AI 可见度分数只擅长一件事:发现「有东西变了」。人们买它通常是为了另一件事——知道下一步该做什么,这一点它做不到。这个数字要有意义,背后得能看见三样东西:它是在哪组问题上算出来的,用了哪些引擎、哪套方法,以及它由哪些构成项组成。缺了任何一样,分数就无法核对;而无法核对的数字迟早会把你带偏,而且多半是往好看的方向偏。

先把立场说清楚:这是一篇观点文章,作者恰好是卖衡量工具的公司。下面每一条规矩,我们都用在自己的产品上,而且多数是先做错了才立下的。出错的是我们自己,时间都有记录,每一处也都已经修好。

AI 可见度分数擅长什么

它提醒你去看。没有人会每周把几个引擎上的每一条回答都读一遍,所以一个会随真实变化而变动的汇总数字,在看板上是有位置的。分数下滑,是「该去打开证据了」的信号,本身不是结论;分数上涨,则该先问一句:涨的是你,还是尺子?

即便只这样用,也要加一道保险。什么都没变,AI 的回答在两轮之间也会抖动,所以单轮的变动是很弱的证据。连续两轮都出现,才当真。只要一轮就报警,会把人训练成对告警视而不见,这比没有告警还糟:真正要紧的那一条告警来的时候,大家已经不当回事了。

第二道保险是频率。每跑一轮回答都要消耗额度,在我们的产品里这是账号级的共享池,所以默认频率是每月而不是每周。刷新得比回答本身负担得起的还勤,分数测到的大多是噪声。

分数:看板上的一个数字用来发现变化没问题;要能核对,下面六样都得一键可见:01问题集哪些问题、哪个版本,不含带品牌名的问题02逐个引擎先分引擎报告,再谈平均03口径版本每轮检测都打上版本,不跨版本画趋势04构成项提及、推荐、引用、引用广度、意图05分母问题数、引擎数、时间、被点名的品牌总数06缺口超时与失败的轮次显示为缺口而不是零
图 1 一个 AI 可见度分数要能被核对,背后必须一键可见的六样东西。来源:本文列出的衡量规则,都在我们自己的产品里生效。

AI 可见度分数告诉不了你什么

一旦有人问「那我们该修什么」,单一数字就帮不上忙了。两个品牌可以分数一样、问题却完全相反,分数本身分不出来(见图 2)。综合分是几件需要不同做法的事加在一起的结果,而做法取决于各个部分,不取决于总数。

综合分数把什么混在了一起为什么必须拆开
被引用与被推荐你的页面可能被当作来源引用,而回答推荐的是竞品。混在一起,这看起来像成功。
不同的引擎各引擎每条回答点名的品牌数量不同,同样的「出现」在不同引擎上分量不同。
不同的买家意图在调研类问题里被点名、在购买类问题里缺席,与反过来的情况是两个不同的问题,修法也不同。
引用次数与引用广度一条回答引用了你十二个页面,覆盖面并不是十二倍。引用你的不同问题数,要难灌水得多。

引擎是最直观的例子。在我们自己的基准里,一个模型每条回答点名 3.5 个提供方,另一个只有 2.1 个。在三四个名字里占一席,和在两个名字里占一席,是完全不同的竞争处境;把两个引擎一平均,得到的数字哪一边都不像。所以任何平均之前,都要先按引擎分别报告。

同一个分数,两个品牌,问题正好相反综合 AI 可见度分数:完全相同品牌 X品牌 Y被引用还是被推荐被当作来源引用,回答推荐的却是竞品被点名推荐,却从没被当作来源引用引擎在一个引擎上被点名,在另一个上缺席在另一个引擎上被点名,在第一个上缺席买家意图在调研类问题里被点名,在购买类问题里缺席在购买类问题里被点名,在调研类问题里缺席引用次数与引用广度引用很多,全部来自少数几道题引用不多,分散在很多道题里示意图,不是实测数据。总分一样,而决定该做什么的每一个构成项,方向都相反。
图 2 综合分相同、问题相反的两个品牌。按上表的四条线拆开,它们要做的事正好相反,而总分显示不出来。来源:本文介绍的衡量规则;示意图,不是实测数据。

只有当你能在界面上把分数点开、看到旁边这些构成项时,它才算物有所值,因为真正要动手的是构成项。哪些构成项必须分开、为什么,见 GEO 衡量框架。

分数误导人的六种方式

下面每一种,要么在我们自己的产品里发生过,要么是出过事之后加的规矩。它们的共同点是:你的品牌什么都没变,数字却动了,而且多数是往上动。

  1. 问题里带着你的品牌名。你问助手「某某公司靠不靠谱」,它当然会点名。有一组生成的问题,15 道里有 13 道带品牌名,结果五个引擎上的分数齐刷刷 13%,而诚实的数值是零。这类自指问题永远不该计分。
  2. 把检索候选池当成引用。助手会检索很多页面,只引用其中几个。数候选池而不是答案正文里标注的来源,让我们的引用数字虚高了两到四倍。
  3. 对自己和竞品用不同的判定。对自家名字宽松匹配、对竞品只认固定名单,份额从结构上就被抬高了。不对称的判定曾让一个品牌显示声量份额 31%、排名第二;对称地重测之后,是 0%、倒数第一。
  4. 把没测到的当成零,或者干脆丢掉。超时的模型对正反两面都没产生证据。画成 0% 等于凭空造出一次下滑;悄悄丢掉则改变了分母。我们发现过,超过 10 分钟的检测运行从没被快照,趋势线就这样悄悄把它们漏掉了。诚实的显示方式是留一个看得见的缺口,这正是「没测到」不等于零要说的事。
  5. 序列中途换了方法。有一次开启联网检索,某个站点从 3% 跳到 13%,而站点本身什么都没做。每一轮存下的检测都要带口径版本,不同版本之间不该比较。
  6. 换了问题集。每个百分比的分母都是问题集。加进几道更容易的题,平均值就上去了,实际什么都没变好。

留意其中的规律:六种错误里有四种让品牌看起来比实际更好,另外两种把正常的月份显示成下滑。哪个方向都不无害——好看的数字让该做的事一拖再拖,假的下滑则让团队跑去改写那些本来就没问题的页面。

百分比离不开分母

即使算对了,份额脱离上下文也会误导人。在 117 个品牌里占 1%,和在五个品牌里占 1%,是完全不同的处境,光看百分比分不出来。所以一个有用的分数,应当随身带着问题数、引擎数、时间范围,以及被点名的品牌总数。样本太薄时,诚实的做法是干脆不报份额:几条回答算出来的百分比,只是穿着信号外衣的噪声,下一轮就会大幅摆动。

基于分数做的报告也一样:先写明问题集、引擎和时间范围,再给发现;算不出来的部分直说算不出来,而不是填上看起来合理的内容。报告里的数字要从存下的检测重新计算,而不是从看板截图里抄,这样几周之后再生成的报告仍然对得上。报告的结构怎么搭,见 AI 可见度报告里该放什么。

相信一个分数之前,先问这几句

把问题集给我看。告诉我哪几轮失败了。给我看一条把我算作「被引用」的回答,连同那个来源标注。

如果衡量是扎实的,满足这三个要求几乎不费事。要是在比较厂商或者追踪趋势,再加两问:每一个数据点是哪个口径版本产出的?竞品和你自己的品牌是不是用同一段代码判定的?任何一个要求遇到推脱,就说明这个分数在承担它撑不起的分量。

能依靠的分数和靠不住的分数,差别很少在公式上,几乎总是在于输入有没有摊开给你看。

要问的问题能核对的分数无法核对的分数
用了哪些问题?固定且带版本的问题集,排除了带品牌名的题「几百条提示词」,但不给看
用了哪些引擎?先逐个引擎单独报告一个混在一起的数字
什么算被引用?回答正文里标注、且能对上真实网址的来源引擎检索到的任何页面
失败的轮次怎么处理?显示为缺口,并从分母里剔除算成零,或者悄悄丢掉
趋势线能不能信?每个点都带口径版本方法变了,线照样连过去

分数下滑时,先排查那些无聊的原因

分数一掉,人的第一反应是去写内容。动笔之前,按下面的顺序,先排除那些和内容无关的原因:

  1. 访问。确认搜索类和用户触发类代理仍然能抓到你的页面,办法是用真实的 User-Agent 去请求,而不是读 robots.txt。一条新的防火墙规则或 CDN 设置,就可能在 robots.txt 没动的情况下把它们挡在外面。Perplexity 几乎每条回答都给来源,所以那边一旦被封,引用数据上很快就能看出来。它的代理名单见 Perplexity 爬虫指南,OpenAI 的见其爬虫文档。
  2. 方法。看两轮之间引擎、检索设置或问题集有没有变。
  3. 失败的轮次。看较低的那个数字里,是不是混进了根本没测成的引擎或问题。
  4. 重复性。看下滑是不是连续两轮都出现。
01访问搜索类和用户触发类代理还能抓到页面吗?不能:先修防火墙或 CDN 规则02方法引擎、检索设置、问题集都没变吗?变了:不可比,重新定基线03失败的轮次较低的数字里混进了没测到的格子吗?是:显示缺口,重新计算04重复性下滑是不是连续两轮都出现?不是:等下一轮再说四项都排除:再按引擎、按意图、按「被引用还是被推荐」去查内容
图 3 分数下滑时的排查顺序。前三类原因都与内容无关,排除起来也便宜得多。来源:本文最后一节介绍的检查步骤。

四项都排除了,这次下滑才值得从内容上去查。到那时,构成项会告诉你往哪儿看:哪个引擎、哪类意图、是被引用还是被推荐。如果想先在自己的站上把访问这一项查清楚,AI 可抓取性体检会用真实代理去探测,同时跑一组浏览器对照。

资料来源

  • Perplexity:Perplexity 爬虫说明(代理名称与职责)。
  • OpenAI:OpenAI 爬虫概览(代理名称与职责)。
  • InsightWonder 第一方事故记录(2026 年 7 月至 9 月):带品牌名的问题集、引用计数、声量份额判定、快照锚点,每一项上文都写明了修复方式。