FAQ

怎么衡量品牌在 AI 回答里的可见度?

用四个指标:一是提及率——固定一组客户会问的问题(30 题量级,中英搭配),每周在主流引擎采样,看品牌出现在多少题的回答里;二是引用源构成——被引用的链接里有多少来自自有站点、多少来自第三方;三是情感与准确性——提及是推荐、中性还是负面,事实有没有错;四是 AI 引荐转化——AI 渠道带来的访问与线索单独归因。注意单日数据不可信:引用日内波动可达 35%,先跑满一个季度基线再谈趋势。Negency 的数据后台把机器人抓取与 AI 引荐线索单独成表,就是这套度量的地面部分。

Figure 01 · 技术可见度五维均分

  1. 01

    抓取可达

    机器人能到达并抓取网站

    91.1/100
  2. 02

    性能

    响应与渲染基础

    87.3/100
  3. 03

    信任信号

    联系方式、公司身份与可核验事实

    82.1/100
  4. 04

    实体结构

    事实结构化,实体可识别

    71.1/100
  5. 05

    机器可读面

    结构化数据与机器可直读的正文

    69.2/100 最弱一维 · 中位数 68.5
五维均分来自Negency 旗舰报告 2026 年第一期对 30 家中国出海企业官网的实测(2026 年 10 月 30 日单日采样)。这是技术可见度得分,不是品牌提及率;提及率须用固定题集另行采样。机器可读一项均分 69.2,中位数 68.5,两者为不同统计量。

提及率:固定题集反复采

题集要来自真实买家问题,不是品牌词搜索。题集一旦定版就不改(改题即断基线),每周同口径采样,分引擎记录。基线期预期很低——AI 渠道零经营的品牌,提及率接近零是正常起点。

为什么提及率比点击率更值得测?因为点击正在变少。皮尤研究中心 2025 年 7 月的研究追踪了 900 名美国成年人 2025 年 3 月的真实浏览行为:出现 AI 摘要时,用户点击传统搜索结果的比例是 8%,没有摘要时是 15%;摘要内被引用的链接只在 1% 的访问中被点击。用户在答案里看到你,比在链接列表里看到你更重要——而前者只能靠采样测出来。

算提及率的方法很直观(示意算术,非实测数据):40 道题里,你的品牌被推荐性提及 6 次,提及率就是 15%。分母永远是固定题集的总题数,分子是被提及的题数;推荐性提及(答案主动把你列为可选供应商)与顺带提及要分开记,前者才是 GEO 的主指标。

引用源:自有 vs 第三方

如果被引用,全是自有页面,说明站外生态还没起来;如果引用的是过期或错误的第三方页面,先修事实再谈推广。这个构成比解释了下一步该把钱花在哪。

第三方来源的分量有实证支持:Ahrefs 对 75,000 个品牌的研究发现,品牌在全网的被提及程度与 AI 可见度的相关性(0.66–0.71)远高于反链数量与网站页数(约 0.19–0.22)。引用构成里第三方占比低,意味着你的可见度全靠自有页面撑着——天花板很低。

准确性优先于情感

被正面提及但事实错误(比如产品边界说错),比不被提及更糟——错误会被其他系统继续转引。监测里要专门留一列记事实错误,发现即走纠错路径(官网事实文件更新 + 来源方更正)。

典型例子:某公司的 AI 答案里写着"提供免费样品",实际政策是样品收费。买家拿着错误信息来询价,销售每次都要先纠错再谈生意;更糟的是,这个错误表述还会被其他 AI 系统当作事实继续引用。口径准确率就是为这类问题设的指标:被提及的答案里,关键事实(业务边界、价格政策、联系方式)说对了几成。

转化归因:可见度要落到线索

AI 引荐的访问在日志里单列(引荐域名、Agent 标识),线索表单保留来源参数并落首触 cookie。季度复盘时,可见度曲线与线索曲线放在一起看,才知道哪部分投入真的产出业务。

归因要分两层记:到站层看 AI 引荐访问量(日志与分析工具对账,两边数字对不上先查口径,不急着下结论);线索层看带 AI 来源标记的表单提交与咨询量。只看提及率不看线索,等于只验收了上半场。

一套可复现的衡量方法(五步)

这套方法的核心是"固定题集反复采样":问题集、引擎清单、采样规则全部冻结,只让答案本身变化,这样每周的数字才可比。

  • 定问题集:按客户旅程列 20–60 个真实问题(品类词、对比词、场景词、品牌词四类),中英按市场配比,版本冻结——问题集一变,数据不可比;
  • 定采样规则:固定引擎清单、登录状态、地区与语言设置、采样时间窗;每题每引擎至少采 3 次取多数,单次结果只当噪声;
  • 记录四项原始事实:是否提及(推荐性提及单独标注)、是否引用本站链接、答案对品牌的描述是否准确、同题竞品表现;
  • 算五个指标:推荐性提及率、被引用率、引用份额(本站引用数占全部引用数)、口径准确率、AI 引荐到站量(日志与分析工具对账);
  • 先基线再趋势:连续跑满 4 周基线,之后按周同口径复测;单周波动不下结论,看 4 周移动平均。

技术分不是提及率

不要把两类分数混为一谈。Negency 旗舰报告 2026 年第一期测的是官网技术可见度——AI 能不能抓到、读懂你的网站:30 家中国出海企业官网(2026 年 10 月 30 日采样)总分均值 80.1/100,中位数 80(区间 55–98),7 家 90 分以上、6 家 70 分以下。(抽样口径:样本为 30 家中国出海企业全球官网主域名,检测用 Negency AI 可见度体检引擎,约 30 个信号、五类,单日采样;报告只测技术可见度,不测 AI 回答中的品牌提及率。)技术分高只说明机器读得懂你,不等于 AI 答案里会提到你;提及率必须用上面这套固定题集采样另行测量。两类指标各管一段:技术分是入场券,提及率是结果。

最容易犯的三个测量错误

  • 只测品牌词问题:客户搜的是品类与场景,品牌词提及率天然虚高,测了等于没测;
  • 拿一次截图当证据:同一问题换时间、换账号,答案可以完全不同,必须多次采样;
  • 只看提及不看口径:被提及但说错(价格、定位、案例张冠李戴)比没提及更伤,必须单独记口径准确率。

先跑一次免费 AI 可见度体检拿到技术分基线,再按上面五步建题集测提及率——两类数字齐了,才算真正开始衡量。

相关问题

GEO 和 SEO 有什么区别?

SEO 优化的是网页在搜索结果列表里的排名,目标是点击;GEO(生成式引擎优化)优化的是企业在 AI 生成答案里被发现、理解、信任和引用的程度,目标是进入答案本身。两者共用一部分技术基础(可抓取性、结构化数据、内容质量),但 GEO 额外要求实体事实治理、机器可读面(llms.txt、Markdown 镜像)和第三方提及生态。做 SEO 的网站不等于对 AI 可见:AI 引擎引用谁,取决于它能否抓到、读懂并核实这个企业的事实。 具体差异集中在四个层面:目标、对象、内容结构与评估方式,正文有逐项对照。

中国企业出海,怎么做 AI 搜索可见度?

出海企业的 AI 可见度短板通常不在内容量,而在机器可读面:我们对 30 家中国出海企业的实测显示,类目均分最弱的是机器可读面(69.2/100)——17 家首页没有 JSON-LD、15 家 sitemap 缺失或收录不足、13 家 H1 缺失或重复。路径是四步:先体检摸清机器人可达性与机器可读面,再治理实体事实(双语口径一致),然后按海外客户的真实问题生产问答式内容,最后经营第三方提及(媒体、社区、合作伙伴),并用固定问题集定期复测提及与引用验证效果。

AI 搜索时代,企业官网要做哪些改造?

五件套:一是机器人可达——robots 对 AI 爬虫显式放行且实测不被防火墙/验证页拦截;二是机器可读面——llms.txt 事实文件(可选辅助)、sitemap 完整、核心页提供 Markdown 版(可选);三是实体结构——JSON-LD 写明 Organization 等实体类型、标题与 H1 规范、双语站 hreflang 对应;四是问答式内容——按客户问题组织页面、短答先行并配 FAQ schema;五是可度量——后台能分开看到真人与机器人流量、AI 引荐带来的线索单独归因。Negency 官网自身就是按这五条改造的,体检工具用的也是同一套标准。

llms.txt 是什么?企业网站有必要加吗?

llms.txt 是放在网站根目录的一份纯文本说明书,专门写给 AI 看:公司是谁、做什么、核心页面在哪、关键事实与定义是什么。它不能直接提升被引用的概率(Ahrefs 2026 年 5 月研究:137,210 个域名中,已发布 llms.txt 的文件 97% 当月零次被取用,对引用率的直接影响接近零),但它是成本最低的事实治理动作——一份文件把全网口径统一锚点立住,AI 抓取时有据可依。结论:值得加,但别指望只加它就有效;它要和实体事实治理、结构化数据、问答式内容一起做。Negency 的 llms.txt 是事实圣经版:含公司定义、方案边界、案例出处与引用规则。

企业部署 AI Agent 之前,要做哪些准备?

四件准备,缺一件都不建议开工:一是场景选型——从高频、规则相对清晰、结果可验证的工作流里选试点,而不是从最炫的场景选;二是知识与数据基础——Agent 要用的知识库先治理(去重、版本、权限),脏知识库只会放大错误;三是治理设计——权限边界、人工审批点、审计日志在上线前定好;四是度量基线——试点前先记录人工流程的耗时与错误率,否则上线后无法证明价值。Negency 的方法论是先小范围受控试点、验证有效再扩围,治理是设计输入而不是事后补丁。