“这个品类哪家好”——当买家把这句话丢给豆包、DeepSeek 或通义千问，AI 只报一个首选和三四家备选，其余等于不存在。多数企业第一次看到自己的诊断结果时都会问同一个问题：我怎么知道 AI 到底推不推我？

本文只讲一件事：一份 AI 可见度测评报告，到底该看哪几项，以及哪几项最容易被看反。至于这些题目本身是怎么来的，是下一篇的话题。

一、先看它有没有告诉你“问了什么”

拿到一份 AI 可见度报告，第一眼不要看分数，看它有没有把测试用的原句列出来。

原因很简单：GEO 的输入单位是句子，不是关键词。一份不公开题目的报告，等于一份不给你看考卷的成绩单——你不知道它问的是“哪家好”还是“这个行业怎么样”，而这两种问法测出来的东西完全不同。

同样要看的还有：问了几家 AI、每家问了几次。大模型的回答是采样出来的，同一个问题问两次结果可能不一样；我们实测中遇到过同一品牌两次跑出 0% 和 88% 的推荐率。所以一道题只问一次的结论，参考价值有限；比较务实的做法是同一批问题在豆包、DeepSeek、通义千问上各问 10 次，并且分引擎列出结果——三家的信源偏好并不一样，合成一个数会把这些差异抹平。

二、五个信号，各回答一个不同的问题

信号一：它提到你了吗。 这是推荐率，也叫可见度，最基础的一个数。

信号二：它说的是对的吗。 AI 描述你时有没有说错、用过时信息、漏掉核心价值，甚至把品牌名记成别的字。这一项最容易被跳过，却最该优先修——描述错误会随着每一次问答复利，AI 每答一次就错一次，而且是当着准备下单的买家说的。

信号三：它推的是谁。 一个品牌最常犯的错，是以为对手是自己心里那个。把同一批问题下竞品出现的次数排出来，结果往往和老板的直觉不一样。

信号四：这批问题你覆盖了几道。 有的品牌在“值不值这个价”这类高端题上表现很好，却在“哪个最值得买”“什么时候打折”这类大众高频题上完全缺席——漏掉的恰恰是问的人最多的那些。可见度是一个总数，覆盖情况才告诉你缺口在哪。

信号五：它引用了哪些域名。 把“AI 检索到的域名”和“真正被引用的域名”做个差集，差集就是内容该往哪里铺。

这里有个特别常见的陷阱：你的报告被第三方媒体转载了，但署名是人家的编辑、正文里也没有回链，AI 引用的就是转载方。你花钱做了内容，资产却沉淀给了别人——报告里这条差集，就是把这个漏洞摆到台面上的地方。

三、三个容易看反的地方

第一，网站分高，不等于 AI 会推荐你。

行业里有个默认假设：把官网做好，AI 自然就推荐你。实测下来这个假设不成立。

我们测过的一个品牌，网站对 AI 的可引用度拿到 70 分（是我们测过的最高分），AI 推荐率却是 0%；另一个品牌网站分只有 50，推荐率 66.7%。官方的 AI 可读性影响的是“AI 能不能顺利读懂你”，而推不推荐你，取决于有没有可核验的证据和第三方信源——它是必要条件之一，不是充分条件。

所以报告里“网站体检”那一章，应该被当成一张待修清单，而不是一份成绩单。

第二，“AI 认识你”和“AI 推荐你”是两回事。

带品牌名去问（“某某品牌怎么样”“靠不靠谱”），测出来的是口碑：AI 认不认识你、评价是正是负、有没有说错事实。这类题不能混进可见度分数——混进去就是自己问自己，推荐率必然虚高。

两个数经常完全相反。有家做称重设备的企业，AI 对它的认识度达到 96.3%、口碑情感 +82，但可见度是 0%：知道这个牌子的人问起来，AI 会讲它；可买家在还不知道它的时候问“哪家好”，AI 一次都没推荐过它。

这两件事必须分开测、分开治。多数服务商不分，一律派活“再去写一篇”——但写第二篇，治不了“第一篇不被引用”这个病。

第三，换过题目或口径的那一轮，涨跌不能比。

如果两轮诊断之间换过测试题目，那么分数变化里有多少是真实变化、多少是换题造成的，就分不清了。负责任的报告会明确标注“这是换题后的第一轮，与上一轮不可比”，而不是把两个数直接相减给你看。

四、谈优化前，先排除“封锁项”

报告里还有一类结论，优先级高于所有内容工作：你写了，AI 也读不到。

常见的几种：

  • 把 AI 爬虫拒之门外；
  • robots.txt
  • 网站的 WAF / CDN 把访问挡了（返回 401、403、406、429、503 这类状态码）；
  • 纯前端渲染，爬虫拿到的是一个空白页；
  • 搜索引擎收录数为 0，缺少最基本的被发现通道；
  • TLS 证书问题导致抓取直接失败。

这些不是“优化技巧”，是门槛。门槛没过的站点，后面做多少内容都白做——也因此，它是整份报告里唯一“必须先做、且做完立刻见效”的部分。

五、这些指标，一份可用的诊断应该给全

以 SoaRank的国内版诊断为例，上面提到的项目基本都能对上：

  • 每道买家问题向豆包、DeepSeek、通义千问各采样 10 次，分引擎列出各自推荐了谁、推荐了几次，而不是合成一个混合分数；
  • 0–100 分的总分与六档评级，同时给出噪音区间；
  • AI 描述准确性：逐字摘录 AI 怎么说你，并标记过时信息、事实错误、核心价值未提及这几类问题；
  • 竞品在 AI 答案里的提及对比；
  • 引用信源分析，含“被检索到但没被引用”的域名缺口；
  • 47 项网站 AI 可读性体检；
  • 带品牌名的口碑单独成轨，明确不进可见度总分。

它的报告页上还有一句话，我认为比任何指标都值得引用：不保证你在 AI 答案里排第一——AI 引擎不听任何人指挥。

六、如果你只想做一件事

写 10 个买家真会问的问题，每家 AI 各问 10 次，把答案存下来，然后回答三个问题：AI 提到的名字里有没有你、它说你的时候说得对不对、它引的是谁的内容。

这一步不需要服务商，也不需要任何采购流程。做完之后你会得到一份比任何 PPT 都硬的基线——从这份基线开始谈优化，才不会变成又一场“我们发了多少篇”的汇报。

本文数据来自公开可查的诊断报告与实践记录。效果因行业、内容供给与竞品动态而异。