跳到正文
研究 2026-11-01 更新于 2026-11-01 · 8 分钟阅读

2026 年 ChatGPT 推荐新加坡诊所实测:84 个患者问题的回答告诉我们什么

2026 年 ChatGPT 推荐新加坡诊所实测:28 个患者问题各问 3 次共 84 个回答,诊所官网是最大的引用来源,而每次都被推荐的诊所很少。

深色面板上由细线连起的一串点,其中一个点发出靛蓝色的光

快速结论

ChatGPT 会点名推荐新加坡的诊所:Canlah AI 于 2026 年 10 月 31 日把 28 个患者问题各问了 3 次,84 个回答中有 83 个点名了至少一家诊所,中位数是每个回答 5 家。这些回答最主要的依据是诊所自己的官网,555 条引用链接中有 250 条(45.0%)指向诊所官网,政府和监管机构页面 87 条(15.7%),Reddit 只有 1 条。

被 ChatGPT 引用的诊所官网和其他诊所网站有两处不同:89 个被引用的网站中 59.6% 在首页标注了诊所结构化数据(schema.org),而新加坡全部 1,103 个诊所网站中只有 38.7%;它们对应的 Google 地图评论数中位数是 220 条,全部网站是 93 条。它们并没有更快。回答也很不稳定:28 个问题各问 3 次,按问题分别统计一共出现了 300 个诊所名字,其中只有 40 个(13%)3 次都出现。

核心结论

  • 几乎每个患者问题,ChatGPT 都会点名诊所:84 个回答中有 83 个点名了至少一家新加坡诊所,中位数是每个回答 5 家。
  • 诊所官网是主要来源:555 条引用链接中 250 条(45.0%)指向诊所自家网站,牙科回答中最高,248 条里占 55.6%,全科回答最低,84 条里占 27.4%;政府和监管页面占 15.7%,Reddit 占 0.2%。
  • 被引用的诊所网站更常标明自己是诊所:89 个被引用的网站中 59.6% 在首页有诊所结构化数据,新加坡 1,103 个诊所网站中只有 38.7%;牙科网站是 46 个中占 60.9%,对比 258 个中占 38.0%。
  • 被引用的诊所 Google 评论更多:100 个被引用诊所网站对应的地图评论数中位数是 220 条,1,222 个诊所网站是 93 条;牙科是 344 条对 110 条。
  • 速度不是区别:被引用网站的手机 PageSpeed 实验室分数中位数是 54.5,全部诊所网站是 59。
  • 同一个问题,每次给的名单都不一样:28 个问题各问 3 次,按问题分别统计出现了 300 个诊所名字,只有 40 个(13%)每次都出现。

ChatGPT 推荐新加坡诊所时依据哪些来源

ChatGPT 推荐新加坡诊所时,最依赖的是诊所自己的官网:84 个回答引用的 555 条链接中,45.0% 指向 Canlah AI 2026 年 10 月数据中 1,287 个诊所网站里的某一个;实际比例更高,因为部分被引用的诊所不在这份数据里。

ChatGPT 回答新加坡患者问题时引用的来源,2026 年 10 月 31 日

患者问题 回答数 引用链接 诊所官网 政府与监管页面
牙科 36 248 55.6%(138) 17.7%(44)
医美 21 140 46.4%(65) 15.0%(21)
全科 15 84 27.4%(23) 9.5%(8)
全部 28 个问题 84 555 45.0%(250) 15.7%(87)

来源:Canlah AI 实测,28 个患者问题在开启联网搜索、地区设为新加坡的 ChatGPT 中各问 3 次,2026 年 10 月 31 日。「诊所官网」只计入 Canlah AI 10 月 20 日至 22 日检查过的 1,287 个诊所网站,所以是下限。「全部」一行另含 6 个理疗、中医和专科回答。

政府和监管页面多半是用来核实,而不是用来推荐:36 个牙科回答中有 27 个至少引用了一条,比如新加坡牙医理事会(SDC)、牙科专科认证委员会的名录或卫生部;21 个医美回答中有 17 个。全科回答更多引用公立医疗集群的页面和政府健康平台 HealthHub,这两类不计入表中任何一列。商业点评和名录网站在 555 条引用里只有 6 条;ChatGPT 回答代理商类问题时常读 Reddit,这次 Reddit 只有 1 条。

一项更大范围的本地商家研究也指向同一方向。BrightLocal 在 60 天里为 1,342 个商家门店跑了 200,085 次本地搜索,覆盖 ChatGPT、Google AI Mode 和 AI 概览,2026 年 9 月 16 日发布,没有单列医疗行业:被引用的域名中 93% 是商家自己的网站,占全部引用的 42%,和本文诊所官网的 45.0% 接近;ChatGPT 平均每个回答推荐 4.1 家商家,本文的中位数是 5 家诊所。

问题都按患者的问法来写:按疗程(「新加坡做隐形矫正哪位牙医好」)、按地区和营业时间(「碧山附近有没有开到深夜的全科诊所」)、按津贴(「兀兰附近的 CHAS 牙科诊所」),也有中文问法(「新加坡种植牙推荐哪家诊所」)。完整清单见文末的方法说明。

被 ChatGPT 引用的诊所官网有什么共同点

在新加坡的回答中,被 ChatGPT 引用的诊所官网在两项机器能读到的事实上更突出:首页的诊所结构化数据,以及 Google 地图评论数。速度上并不突出。

被 ChatGPT 引用的诊所网站与全部新加坡诊所网站对比,按类型

类型 组别 网站数 首页有诊所结构化数据 Google 地图评论数中位数 手机 PageSpeed 中位数(实验室)
牙科 被 ChatGPT 引用 51 46 个中 60.9% 344 55
牙科 全部诊所网站 291 258 个中 38.0% 110 61
医美 被 ChatGPT 引用 32 28 个中 60.7% 123 53.5
医美 全部诊所网站 229 199 个中 42.7% 98 59
全科 被 ChatGPT 引用 16 15 个中 53.3% 435.5 54.5
全科 全部诊所网站 170 148 个中 33.8% 127.5 59
全部诊所 被 ChatGPT 引用 100 89 个中 59.6% 220 54.5
全部诊所 全部诊所网站 1,222 1,103 个中 38.7% 93 59

来源:Canlah AI 的 ChatGPT 实测(2026 年 10 月 31 日),与 Canlah AI 对新加坡诊所首页的检查(2026 年 10 月 20 日至 22 日)对应匹配。打开报错的网站不计;结构化数据只在没有人机验证拦截、正常打开的网站上统计。评论数取链接到该网站的地图商家页。

schema.org 结构化数据是一小段代码,用机器能读懂的方式说明一家商家是什么:是 MedicalClinic 还是 Dentist,在哪个地址,几点营业,提供哪些服务。在每一类诊所中,被 ChatGPT 引用的网站带这段代码的比例都约为平均水平的 1.5 倍。这段代码本身不会让回答引用某家诊所,它的作用是让诊所是谁、提供什么不再需要猜。被引用的诊所页面大多是内页而不是首页,250 条中有 200 条(80%),其中疗程和服务页最多(105 条),其次是医生或团队页(41 条)。

在每一类诊所中,被引用诊所的评论数都更多:医美约为中位数的 1.3 倍,牙科和全科超过 3 倍,说明回答会看重诊所是否成熟。分店多的大集团会把这个数字拉高,这是相关,不是因果。新加坡牙医理事会的道德守则规定牙医不得要求或诱导患者写好评,卫生部的规定也不允许诊所转载推荐语,所以诊所能掌控的是自家网站和地图商家页信息是否准确,而不是评论。规定细节见如何对照新加坡广告规定检查诊所网站。

手机速度没有拉开差距:被引用网站的实验室分数中位数是 54.5,低于全部诊所网站的 59。网站慢照样会流失患者,但它不是决定回答点名哪些诊所的因素。

ChatGPT 推荐的诊所名单稳不稳定

ChatGPT 推荐的诊所名单每次都在变:28 个问题各问 3 次,按问题分别统计一共出现了 300 个诊所名字,其中只有 40 个(13%)3 次都出现。

诊所老板自己问一次 ChatGPT「会不会推荐我的诊所」,看到的只是一份会变动的名单中的一次抽样。回答中位数只点名 5 家,所以网站什么都没改,一家诊所也可能这次在、下次不在。要公平地判断诊所的位置,应该用同一组问题多问几次、定期复测,并按「出现在多少比例的回答里」来算,而不是只看有或没有。

这和新加坡以外一项更大的研究结论一致。SparkToro 与 Gumshoe.ai 请 600 名志愿者,把 12 个推荐类问题在 ChatGPT、Claude 和 Google 的 AI 中各跑 60 到 100 次,于 2025 年 11 月至 12 月收集了 2,961 个回答,发现 ChatGPT 或 Google 的 AI 两次给出同一份名单的概率不到百分之一。他们建议看一个品牌在多次回答中出现的比例,而不是它在名单里排第几。在他们的数据里,一家癌症医院在 71 个 ChatGPT 回答中出现了 69 次,但排第一的只有 25 次。

BrightLocal 在本地搜索里看到同样的情况:同一个问题在 ChatGPT 里重复跑,各次结果平均只有 23% 重合。

ChatGPT 的诊所推荐对新加坡诊所意味着什么

对新加坡诊所来说,ChatGPT 的诊所推荐说明,它点名之前查的主要是诊所自家的官网。所以做事的顺序是:地图商家页链接到自家网站,页面把事实写清楚,用结构化数据标注,再用重复提问来衡量。

新加坡诊所可以着手的事,依据 2026 年 10 月的数据

步骤 做什么 数据怎么说
1 让 Google 地图商家页链接到一个能打开的自家网站 ChatGPT 诊所回答中 45.0% 的引用指向诊所官网;新加坡 3,145 个诊所商家页中 21.0% 没有自家网站
2 用平实、客观的语言写疗程页、医生页和价格页 被引用的 250 个诊所页面中 200 个(80%)是内页,以疗程页和医生页为主;卫生部规定内容必须客观
3 加上诊所结构化数据 被引用网站中 59.6% 有,全部诊所网站中 38.7% 有
4 保持地图商家页的名称、地址、营业时间和类别准确 被引用诊所的评论数中位数是 220 条,全部是 93 条;商家页是回答会读的记录
5 用重复提问来衡量,而不是只查一次 同一问题问一次时被点名的诊所,只有 13% 在 3 次里都出现

来源:Canlah AI 的 ChatGPT 实测(2026 年 10 月 31 日),以及 Canlah AI 对新加坡诊所商家页和首页的检查(2026 年 10 月 20 日至 22 日)。

没有网站、没有结构化数据、没有 meta description 这些网站基础问题,按类型的统计见2026 年新加坡诊所网站实测;诊所的做法见如何用 GEO 让新加坡诊所被 ChatGPT 推荐。

Canlah AI 在诊所 AI 可见度中的位置

Canlah AI 是一家总部在新加坡的 SEO + GEO 服务商,用中英文双语测量 AI 回答点名一家商家的频率,并把它做上去。对诊所来说,它最适用的场景,是想知道 ChatGPT 和 Google 的 AI 回答在诊所所做的疗程上会不会点名它、点名多频繁。

它的 GEO 服务按 AI 平台计价:起步档每月 $1,500 起,覆盖 ChatGPT 上的 4 个买家问题;增长档每月 $3,000 起,加上 Google AI Overviews,覆盖 8 个;全面档为定制方案,再加上 Google AI Mode 与 Gemini,覆盖 16 个(见 定价)。每个买家问题用 5–10 种真实问法提问,每月对照开工前的基线复测,上面那种不稳定就是这样处理的。书面验收线是「AI 提到你的次数,比你开工前的基线至少多 30%,每个月用同一批买家问题复测」,不承诺名次。诊所这项工作在卫生部广告规定内具体做什么,见诊所 SEO 页,牙科诊所另见牙科 SEO 页。

常见问题

ChatGPT 会推荐新加坡的具体诊所吗?

会。Canlah AI 于 2026 年 10 月 31 日把 28 个新加坡患者问题各问 3 次,84 个 ChatGPT 回答中有 83 个点名了至少一家诊所,中位数是每个回答 5 家。回答最主要的依据是诊所官网,占 555 条引用链接的 45.0%。

ChatGPT 怎么决定推荐哪些诊所?

ChatGPT 会联网搜索,再根据搜到的内容组织回答,主要是诊所官网,另外用政府和监管页面做核实。在 Canlah AI 2026 年 10 月的实测中,被它引用的诊所网站更常带诊所结构化数据(89 个中 59.6%,全部 1,103 个诊所网站中 38.7%),Google 评论也更多(中位数 220 条对 93 条)。这些是相关性,不是 ChatGPT 公布的规则。

为什么每次问 ChatGPT,推荐的诊所都不一样?

每个回答都会重新联网搜索,再从搜到的诊所中挑几家,所以每次问名单都会变。在 Canlah AI 的实测中,同一组问题问 3 次,出现过的 300 个诊所名字中只有 40 个(13%)每次都出现,所以只查一次说明不了一家诊所的位置。

方法与局限

28 个问题覆盖牙科(10 个)、医美(6 个)、全科(5 个)、理疗、中医与专科(4 个),以及中文的牙科和医美问题(3 个),都按患者的问法来写,多数带疗程或新加坡的地区。每个问题于 2026 年 10 月 31 日通过 OpenAI API 各问 3 次,模型为 gpt-5.5,开启联网搜索工具,地区设为新加坡附近,共 84 个回答。引用链接指回答正文中标注出处的链接;ChatGPT 读过但没有引用的页面不计。

诊所名称由语言模型从每个回答中提取,并抽样人工核对;网站对比不依赖这一步,因为它是把被引用链接的域名与 Canlah AI 2026 年 10 月 20 日至 22 日对新加坡诊所首页的检查结果对应。那次检查、其中的 3,145 个私立诊所 Google 地图商家页和 1,287 个自家网站,沿用2026 年新加坡诊所网站实测的口径:美容院、公立机构和未分类的商家页不计;每个网站只算一次;结构化数据只在没有人机验证拦截、正常打开的网站上统计;评论数取链接到该网站的地图商家页。

这里的对比是被引用网站与其特征之间的相关,不能证明某个特征导致了引用;分店多的诊所集团往往评论数多、网站也做得好。一个日期、一个模型、每个问题问 3 次,只是一次快照;与 SparkToro 建议的每个问题跑 60 到 100 次相比,3 次是很小的样本,所以 13% 这个数说明的是波动有多大,而不是哪家诊所的确切位置;换一天、换一个 AI 助手,同样的问题会得到不同的回答。文中没有点名任何诊所或集团。

相关阅读

免费白皮书

智能体时代的营销

13 章全文公开,不设邮箱门。含 50 家跨境 DTC 品牌智能体就绪度的原创数据集。

免费读全文 →