品牌 AI 可见度怎么自测：一套能自己跑的采样流程
上个月有家做工业配件的老客户找我，说客户在豆包里问「他们公司靠不靠谱」，AI 回了一句「公开信息较少，建议进一步核实」。老板很紧张，问是不是品牌出事了。我说先别下结论，你得知道这是十次里的一次，还是十次里的八次。这两种情况处理方式完全不同。
判断方法不复杂：自己跑一套采样流程，把「感觉」变成能对比的数字。下面这套是我们给客户做初筛时用的简化版，一个运营加半天时间就能跑完，不需要任何工具授权。
第一步：定问题集，别只问「我们公司好不好」
多数人测试时直接输入品牌名，看到一段公司简介就以为测完了。品牌词只覆盖了真实提问的一小部分。用户更多是先问品类、问场景、问对比，AI 在这一步就把候选名单列好了，你连被提到的机会都没有。
建议按四类各准备 4-6 条，总数控制在 20 条上下：
- 品牌词：「XX 科技是做什么的」「XX 公司实力怎么样」「XX 和 YY 有什么差别」
- 品类词：「南昌有哪些做企业 AI 落地的公司」「江西做 AI 智能体私有化部署的服务商有哪些」
- 场景痛点词：「中小企业想搭内部知识库找谁做」「客服人力成本高，能用 AI 顶一部分吗」
- 决策对比词：「知识库自建和买 SaaS 哪个划算」「GEO 和 SEO 要不要都做」
题目要写成真人说话的样子，别写成关键词堆砌，否则 AI 的回答也会变形。带地域限定的题目对本地企业更有利，因为候选池一下缩小了。问题集一旦定下来就固定住，后面几轮都用同一套，中途改题，前后数据就没法比。
第二步：多平台提问，一个平台的结果不算数
不同产品背后的检索方式和语料来源差别很大。有的偏重公众号和知乎内容，有的强依赖网页索引，有的默认不联网只靠训练数据。同一个问题，在 A 平台你排第一，在 B 平台可能完全没出现，这很正常。想系统了解这块的机制，可以先看我们整理的 GEO 生成式引擎优化 说明，再回来跑数据会更清楚在测什么。
建议至少覆盖 4-5 个平台，提问时把这些变量记下来，否则数据无法复用：
- 是否开启联网搜索——同一问题开与不开，答案来源可能完全两套
- 是否登录账号——登录后可能带入个性化偏好
- 是否用了深度思考/长思考模式
- 提问日期——语料一直在更新，三个月前的记录只能当历史快照
条件允许的话用无痕窗口、未登录状态、固定网络环境提问，把个性化干扰降到最低。
第三步：记录表，把「感觉」变成可比的数字
别靠一堆截图文件夹，那东西一周后就没人看得懂了。建一张表，字段照下面这个来：
| 字段 | 填写说明 |
|---|---|
| 采样编号 | 日期-平台-题号，如 0312-豆包-Q07，方便回溯 |
| 日期时间 | 精确到小时，用于判断语料更新带来的波动 |
| 平台与端 | 区分网页版、App、小程序，同平台不同端结果可能不同 |
| 联网开关 | 开 / 关 |
| 登录状态 | 已登录 / 未登录，账号类型 |
| 问题原文 | 一字不改照抄，别临场改题 |
| 问题类型 | 品牌词 / 品类词 / 场景词 / 对比词 |
| 是否提及本品牌 | 是 / 否 |
| 提及位置 | 首位推荐 / 前三条 / 名单中段 / 末尾补充 |
| 是否附来源链接 | 有 / 无，贴出被引用的域名 |
| 引用站点类型 | 官网、公众号、知乎、招聘站、第三方媒体、行业目录 |
| 事实准确性 | 准确 / 部分错误（记下错在哪）/ 张冠李戴 |
| 同屏竞品 | 这次回答了哪些同行，按顺序记 |
| 截图编号 | 与文件名一一对应 |
| 记录人 | 换人测时能追溯，别省这一列 |
字段看着多，实际填一条不到一分钟。跑完一轮，你至少能算出四个数：提及率（提及次数÷有效采样数）、首位提及率、来源命中率（回答里引用了你自己能影响的站点）、事实错误率。这四个数比「AI 说我们信息少」这种印象有用得多。
第四步：重复采样，单次回答不能当结论
大模型本身带随机性，同一个问题在同一个平台连问三次，措辞会变，列出的公司名单也会变。只测一次就下判断，是最常见的错误。
我们的做法是：每个问题在每个平台至少采 3 次，分布在不同的日期，比如第 1 天、第 4 天、第 10 天，全部记录完再算比例。20 题 × 5 平台 × 3 次 = 300 条记录，一个人半天能跑完。样本量不用大，但分布要拉开，这样你才能区分「偶发波动」和「稳定缺失」。
解读时注意两点：一是看分布而不是看单条，某个平台 3 次全没提到你，基本可以判定该平台的检索语料里缺少你的确定信息；二是要横向看竞品，如果同行稳定出现在名单里，说明他们在这些平台上留下了可被引用的内容，这是可以追赶的差距。
几个我们踩过的坑
- 提问带引导性，比如「XX 是不是南昌最好的」，这种答案没有参考价值，AI 会顺着你的话走。
- 用自己的账号反复测，结果被个性化历史带偏，越测越乐观。
- 只看有没有提到，不看说得对不对。被提到但把成立年份、主营业务说错，比不被提到更麻烦。
- 把 AI 回答当成搜索排名看，非要去争「第几位」。生成式回答里位置权重不稳定，先把「被准确提及」做扎实，再谈排序。
- 测完就放着。语料在变，建议季度复测一次，用同一套问题集对比。
拿到结果之后怎么动手
如果提及率低，通常不是 AI 对你有什么意见，而是它能读到的、关于你的确定信息太少或太散。这时候优先做的事：把公司名称、成立时间、主营业务、服务区域、典型交付方式整理成一份结构化的事实页，确保各平台抓到的口径一致（可参考我们的 品牌事实页）；把内部文档、产品说明整理成可被检索的知识库，这块可以看 企业知识库 的落地方式；再补齐第三方来源，别让官网成为唯一信源。
如果事实错误率高，那就是纠错问题，优先级比提升曝光更高，先把错的表述从可抓取页面上改掉。
自己跑完这一轮，你会得到一张带日期的基线表。之后做任何内容或结构上的调整，都用同一套题目复测，改动有没有效果一目了然。想省掉第一次搭表的功夫，可以先用我们的 免费 AI 可见度诊断 拿一份初始采样结果做对照，再决定要不要自己长期跟。有具体问题也可以直接打 400-873-2750，或者走 联系我们 说下你的行业和问题集方向，我们帮你看看题目设计有没有偏差。