要点速览
- 2026 年 5 月，中国 AI 原生 App 月活用户达到 4.99 亿，同比增长 85.4%。同月，传统搜索的人均使用次数同比下降 19.1%。
- 小红书早已是一个搜索引擎：超过 70% 的月活用户会使用站内搜索。如今，它的 AI 功能“问一问”会直接用文字回答搜索，而答案只取材于站内的笔记。
- 高校招生最先感受到这一变化。中国申请人如今更看重就业、工作签证和成本，而这些恰恰是人们最常交给 AI 助手去排序比较的问题。
- 效果可以被测量。在一次诊断中，一所商学院自己的官网在中文 AI 模型里被引用了 0 次；在另一个案例中，为一个申请人人设撰写的 10 篇文章，让新加坡管理大学（SMU）的 AI 可见度得分在七天内从 69.1 升至 77.2。
本文的分析内容来源于Jeffery 洞察引擎——我们用于舆情监测与行业研究洞察的研究引擎。文中所有第三方数据都在出现处附上链接，并在文末完整列出。
设想一位上海的金融专业大四学生，离申请截止还有一个月。几年前，流程很简单：在搜索引擎里输入关键词，打开一张排名表和十几个项目官网，再自己动手整理出一份短名单。
今天，这位学生更可能直接问豆包或 DeepSeek 一个问题：“把新加坡、香港和澳大利亚的金融硕士，按前台就业去向、校友资源和工作签证排个名，告诉我先投哪几个。”然后打开小红书，看看和自己情况相似的同学怎么评价排在前两位的项目。项目官网要到后面才会被打开——前提是这个项目还留在名单上。
本文从三个问题切入：从“搜索”到“提问”的转变是真实的趋势，还是个别现象？小红书在其中扮演什么角色？对在中国招生的高校来说，哪些做法真正奏效？
过去的路径是这样的：
- 搜索引擎
- 排名榜单
- 项目官网
- 咨询
如今，越来越多是这样的：
- 问 AI 助手
- 上小红书验证
- 项目官网
- 咨询
1. 数据：人们正在用“问”代替“搜”
向 AI 答案的迁移，已经体现在真实的使用数据里，而不只停留在意向调查中。
根据 QuestMobile 2026 年一季度 AI 应用洞察，截至 2026 年 3 月，中国 AI 原生 App 月活用户规模已达 4.4 亿。前三名分别是豆包（3.45 亿）、通义千问（1.66 亿）和 DeepSeek（1.27 亿），整个行业单季度新增用户超过 1.3 亿。
两个月后，QuestMobile 2026 年 AI 应用市场发展半年报显示，这一数字升至 4.99 亿，同比增长 85.4%，人均每月使用 92.7 次。同一份报告也记录了变化的另一面：2026 年 5 月，传统搜索行业的人均使用次数同比下降 19.1%，人均使用时长同比下降 13.5%。
| 指标 | 数据 | 时间 |
|---|---|---|
| 中国 AI 原生 App 月活用户 | 4.4 亿 | 2026 年 3 月 |
| 豆包 · 通义千问 · DeepSeek 月活用户 | 3.45 亿 · 1.66 亿 · 1.27 亿 | 2026 年 3 月 |
| 中国 AI 原生 App 月活用户 | 4.99 亿（同比 +85.4%） | 2026 年 5 月 |
| AI 原生 App 人均月使用次数 | 92.7 | 2026 年 5 月 |
| 传统搜索：人均使用次数 | 同比 −19.1% | 2026 年 5 月 |
| 传统搜索：人均使用时长 | 同比 −13.5% | 2026 年 5 月 |
搜索并没有消失，正在迁移的是决策的第一步。搜索引擎给出一串链接，把比较的工作留给用户；AI 助手替用户完成比较，直接给出结论。对品牌来说，最现实的区别是：这里没有“第二页”可排——你要么出现在答案里，要么不在。
2. 小红书：一个长得像社交 App 的搜索引擎
对许多中国年轻用户来说，“直接要答案”的习惯早在 AI 助手出现之前，就已经在小红书上养成了。
小红书常被归为社交媒体，但它的使用数据给出了不同的答案。Fashion China Agency 的 2026 年小红书数据汇总（基于 2025 年数据）显示：小红书日搜索量超过 10 亿次，约一半流量来自搜索，70% 的月活用户会使用搜索。2026 年 5 月，晚点 LatePost 报道小红书国内月活已超过 4 亿、日活超过 1.7 亿（据 36 氪转引）；同一篇文章还提到，超过 70% 的月活用户会使用站内搜索。
它的用户也和研究生招生的目标人群高度重合。同样根据 Fashion China Agency 的数据汇总，超过 43% 的用户年龄在 18–24 岁，超过 36% 在 25–34 岁，66% 生活在一线和新一线城市。AppleWorld 的描述也类似：人们用它搜索真实的生活建议，品牌也围绕这一点来经营。
如今，有两股力量正把小红书和 AI 答案拉到一起：
- 在小红书内部，答案正在变成 AI 答案。小红书“问一问”会用一段文字直接回答搜索，素材只来自站内的笔记和评论。学校的官网、媒体报道和排名，根本不在它的语料里。
- 在小红书外部，AI 助手正在接管“刷笔记”这件事。36 氪的分析描述了这样的场景：用户不再逐篇翻看笔记，而是直接问豆包要推荐，一次浏览被压缩到几秒钟。文章还提到，截至 2026 年 4 月，小红书的独立 AI App“点点”在 App Store 下载榜上仅排第 186 位。
无论哪一种，笔记都在变成原材料，AI 答案正在成为用户面对的界面。小红书上的竞争，正在从信息流转向答案层。
3. 为什么高校招生最先感受到变化
QS 国际学生调查 2026 中国报告揭示了中国申请人做决策的两个特点。
他们信任的信息来源，正是 AI 读取的信息来源。对他们影响最大的信息来源依次是：
- 大学官网：73%
- 排名：65%
- 社交媒体：61%
- 留学中介：41%
- 家人和朋友：39%
他们问的问题，已经变成了比较题。与 2022 年相比，毕业后工作签证的重要性上升了 14 个百分点，毕业生就业上升了 11 个百分点；看重成本的学生占 38%，2022 年这一比例为 30%。而一个国家作为留学目的地的整体声誉，重要性下降了 15 个百分点。
把这两点放在一起，就得到了申请人如今交给 AI 助手的那类问题：“按就业结果、工作签证和总成本，给这几个项目排个名。”这类问题涉及多个因素，需要信息来源支撑，最后只返回一个综合答案。而这个答案取材于哪些来源，取决于它是在哪里被问到的：
| 环境 | 答案取材于哪里 | 内容需要出现在哪里 |
|---|---|---|
| 中文开放网络 豆包 · DeepSeek · 通义千问 | 在各自母公司生态的内容之上，叠加开放网络检索 | 第三方内容平台、长篇问答、结构化的官网内容 |
| 国际开放网络 ChatGPT · Claude · Gemini | 官网、权威媒体和排名，按可信度加权 | 英文 FAQ 与结构化数据、排名与院校目录、行业媒体、社区 |
| 封闭平台 小红书“问一问” · 腾讯元宝 | 只取材于平台自身生态内的内容 | 只能在平台内部：创作者与用户的内容。在别处发布的内容进不来。 |
4. 我们在教育行业看到了什么
案例 A：综合排名第一的项目，AI 却是通过别人的页面读懂它的
2026 年，我们为亚洲一所商学院的金融硕士项目做了一次诊断。我们设计了 30 个不含品牌词的问题（五个申请人人设，每个人设两种情境，每种情境三个问题），在三个国际 AI 模型和三个中文 AI 模型上重复提问，并与学校指定的四个竞争项目做对比。
综合 AI 可见度得分为 74.98，在五个项目中排名第一。但平均分掩盖了两个问题：
- 一个人设在一条轨道上明显落后。在国际模型上，“职场新人会计师”这一人设只得到 32.6 分，落后于两个竞争对手的 50.2 分和 47.3 分。
- 在中文模型上，学校自己的官网被引用了 0 次。被引用最多的是第三方教育与内容平台：liuxue.xdf.cn（208 次）、m.sohu.com（116 次）、news.koolearn.com（89 次）、baijiahao.baidu.com（68 次）和 m.toutiao.com（63 次）。在国际模型上，排在首位的是一个院校目录网站（best-masters.com，166 次），另有三个竞争对手的官网，被引用次数都多于这所学校自己的官网。
问题不在内容质量，而在内容放错了地方。在中文轨上，学校在自己官网和公众号上发布的内容，根本不是 AI 去找答案的地方。
案例 B：新加坡管理大学（SMU），为一位申请人写的 10 篇文章，七天见效
在新加坡管理大学应用金融硕士（MAF）的项目中，我们选定了一个人设：一位来自上海、目标是投行前台岗位、申请截止在即的金融专业本科生。在四个中文模型上，基线得分为 69.1；对这位申请人来说，南洋理工大学排在 SMU 前面。
我们在今日头条、抖音、搜狐、哔哩哔哩和知乎发布了 10 篇文章——这些正是基线显示这几个模型会引用的平台——而 SMU 的官网一字未改。七天内，得分从 69.1 → 71.1 → 73.8 → 77.2 持续上升，在目标人设下 SMU 超过了南洋理工大学。10 篇文章中有 5 篇被引用为信息来源：豆包引用 4 篇，DeepSeek 引用 1 篇。而且它们只在这个人设的问题下被引用，其余四个人设的问题下一次都没有。阅读 SMU 完整案例。
案例 C：在小红书内部，攻略胜过故事，引用会快速衰减
我们最清晰的封闭平台证据来自旅游行业而非教育，但背后的机制是相通的。在小红书“问一问”上，为一个游客人设撰写的 20 篇攻略型笔记，让客户从答案中缺席变为被推荐、被引用。在内容结构指数上，结构化攻略得分 70，个人经历类笔记得分 55；而发布后 72 小时内，笔记进入答案池的比例下降了 67%。阅读小红书案例。
在教育行业，缺口往往出现得更早。2026 年，我们梳理一所新加坡研究生院在小红书上的呈现时发现：搜索它的名字，能看到在读生、毕业生和留学中介持续发布的笔记，却完全没有官方内容。整体口碑是正面的，缺的是对申请人真正卡住的那个问题的回答：“学校是好，但我该选哪个项目？”兴趣已经被激发，最后一步却没有人接住。
5. 这对招生与市场团队意味着什么
- 测量答案，而不是网页。先做一次基线诊断：弄清你的申请人人设、他们在不提你名字时会问的问题，以及 AI 把你放在和真实竞争项目相比的什么位置。
- 发布之前，先弄清每个模型读什么。中文模型、国际模型和小红书“问一问”取材于不同的来源。用一套内容方案覆盖三者，意味着其中两个环境的投入都花错了地方。
- 为比较题而写。给出关于就业、工作签证和总成本的可核实数据，并坦白说明项目不适合哪些人。这正是模型会引用的证据。
- 把小红书同时当作搜索引擎和答案引擎来经营。你需要足够多的攻略型内容，覆盖申请人会搜的问题；还要持续发布，因为引用会衰减。
- 每月在同一基准上复测。用同样的问题、同样的模型，对比结果。仅模型更新本身就可能让分数变化，所以一张截图说明不了什么。
JefurryAxis 如何帮助你
JefurryAxis 是 Jeffery Asia 旗下的 AI 可见度平台，建立在 Kurt Lewin 的行为方程 B = f(P, E) 之上：一个人会问什么，取决于提问的人是谁，以及此刻所处的情境。所以我们不从关键词出发，而是从你的申请人、以及他们正在经历的那几周出发。
- 检测引擎：根据你自己的资料构建人设，生成他们在不提你名字时会问的问题；在国际和中文模型上反复采样答案，并通过团队协助的检测覆盖小红书“问一问”与腾讯元宝。最终得到对标竞争对手的 AI 可见度得分，以及每个模型实际引用的来源。
- 优化引擎：把检测发现转化为针对具体人设撰写的内容，发布前先评分，并投放到模型真正会读取的地方。
- 增长引擎：由 Jeffery Asia 团队在自有、赢得与社交渠道（包括小红书创作者）分发内容，并每月在不变的基准上复测。
为什么选择 JefurryAxis：
- 看人设，而不只看品牌。我们会告诉你赢下了哪些申请人、输掉了哪些申请人，而不是给一个把两者都掩盖掉的平均分。
- 双轨评分，从不混合平均。中文模型与国际模型分开计分，因为它们读取的来源不同。
- 覆盖封闭平台。小红书“问一问”按它自己的规则单独测量、单独优化。
- 经过检验的方法。基于人设的方法已写成论文《Persona-Driven AI Engine Optimization in Zero-Click Search》，经同行评审，获 ANZMAC 2026 接收并受邀作口头报告。
- 坦诚说明边界。我们不承诺保证被引用或保证排名。我们承诺的是：在指定人设上可测量的变化，以及你可以自行复测的证据。
想知道你的项目今天在 AI 回答里处于什么位置？联系我们的销售团队。我们会基于你的申请者人设，在他们常用的模型上跑一次基线，并告诉你从哪里入手。
关于数据：Jeffery 洞察引擎
本文的分析基于Jeffery 洞察引擎——Jeffery Asia 用于舆情监测与行业研究洞察的研究引擎。它每天追踪市场、政策、竞争对手和社交媒体信号（包括小红书上的讨论），并把它们转化为每一次 JefurryAxis 检测中的情境（E）部分。因此，我们测试的问题会随着申请人这一周的变化而更新，而不是停留在去年的需求说明里。
第三方数据均在出现处附上链接，并列于下方。案例数据来自 Jeffery Asia 自己的客户项目，其中案例 A 已做匿名处理。
资料来源
- QuestMobile，《2026 年一季度 AI 应用洞察》，2026 年 4 月 21 日。
- QuestMobile，《2026 年 AI 应用市场发展半年报》，2026 年 7 月 14 日。
- Fashion China Agency，Latest Xiaohongshu (RedNote) Statistics (2026)，2026 年 4 月 10 日。
- 36 氪（转载自 TopKlout），Xiaohongshu urgently needs a “second growth curve”（英文版），2026 年 7 月 16 日。月活与日活数据引自晚点 LatePost。
- AppleWorld.Today，What Is RedNote, and How Do Brands Use It?，2026 年 7 月 10 日。
- QS，Student mobility and motivation: China，QS 国际学生调查 2026。