小语种内容写的外国是谁？30门里21门第一名是美国，可份额只有一成五

摘要：三十门语言各抽两百二十条公共内容，把判定为外国的那一堆按国别数一遍，看这门语言的读者心里的外部世界是谁。第一版结果是乌兹别克语指向美国、越南语指向法国、缅甸语指向日本，打开一看全是美国小镇、法国市镇、日本火车站——机器导进来的地名表。剔掉这类名录之后重算，三十门里有二十一门第一名是美国，但份额只有15% 到23%，那不是参照国，那是全球背景板。真正有参照国的是老挝语指向泰国38%、尼泊尔语指向印度29% 这几门。判读看份额不看名次。

你写的案例都拿美国举例，这门语言的读者心里的外国是美国吗？

默认参照系是从哪儿来的

做出海内容的人有一个共同的默认设置：讲到“国外”的时候，脑子里浮出来的是美国。价格拿美元换算，竞品拿美国品牌，案例拿硅谷公司。

这个默认不是谁定的，是英语内容生态长期训练出来的。你读的资料是英语的，你参考的案例是英语的，写小语种内容的时候顺手就带过去了。

但读你内容的那个人不是在英语生态里长大的。他心里的“外国”是哪个国家，取决于他这一辈子读到的内容里外国是谁。

这个默认设置很难自查，因为它不表现为一个决定，而表现为一次都没被讨论过。写稿的人顺手举了个例子，审稿的人觉得没问题，译者照着翻了，谁都没停下来问一句这个例子对不对。

更隐蔽的是它会自我加强。你的英文站积累了一批以美国为参照的内容，翻译的时候整批平移过去，于是这门语言下你所有的页面共享同一套参照物，读者感受到的是一致的疏离感。

顺带说一句，这个问题不只出现在跨语言的场合。同一门语言里做不同地区的内容，也会带着总部那边的参照系过去，只是没有跨语言时那么刺眼。

本站上一篇量的是这门语言的内容里有多少写的是本地的事，这一篇接着量剩下那部分写的是哪儿。

这件事能量出来

一门语言的公共内容池子里，凡是讲外国的那部分，讲的是哪几个国家，是可以逐条数出来的。数完之后你就拿到了这门语言的参照系。

这个数不是民调，不是问“你最关注哪个国家”，而是直接看这门语言实际写下来的东西。写出来的比说出来的可靠。

方法跟上一篇是同一套，一次采集两列：那一篇取的是本地占多少，这一篇取的是外部那部分的国别分布。

量的对象是公共内容而不是商业内容，这一点要先讲明白。它反映的是这门语言的读者长期读到的知识背景，不是他们买东西时的比价对象。前者影响的是代入感，后者影响的是决策，两件事都重要但不是一回事。

好处是这个数可以回到任意一个历史时点，也可以横向比三十门语言。你自己的品类没法这么比，因为没有哪个工具会给你按语言拆开的题材构成。

我把三十门语言各抽了两百二十条，时点截到2022年6月底，判定每条讲的是哪个国家。这一篇用的是判为外国的那一堆。

跟内容里有多少是从别的语言搬来的那次一样，一次采集两列，方法完全共用。

为什么这个数值得单独看一次

因为它改的东西很具体：案例举谁、对比表放谁、价格拿哪儿当基准、外链引哪家机构。这四处只要错了参照国，读者的第一反应就是这篇不是给我写的。

而且这四处的修改成本几乎为零，就是换一批名字，不需要重写。收益却是整篇内容的代入感。

还有一个不那么直接但影响更大的地方：写作时的默认知识背景。你假设读者知道某个国家的什么事，这个假设错了，整段解释就得从头讲，或者干脆讲不通。

举个具体的：讲物流时效的时候拿本地读者熟悉的邻国当参照，一句话就说清了；拿一个他没概念的国家当参照，你得先解释那个国家有多大、快递一般几天，读者读到第三句就走了。

本文谈什么、不谈什么

谈的是内容池子里外国那部分的国别构成，以及它对内容写法的影响。不谈用户实际住在哪个国家，那是市场资产的问题；也不谈同一门语言在不同国家的用词差别，那是语言层的问题。

一句话划界：这里问的是这门语言在写谁，不是这门语言在被谁读。

另外不谈的还有一项：这门语言的读者对某个国家的态度是好是坏。数据只能告诉你写了多少，告诉不了写的是褒是贬。做内容的时候用的是熟悉度这一层，不是好感度那一层。

还有一句要说在前面：这份数只能告诉你方向，给不了精确值。看到16% 和18% 的差别不用当回事，看到8% 和38% 的差别才该动作。

读者散在哪几个国家是另一条线，西班牙语那一门跨二十个国家那篇算的是那笔账。

“外部指向”这个数怎么算，分母是哪些条目？

先把三类条目分开

把抽到的条目按国别分成三堆：判定为这门语言主要使用国的，判定为别的国家的，还有判不出国别的。第三堆里有日期页、年份页、生物分类、数学概念这些本来就没有国别的东西。

这一篇只用第二堆。分母是判定为外国的全部条目，分子是其中指向某一个具体国家的条目数。分母不含本地那一堆，也不含判不出的那一堆。

为什么不把本地那堆算进分母：因为要回答的问题是“往外看的时候看的是谁”，本地那部分是“往内看”，混进来只会把所有语言的第一名都变成它自己。

分成三堆之后还有一个用法：三堆的比例本身能说明这门语言的内容结构。本地那堆厚说明社群在写自己的事，判不出那堆厚说明这门语言在结构化数据这一层被照顾得少。

这一篇只用中间那一堆，但看数的时候三个数一起摆着更容易发现异常。某门语言的外部堆特别大而本地堆特别小，多半是被灌了什么东西。

三堆的比例在三十门语言之间差得很大。判得出国别的从三成到八成，剩下那部分是日期页、年份页、生物分类单元、数学概念这类本来就没国别的东西。

判不出国别的那一堆里有一部分是数据缺失，这一点在上一篇里有完整的偏差自查。

判国别用的是数据项上的国家属性与国籍属性，前者管地点机构作品，后者管人物。

多国语言怎么算本地

有几门语言不止一个主要使用国。斯瓦希里语在坦桑尼亚、肯尼亚、乌干达、刚果东部都用；泰米尔语在印度、斯里兰卡、新加坡、马来西亚都用；豪萨语跨尼日利亚和尼日尔。

这些语言的本地国是一组而不是一个，命中任何一个都算本地。这么算会让它们的外部指向偏少一点，但反过来算会更糟——把肯尼亚算成斯瓦希里语的“外国”显然不对。

做对照的几门大语言同理：德语算德国、奥地利、瑞士，荷兰语算荷兰和比利时，英语算六个主要英语国家。

还有一类边界情况是历史上的同一个地方今天分成了几个国家，或者反过来。这类我按今天的行政归属处理，能对上一个国家的就并进去，跨多国的单列。

这套处理会引入一点主观性，所以我把并了哪些、单列了哪些都写出来了。你如果不同意某一条，把它挪到另一边重算，多数语言的结论不会变。

英语这一门我算了六个国家：英国、美国、澳大利亚、加拿大、爱尔兰、新西兰。范围比谁都宽，所以它的外部那一堆是全表最小的之一。

一门语言在哪几个地区被使用，可以查语言与地区的对照表，里面连各地区的使用人口比例都有。

集中度用第一名的份额，不用信息熵

第一名占外部条目的比例，就是这门语言往外看时的集中度。这个数越高，说明这门语言眼里的“外面”越是某一个具体的国家。

本来想用信息熵，算完发现它对长尾里的小国太敏感，两门语言熵差不多但第一名完全不同的情况经常出现。改用第一名份额之后，读数跟实际翻条目看到的感受一致得多。

这不是说熵没用，是说这里要回答的问题是“有没有一个压倒性的参照国”，第一名份额直接就是这个问题的答案。

换尺子这件事在这个项目上已经发生过好几次了，规律是一样的：一把尺子在个别样本上给出明显反常的读数，多半不是那几个样本特殊，是这把尺子测的不是你想要的东西。

第一名份额还有个实际好处：它能直接翻译成动作。份额高就用它，份额低就别硬挑，中间那一档看品类。信息熵给不出这种直接的对应。

还有一个更简单的替代方案是前三名合计占比，我也算了，跟第一名份额的排序几乎一致，就没单独报。

样本量决定了能说到多细

每门语言抽220条，判得出国别的通常在八十到一百三十条之间，其中外部的又只占一部分。这个量足够看出第一名是谁，不足以给第七名排序。

所以文章里只报每门语言的前三名和第一名的份额，长尾不展开。看到某个数字很小的时候，先想一下它背后可能只有两三条。

缅甸语只剩二十一条这件事本身也是信息：它57% 的内容是名录型，剔完之后能用的部分很薄。一门语言的样本在剔名录之后掉得越狠，说明它的内容池子越虚。

抽样走的是页面属性接口，一次问五十个页面编号，只留正文命名空间且有数据项的。

第一版算出来的第一名，为什么全是假的？

三个说得通的结论

按上面的方法把三十门语言跑完，第一版结果是这样的：乌兹别克语指向美国，越南语指向法国，缅甸语指向日本，马其顿语指向德国。

每一条我都能当场编出一套解释。乌兹别克斯坦有大量劳务移民，越南和法国有殖民史，缅甸和日本历史往来密切，马其顿有大批劳工在德国。

听起来都很顺。这正是最危险的地方——一个结论如果每一条都能解释得通，你就该怀疑自己量的根本不是那个东西。

这种时候最容易犯的错是先写结论再找证据。四条解释都成立，随便挑一条写进文章，读者也挑不出毛病，因为它跟常识完全吻合。

拦住我的其实是第四条：马其顿语指向德国17%，这个数比它指向邻国希腊的还高，跟我在巴尔干那几个市场的实际观感对不上。一处对不上，就得把四处都翻一遍。

这件事之前在这个项目上发生过：一个算出来的方向刚好符合预期，回头一查是口径错了。所以现在的习惯是，越顺的结论越要打开原始记录看。

这跟品类词缺口那次的滞后天数是同一种翻车方式：算出来的方向刚好符合直觉，实际上口径就是错的。

打开条目看一眼

乌兹别克语那批判为美国的条目，标题是Donaldson（阿肯色州）、Ekwok（阿拉斯加州）、Remerton（佐治亚州）这类小镇，一水儿的美国乡村。

越南语那批判为法国的，是清一色的法国市镇：Fixem、Jonage、Caligny、Truttemer-le-Grand。缅甸语那批判为日本的，是日本的火车站和町村。

没有哪个乌兹别克读者关心阿肯色州的Donaldson有多少人口。这些条目是从一份现成的行政区划表里一行一条导进来的。

这一步只花了十分钟。把每门语言判为第一名的条目按标题列出来，扫一眼就看出来了——同一种命名格式重复几十遍，那不是人写的。

顺带一提，这个检查对任何一份看起来很整齐的统计都适用：把最集中的那一格里的原始记录打印二十条出来看，比多跑三个模型有用。

标题连翻译都没做

还有一个特征把这件事钉死了：这些条目的标题是拉丁字母原样写的，乌兹别克语版直接写着Saint-Étienne-sur-Usson，一个西里尔字母都没有。

连搬运的人都没打算让本地读者读它。它存在的意义是把页面总数推上去，不是给谁看的。

所以第一版量到的不是这门语言在看哪个国家，是哪个国家的表格被跑过一遍。尺子测的东西跟我想测的完全不是一回事。

这个特征还能反过来当筛子用。做竞品内容盘点的时候，如果对手站上一批页面的标题保留着源语言的写法，那批页面多半也是批量生成的，不用当成真正的竞争内容。

判断成本几乎为零：看标题里有没有本地文字。非拉丁文字的语言尤其明显，一眼就能分出来。

这类内容有多少

把能从名录成批生成的类型挑出来单独算，占比高得吓人。越南语的样本里76% 是这一类，其中光生物分类单元就有一百三十七条；瑞典语68%、荷兰语67%，也是物种。

约鲁巴语最极端：两百二十条样本里九十七条是编号小行星，占44%。这门语言的公共内容里将近一半是小行星。

另一头，豪萨语只有7%、高棉语9%、蒙古语11%、孟加拉语12%。这几门语言的内容基本是人一条条写出来的。

这个占比跟内容规模是正相关的，取对数之后相关系数 +0.476。也就是说规模越大的语言，名录型的比例越高，多出来的那部分里程序跑出来的占比更大。

所以一个反直觉的推论是：一门语言的内容总量越大，那个数字里的水分往往也越大。按内容量排出来的语言优先级，前几名最需要打折。

名录型这个概念是我为了这次分析定的，不是现成标准。清单包括行政区划与聚落、铁路车站、生物分类单元、天体、河流湖泊山岛、年份与日期、消歧义页和列表页。

这批页面还有一个可验证的特征：随机翻开一页几乎没有人读。

各语言版本的规模可以对照公开的规模清单，名录型占比跟规模是正相关的。

所以这一步不能省

剔掉名录型之后重算，三十门语言里有八门的第一名换了：越南语从法国换成美国，缅甸语从日本换成美国，阿塞拜疆语从伊朗换成苏联，马其顿语从德国换成意大利，还有立陶宛语、阿尔巴尼亚语、荷兰语和英语。

八分之三十，四分之一强。如果直接用第一版的数去改案例和对比表，这四分之一的语言会被改到反方向。

这一步的成本只是把条目按类型分个层，不需要重新采集，也不改变原始数据。

还有一层：不剔名录的话，同一门语言在不同年份的读数也没法比。今年跑一遍某个地名表，这门语言的参照国就换一个，而那跟读者没有任何关系。

剔完之后这个数才是稳定的，因为人写内容的构成不会因为某次批量导入而突变。

换掉第一名的那八门是：越南语、缅甸语、阿塞拜疆语、马其顿语、立陶宛语、阿尔巴尼亚语、荷兰语、英语。占三十门的四分之一强。

顺带一提，访问量里有一大半不是人是同一个问题的流量侧版本，两边都得先把机器挑出去。

剔掉名录之后，第一名是谁？

二十一门指向同一个国家

结果跟我开工前的预期正好相反。我原本以为多数小语种的第一参照国会是邻国，实测下来三十门语言里有二十一门的第一名是美国。

泰语、德语、波斯语、蒙古语、印尼语、波兰语、孟加拉语、僧伽罗语、缅甸语、约鲁巴语、格鲁吉亚语、冰岛语、阿姆哈拉语、瑞典语、越南语、乌兹别克语、荷兰语、立陶宛语、斯瓦希里语、阿尔巴尼亚语、泰米尔语，全在这一列。

预期错得很彻底，但错的方式有意思：不是错在方向，是错在我以为这个数会因语言而异，实际上它对大多数语言是同一个答案。

这个结果对做内容的人其实是个好消息：多数情况下你的默认设置不算错，至少不算离谱。真正要改的是那九门，以及所有语言里份额那一列的读法。

但它同时也说明另一件事：这二十一门语言里美国的份额都不高，第一名的位置来得很勉强。这一点下一节展开。

这里要提醒一句口径：第一名是谁跟第一名占多少是两个问题，混着看会得出“所有语言都看美国”这种过头的结论。

不是美国的那九门

剩下九门各有各的第一名：老挝语指向泰国，尼泊尔语指向印度，豪萨语指向英国，高棉语指向泰国，阿塞拜疆语指向苏联，亚美尼亚语指向俄罗斯，马其顿语指向意大利，爱沙尼亚语指向拉脱维亚，英语指向西班牙。

这九门里，前四门的解释都摆在地图上：老挝挨着泰国，尼泊尔挨着印度，柬埔寨挨着泰国，尼日利亚曾是英国殖民地。

后面几门的解释在历史里，最后一门英语的解释是——它压根就没有第一名，后面会讲。

这九门有个共同点值得注意：除了英语那一门，其余八门的第一名要么是接壤的邻国，要么是有过殖民或者从属关系的国家。都是地理和历史留下的，不是媒体塑造的。

这也意味着这类参照关系变得很慢。它不会因为某年的国际新闻而改变，你今天量出来的结果三五年内都能用。

英语那一门放在这一列其实有点勉强，它的第一名西班牙只占7%，跟第二名日本5%、第三名波兰5% 几乎没差别，说它有第一名都是勉强的。

老挝语和高棉语都指向泰国这件事，跟东南亚三国那一篇里语言层三家不能共用的结论并不矛盾。

前三名连起来看更清楚

只看第一名会漏掉一半信息。高棉语的前四名是泰国14%、美国10%、缅甸10%、老挝10%，四个里三个是邻国，加起来34%。

豪萨语的前四名是英国16%、加纳14%、美国10%、印度6%。加纳排第二这件事在任何一份英文资料里都看不到，它是尼日利亚在西非最紧密的对照国。

尼泊尔语是印度29% 加美国20%，两个加起来快到一半，剩下的全是零星。

加纳这一条我专门回头查了一下，那十五条不是同一批量导入的产物，是分散的人物、机构和作品条目，类型五花八门。所以它是真的。

这种“第二名比第一名更有信息量”的情况在小语种上不少见，因为第一名的位置经常被美国这个全球背景板占着，真正的本地参照排在它后面。

泰米尔语是另一种形态：美国27% 加英国21%，两个英语国家合起来快到一半。这跟泰米尔语社群在英语世界的分布是对得上的。

豪萨语和斯瓦希里语的市场背景可以对照在非洲选语种别先看人口那一篇。

样本量决定了能说到多细

剔掉名录之后，每门语言判得出国别的外部条目在二十到一百二十条之间。缅甸语只剩二十一条，是最少的，它的百分比只能当参考。

所以文章里只报前三到前四名和第一名的份额，第五名以后不展开。看到某个数字很小的时候，先想一下它背后可能只有两三条。

另外有几门语言的第一名和第二名咬得很紧，比如马其顿语意大利9% 对德国9%，那种情况下换一批样本第一名就会对调。

第一名是美国，为什么反而说明没有参照国？

看份额不看名次

把第一名的份额排出来，会看到一个很整齐的分层。美国当第一名的那二十一门语言里，份额基本落在15% 到23% 之间，中位数在18% 上下。

而不是美国的那几门，份额明显更高：老挝语的泰国38%，尼泊尔语的印度29%。

一成五到两成的第一名不叫参照国，那叫背景板。它的意思是这门语言的内容里，关于外部世界的部分散在几十个国家上，美国只是碰巧占了最大的那一小块。

这个分层不是我事先设计的，是把三十个数排成一列之后自己浮出来的。中间那一段特别密，两头很稀，看起来像两种不同的分布混在一起。

解释也很自然：美国在每门语言里都占一小块，这一块的大小取决于这门语言的内容规模和国际化程度；而真正的参照国是额外叠上去的，只有一部分语言有。

把这个分层写成一句能记住的话就是：第一名是谁不重要，第一名占多少才重要。前者三十门里有二十一门给同一个答案，后者从7% 到38% 铺开。

英语的数字把这件事说透了

英语的外部第一名是西班牙，份额7%，后面是日本、波兰、墨西哥各5%。这是全表最分散的一个。

换句话说，英语的内容池子在讲外国的时候，谁都不特别。它一半以上的内容写自己那几个国家，剩下的那不到一半均匀铺在全世界。

所以拿英语当参照系的默认设置有个隐含前提：写英语内容的人本来就没有参照国。你把这个设置搬到小语种上，等于把“谁都不特别”这个状态搬给了一批明确有偏好的读者。

把英语放进这张表还有一个用处：它给了一个“没有参照国”的基准线。任何一门语言的第一名份额如果跟英语差不多，那它跟英语一样，没有参照国。

英语7% 是全表最低。第二低的是爱沙尼亚语8%，两者的性质完全一样——都是视野分散，只不过一个是因为内容多到什么都写，一个是因为社群小到什么都写一点。

这也解释了一个常见的困惑：为什么英文资料里几乎找不到“该拿哪个国家举例”这类讨论。因为在英语语境里这个问题不存在，谁都可以举，读者都能接。

这跟按母语人口排优先级那套默认设置是同一个来源：英语世界不需要回答的问题，被整套搬给了需要回答的人。

三档判读线

第一名份额超过25% 的，这门语言有一个明确的参照国，写内容的时候必须用它。目前只有老挝语和尼泊尔语落在这一档，泰米尔语的27% 也算擦线。

份额在15% 到25% 之间的，第一名多半是美国，那是全球背景板，可以用但不必强求，读者对它没有特殊亲近感。

份额低于15% 的，这门语言的视野是分散的，硬挑一个参照国反而会显得刻意。爱沙尼亚语8%、立陶宛语9%、斯瓦希里语9%、马其顿语9% 都在这一档。

三档之间的边界不用抠得太死。落在24% 和26% 的两门语言，实际动作没什么区别。真正有意义的是两头：38% 那一档必须用，8% 那一档不用挑。

另外这三档是按公共内容算的，你自己的品类可能落在不同的档位。所以最好的用法是拿它当先验，再用自己那三十条结果页去校正。

三档对应的动作依次是：必须换、可以不换、不用挑。落在第一档的语言最少，但那几门语言上不换例子的代价也最大。

份额低不等于没得做

视野分散的语言反而给了你更大的自由度：举例可以按读者最可能熟悉的那个品类去挑，不用被某个国家绑住。

真正要小心的是第一档。在老挝语内容里拿美国品牌当参照，等于放着读者天天见的泰国货不用，去讲一个他只在网上见过的东西。

视野分散还有一个附带的好处：你可以在同一批内容里用多个国家的例子，而不会显得混乱。读者本来就习惯了看到各种各样的外部参照。

反过来在参照国明确的语言里，例子最好集中在那一两个国家上，来回换反而会削弱代入感。

参照国里为什么会冒出已经不存在的国家？

四门语言的前几名里有苏联

阿塞拜疆语的外部第一名是苏联，占12%，第三名是俄罗斯帝国7%。爱沙尼亚语的第二名是苏联8%，格鲁吉亚语第三名苏联6%、第四名俄罗斯帝国5%，波兰语第二名也是苏联6%。

这不是数据错误。这些条目讲的确实是苏联时期的人和事，数据项上的国家写的就是苏联，因为那时候今天这几个国家还不存在。

泰米尔语和孟加拉语上有同构的情况：英属印度。我把它并进了印度，因为那是同一块地方；苏联跨了十几个国家，并不进去，只能单列。

这几门语言还有一个共同点：它们的外部指向整体上都偏向东边和北边，很少出现西欧和东亚的国家。这跟内容是谁写的、写作者的知识来源直接相关。

亚美尼亚语的第三名是爱沙尼亚9%，这个组合乍看很怪，翻开条目是同一个时期的人物和机构，仍然是那条历史线索。

格鲁吉亚语的完整前四是美国18%、俄罗斯9%、苏联6%、俄罗斯帝国5%。三个跟俄罗斯有关的加起来20%，比第一名还高，只是被拆成了三格。

这类分布不均在公共内容里是个长期议题，有专门的系统性偏差协作项目在跟，读它的讨论页比读结论更有收获。

这一档对做内容的人意味着什么

它说明这几门语言的公共知识里，有相当一块的时间坐标停在几十年前。读者在这门语言里读到的外部世界，有一部分是历史而不是现状。

落到写法上很具体：在这几个市场做内容，用历史类比要格外小心，因为读者对某个历史时期的了解可能比对当下的邻国还熟。

反过来这也是一个机会。关于当下外部世界的内容在这几门语言里明显偏薄，而这类内容不难写。

具体到写法上有一条能直接用：这几个市场的读者对“西方”这个笼统说法的感受，跟西欧读者不一样。写内容时把国家写具体，比用大区域称呼安全。

怎么处理这一档才不失真

我的做法是：能对上今天某一个国家的历史实体就并进去，跨多国的单列一档并在表里说明。

另一种做法是把所有历史实体统统剔掉，只看今天存在的国家。我试了一下，结论方向没变，但阿塞拜疆语和爱沙尼亚语的第一名会跟着换，而换出来的那个数背后只有六七条。

两种做法我都报，读者可以自己挑。凡是一个口径的选择会改变结论的地方，把两个口径都摆出来比替读者做决定安全。

这里其实还有第三种做法：把历史实体单独当成一档报出来，跟今天的国家并列。我试过，表会变得很难读，而且多数语言这一档是零，白占一列。

所以最后选了折中：能对上就并，跨多国就单列，并在正文里点名说明哪几门语言受影响。

这一条怎么改你的落地页和案例？

案例里举的公司要换

写一篇本地语言的选购指南，举例的时候拿哪家公司当参照，读者的感受完全不同。拿一个他每天路过的品牌举例，和拿一个他只在国际新闻里见过的品牌举例，说服力差一整档。

参照国这个数直接告诉你该往哪儿找例子。第一名是邻国的，就去邻国找；第一名是前宗主国的，那个国家的品牌在当地多半也真的有存在感。

这件事的成本几乎为零，只是把例子换一批，但它决定了读者读完之后觉得这篇是给他写的，还是给别人写的顺手翻了一份。

换例子的时候还有一个细节：本地读者认得的那个外国品牌，未必是它在原产国的主流品牌。有些牌子在本土不温不火，在某个市场却是家喻户晓，因为进入得早。

所以更稳的做法是拿参照国当线索，再去那个市场的实际销售榜上挑，而不是直接挑参照国的头部品牌。

一个能立刻做的自查：把你这门语言下已经发布的十篇内容打开，把里面出现的所有公司名和地名列出来，看看它们落在哪几个国家。多数团队第一次做这件事都会吃一惊。

举例里出现的地名还要过一道本地名与外来名的检查，写法错了比举错例子还刺眼。

对比表里的竞品要换

产品对比页最容易犯的错，是把总部所在国的竞争格局照搬过去。你在国内的对手是那三家，在这个市场的对手可能是完全另外三家，而读者心里的默认对照物又是第三批。

正确做法是先看这门语言的参照国是谁，再去那个国家的市场上找同品类的知名品牌，把它放进对比表。哪怕你不卖那个品牌，读者也需要一个锚。

对比表还有一个常被忽略的位置：表头那一列的维度选择。你按什么维度做对比，本身就暴露了你的参照系。拿一个本地读者不关心的维度当第一列，后面写得再细也白搭。

对比表里出现的品牌名怎么拼，要按当地用户的输入法来定，不是按你的品牌手册。

价格与规格的基准要换

换算基准这件事比想象中要紧。写“相当于多少钱”的时候，用哪个国家的物价当参照，直接影响读者对贵和便宜的判断。

规格同理。插头制式、电压、纸张尺寸、鞋码，这几项在参照国和你的总部所在国往往不一样，写错了不是不专业的问题，是直接把人挡在门外。

换算基准这件事有个简单的自检：把你写的那句“相当于……”念给一个当地人听，如果他要停下来算一下，那就是选错了参照。

外链和引用也要跟着换

引一个当地读者认得的机构，比引一个更权威但他没听说过的国际组织有用。参照国这个数同样适用于挑引用源。

顺带一提，这一条对生成式检索也成立：模型在这门语言下检索到的本地来源，本身就偏向这批国家，你的引用跟它对齐会更容易被一起摘走。

挑引用源的时候还可以顺手看一眼那个机构在本地语言里有没有条目。有条目说明本地读者可能听说过，没有的话你引它等于引了一个陌生名字。

这一层跟本地作者署名那批信任信号是配套的，一起做效果最好。

竞品参照系该换成谁？

先分清三种参照物

做内容的时候会用到三种参照物，它们该取的国家不一样。第一种是价格锚：读者判断贵不贵时心里的那个数，取他日常接触的市场。

第二种是品质锚：读者判断好不好时心里的那个牌子，取这门语言内容池子里出现频率最高的那个国家的品牌。

第三种是规范锚：认证、标准、参数写法，取本国的，不取任何外国。这一项照搬外国是最常见也最致命的错。

三种锚可以来自三个不同的国家，这一点最容易被忽略。价格锚跟着日常物价走，品质锚跟着内容池子走，规范锚跟着本国法律走，硬要统一成一个反而处处不对。

写稿的时候可以在提纲里给这三个锚各留一行，写完对照检查一遍。这个动作花两分钟，能挡下相当一批低级错误。

规范锚那一项还牵扯到落地页上的支付、地址与客服信息怎么写，那批字段一律跟着本国走。

参照国不等于出口目的地

有个容易混的地方：参照国是读者认知里的外部世界，跟你的货从哪儿来、往哪儿卖没关系。

你的产品可能是中国造的，卖给这个国家的人，而他心里的参照系是隔壁那个国家。三个国家是三件事，写内容的时候只有第三个那件事重要。

还有第四个容易混的：你的竞争对手来自哪个国家。竞品来源跟读者的参照系可以完全不重合，你在这个市场的对手是另一家中国公司，但读者心里的对照物是隔壁国家的老牌子。

什么时候该无视这个数

两种情况。一是你做的品类本来就有全球统一的头部品牌，读者不需要本地参照物，这时候直接用那个全球品牌更省事。

二是你的目标客户是本地的专业买家而不是普通消费者，专业买家的参照系跟着行业走，不跟着这门语言的公共内容走。

除了这两种，其余情况都值得先把这个数看一眼再动笔。

第三种情况是你的内容根本不需要外部参照，比如纯粹的操作说明和售后流程。这类内容里塞例子反而是干扰，写清楚步骤就够了。

半天能跑完的最小版本

三十条就够

不用做到这么大的样本。取你那个品类在目标语言下的三十个结果页，逐个打开，记下每个页面提到的外国是哪几个。

统计一下哪个国家出现得最多，那就是你这个品类在这门语言下的参照国。跟公共内容的读数对不上也没关系，品类级的数比语言级的数更该信。

记录的时候按页面记而不是按提及次数记，否则一篇长文里反复提到同一个国家会把结果带偏。一个页面就投一票，票投给它着墨最多的那个国家。

这三十条最好覆盖三种页型：品类页、对比页、指南页。三种页型的参照物用法不一样，只看一种会得到偏的结论。

抽这三十条的时候顺手把意图分叉也标一列，两件事一趟能跑完。

加一列会更准

在记国家的同时，顺手记一下那个国家是以什么身份出现的：是产地、是标准来源、还是竞品来源。三种身份对应的写法不一样。

产地身份多的，读者关心的是原产地故事；标准来源多的，读者关心的是合规和参数；竞品来源多的，读者关心的是对比和替代。

三种身份的比例本身也能读出东西。产地身份占大头的品类，读者关心的是来源可信度；竞品身份占大头的，读者已经在比价了，内容要直接给结论。

什么时候要重跑

换品类要重跑，换语言要重跑，同一个品类同一门语言的话一年一次足够。

这个数的稳定性来自它反映的是长期的知识结构，不是短期的热点。热点会让某个国家在某几个月里冒头，但它压不住底层的分布。

还有一种情况必须重跑：你换了内容形态。做长文和做短视频脚本，读者对参照物的接受度不一样，短的那种容不下需要解释的参照。

哪些相邻的问题不归这一层管？

用户在哪个国家，不归这一层

这份数量的是内容写的是哪个国家，不是读者住在哪个国家。一门语言的读者散在十几个国家这件事，本站另有一篇专门算过账，那是市场资产的问题，跟内容池子的构成是两回事。

两个数会互相影响但不能互相替代。内容池子偏向邻国，不代表你的买家在邻国；买家在邻国，也不代表这门语言的内容会跟着偏过去。

把这两件事分开还有一个操作上的好处：它们的数据源完全不同。用户在哪个国家看后台就知道，内容池子写的是哪个国家只能自己去量。前者随时能看，后者一年看一次。

如果两个数打架——用户主要在A国，内容池子的参照系指向B国——那就按B国写例子，按A国配货币和物流。它们本来就服务于不同的环节。

印度那种一国多语言的情况更复杂一点，十一门语言九套书写系统那篇拆过。

语言变体与用词分叉，不归这一层

同一门语言在不同国家用词不一样，那是语言层的问题，本站西班牙语和葡萄牙语那两篇写得比这里细。本篇不碰用词，只碰题材。

一个具体的区分办法：用词分叉问的是同一件东西怎么说，题材构成问的是根本在说哪件东西。

两件事偶尔会撞在一起：某个品类在参照国的叫法被本地读者直接借用了。这种时候词表要跟着参照国走，但那是词表的事，不是题材的事。

翻译来源不归这一层

“这条内容是从哪门语言译过来的”跟“这条内容讲的是哪个国家”经常被混为一谈，其实差得很远。从英语译过来的条目完全可以讲的是本国的事，本地人自己写的条目也完全可以讲外国。

上一批算过来源那条轴，这一批算题材这条轴，两条轴交叉才是完整的坐标。

四个格子里最值得注意的是“自己写的、写的是外国”那一格。它意味着本地社群有产能，只是产能没用在本地题材上——这种局面最容易被撬动。

常见问题解答

第一名是邻国，会不会只是因为邻国的条目更容易被机器批量建出来？

这个怀疑是对的，必须单独查。查法是打开第一名那批条目看它们都是什么：如果全是同一种模板的行政区或者同一批物种，那多半是程序批量生成的；如果是人物、机构、作品这些需要一条条写的东西，就说明是人在写。实测下来两种情况都有，所以文章里对每门语言的第一名都做了这道分辨，把疑似批量生成的单独标出来。判断一门语言的参照系时，只看人写出来的那部分更可靠。

样本只有两百多条，第一名的结论稳吗？

第一名稳，第三名以后不稳。判得出国别的条目里外部那部分通常在五十到一百条之间，第一名如果占到三成以上，换一批样本基本不会变；占比在一成上下的那几门，第一名和第二名有可能对调。所以文章里凡是第一名份额低于百分之十五的语言，我都在表里注明了它的前两名咬得很紧，不建议单独拿去做决策。

知道了参照国，具体能改什么？

最直接的三处：案例里举的公司、对比表里放的竞品、以及价格和规格的换算基准。你写一篇泰米尔语的选购指南，拿美国品牌当参照，跟拿印度品牌当参照，读者的代入感完全不同。第二处是外链和引用，引本地读者认得的机构比引一个他们没听过的国际组织更有说服力。第三处是配图里出现的场景、货币符号和插头形状，这些细节骗不了人。

如果我的品类在这个市场根本没有本地竞品呢？

那参照系就换成读者熟悉的那个国家的同类产品，而不是换成你总部所在国的。判断依据是这份数据给出的第一名：读者的知识背景里，那个国家的东西是他见过的。拿他见过的东西做对比，比拿一个更权威但他没接触过的品牌做对比更有效。这条在做产品对比页和替代品页的时候尤其明显。

大语言的参照系是不是就没有这个问题？

有，只是方向反过来。规模大的语言往外看的时候更分散，第一名的份额明显低于小语种，说明它的读者没有一个压倒性的参照国。对做内容的人来说，这意味着在大语言市场上举例可以更自由，在小语种市场上举例必须挑对国家，挑错了那一段就是白写。

这个数会随时间变吗，多久重算一次？

结构性的东西变得很慢，一年重算一次足够。真正会让它变的是两类事件：一是这门语言的社群里出现了一批新的活跃编者，二是某个邻国发生了长期占据注意力的大事。前者会把本地那一堆抬上去，后者会把某个外国的份额顶上来。两者都不是几个月能看出来的。

这套方法能直接搬到自己的站上做竞品分析吗？

能，换个数据源就行。把随机抽样换成你那个品类的结果页，把属性链换成人工判读，逐条记下每个页面讲的是哪个国家的事。三十条就能看出趋势，一个下午能跑完。得到的数比这份公共数据更贴近你的实际竞争面，代价是没法跟别的语言横向比。

权威参考资料