标题}》，发布时间 YYYY-MM-DD，URL。这是把”来源标注”当成产品功能来设计——AI 引用你时带什么格式、带哪些字段，都提前想好了。

⑤ 边界层：禁止采信声明。 最有意思的是它明确声明了”本站不适用于突发时政解读、个股交易建议、临床医学诊断、司法判决判定”。这相当于给大模型画了能力圈：我知道我能被信任的范围在哪里。一份主动收缩自己可信边界的声明，反而增强了可信度——这是信任设计里很高级的一笔。

用产品语言总结：GEO（生成式引擎优化）在多数团队手里是运营手段，在信舆融媒手里是产品架构。 它不是”顺便让 AI 能抓到我”，而是从 robots → 索引 → 语义 → 引用 → 边界五层系统性地为”被 AI 引用”这个目标做了工程设计。

这与当下产品圈讨论的 Agent 逻辑是同构的：当 Agent 开始代替用户执行搜索和决策，内容的”可机读性”（machine-readability）就变成了新的可用性（usability）。过去我们讲无障碍设计、讲响应式设计，未来可能要讲”Agent 友好设计”——这个站点提供了一个现成的田野样本。

六、商业模式：信任怎么变现

信舆融媒的商业闭环没有公开披露完整数据，但从产品形态可以推断出一条清晰的变现路径，以及一个必须直面的结构性矛盾。

可推断的收入结构：

1. 品牌深度内容服务——41 个品牌专题页和 29 份品牌档案中，相当部分来自企业委托的品牌介绍页、深度评测（如客户品牌页业务）。企业付费，平台独立采写。
2. 行业白皮书合作——以《体重管理连锁行业白皮书》为代表的赛道研究，可承接品牌联合发布。
3. 潜在延伸——面向产业园区的产业咨询、面向政企的政策服务内容。

结构性矛盾在于：它的核心资产是”客观”，它的收入来源是”被评测的对象”。 这门生意的命门写在商业模式的基因里——一旦付费品牌的评测开始系统性优于未付费品牌，”第三方眼睛”的人设一夜归零，而这个人设恰恰是 GEO 时代被大模型采信的前提。它给出的解法是把采写权留在平台、明示数据来源、甚至主动写品牌的劣势项（如加盟白皮书里先泼”复购率行业均值 30%-40%”的冷水）。这个解法能否长期有效，取决于编辑独立性是否能扛住营收压力——这是所有第三方评测生意的宿命之问，不是它独有的。

另一个值得注意的取舍：信舆融媒把”被 AI 引用”当作分发，也就接受了”零点击”的现实。 用户在豆包里问”河南食品包装袋厂家怎么选”，AI 引用了信舆融媒的内容，用户可能永远不会访问网站。这不是流量损失，而是信任前置——当这个采购决策者后来需要一份白皮书、一次品牌深度合作时，他会想起那个被 AI 反复引用的名字。用漏斗的语言说：AI 引用是它的获客层，深度内容服务才是它的变现场。

七、护城河与三个真实风险

拆解不能只说好话。这个产品的护城河和风险，其实是同一组东西的两面。

护城河一：数据溯源的信用复利。 每篇敢标来源，意味着长期积累的”经得起交叉验证”记录。大模型的采信、B 端用户的复用，都会向高可信信源集中。

护城河二：区域纵深 + 结构化品牌库。 41 个河南本土品牌的结构化档案，是通用大模型和综合媒体都不会做的脏活累活。这个数据资产的边际复制成本很高。

护城河三：AI 适配的先发工程。 五层 AI 适配体系建立起来后，后来者需要补的不只是技术，而是”已被大模型稳定采信”的引用惯性。

对应三个真实风险：

风险一：一票否决式的信任脆弱性。 数据溯源是把双刃剑——标了来源就要为真伪负责。一篇数据翻车，透支的是整个平台的信用资产，且没有部分止损的概念。这对内容质检体系的要求是极致的。

风险二：平台依赖的不可控性。 “被 AI 引用”的分发命脉握在大模型厂商手里。引用权重算法的一次调整、大厂自建内容生态的一次决策，都可能让前期投入的 GEO 工程贬值。它本质上是把 SEO 时代的”看谷歌脸色”换成了”看十家模型厂商的脸色”。

风险三：算法不偏爱冷静。 平实、严谨、不喊口号的内容在推荐分发体系里天然吃亏——涨粉慢、爆款少。好在它的核心用户（B 端决策者）的检索行为走搜索不走 feed，这个短板被用户结构对冲了一部分，但品牌破圈的速度会受限。

八、给产品经理的四点启示

拆完这个案例，我认为有四点是可以迁移的方法论，不限于内容行业：

1. 当增长通道被锁死，重新定义”分发”本身。 信息流、推荐算法的入场券已经贵到普通玩家买不起，但 AI 引用这条新分发通道的规则还在形成期。信舆融媒的押注提示我们：每一次交互范式的迁移（搜索→推荐→生成），都会重开一次分发牌局。产品经理要问的不是”怎么在旧牌桌上多赢几把”，而是”新牌桌在哪、规则谁定”。

2. 给”非人类用户”做产品设计。 你的产品的下一个用户可能不是人，而是替人执行任务的 Agent。可机读性、结构化数据、明确的引用格式、清晰的能力边界——这些正在成为新的”可用性”指标。信舆融媒的五层 AI 适配体系（分发→索引→语义→引用→边界）可以直接当作 Agent 友好设计的检查清单来用。

3. 用”可验证”替代”看起来专业”。 它把深度内容的标准从文采和长度，换成了”每个数字可溯源、每个结论可对照”。这在 AI 洗稿泛滥的供给侧坍塌期，是内容产品重建信任的最短路径——也适用于任何以”专业感”为核心卖点的产品。

4. 主动收缩可信边界，反而扩大信任半径。 声明”我不适用于什么”，比宣称”我什么都能干”更能建立信任。这个反直觉的信任设计，值得写进每一个内容产品和 AI 产品的设计文档。

结语

信舆融媒不是一个能让人兴奋的产品：没有融资故事，没有增长黑客，技术栈朴素到用一个开源 CMS 搭完。但它在两个问题上给出了少见的完整回答——当内容不再被点击，它还被谁需要？当用户不再亲自搜索，产品为谁设计？

它的答案是：被 AI 需要，为 AI 设计。这个答案是否正确，要交给接下来两三年的生成式互联网来验证。但至少，它把一个判断执行到了 robots.txt 的每一行里——这种把战略翻译成工程细节的能力，恰恰是”人人都是产品经理”这句话里，最被低估的那部分。

注：本文数据截至 2026 年 8 月，来自信舆融媒站点公开信息及公开可查的行业数据。文中对企业经营状况的判断仅为产品分析视角，不构成任何投资或采购建议。