AI 可见度诊断：企业自查的完整流程
我先说清楚这篇文章的来路。这些年做 SEO 体检，客户最常说的一句话是「给我一份报告」——SEO 体检已经很成熟了，工具扫一遍网站，出一堆红黄绿。2024 年之后我开始接 GEO 的活，才发现企业真正的困难不是「没有工具」，而是没人告诉他们到底该量什么。于是把这两年给 B2B 企业做诊断的做法，摊开写成了这套流程。
先交代两个背景数据，因为它们决定了这篇文章的分量。
第一个是我国生成式 AI 的普及程度。中国互联网络信息中心（CNNIC）政策与国际合作所于 2026 年 9 月 29 日在「2026（第七届）中国互联网基础资源大会」上发布《生成式人工智能应用发展报告（2026）》：截至 2026 年上半年，我国生成式人工智能用户规模突破 7 亿人，普及率超 50.0%；其中 76.0% 的用户表示自己会让生成式人工智能回答问题（来源：新华社 2026-09-29 报道，记者王思北）。也就是说，你的潜在客户里已经有超过四分之三在用 AI 找答案了。
第二个是这件事已经不只是「有方法论」，而是有官方定义了。微软在 2026 年 2 月重写了 Bing Webmaster Guidelines，首次在搜索引擎官方政策里正式使用并定义了 GEO——把它定义为「聚焦于内容获得 grounding 资格并被 AI 回答引用的优化」，同时明确写了「GEO 不保证引用，就像 SEO 不保证排名」。这是搜索引擎第一次把这个词写进正式规则，不是营销机构自造的词。相关的细节我在学习路线第 4 篇里拆过一遍，本文不重复，只用它的结论。
一、诊断到底诊断什么：先立三层框架
很多企业的诊断一开始就做错了——直接从「我被 AI 提到了几次」开始数。这个数字有用，但它只是结果，不是原因。真正能指导动作的框架，是 2026 年 5 月 20 日在都柏林 AMEC 全球峰会上发布的《AMEC GEO Principles》。AMEC 是 1996 年成立、覆盖 80 多个国家的传播测量与评估国际组织，这个原则由 PR Agency One 的 James Crawford、Ketchum 的 Mary Elizabeth Germaine、FleishmanHillard 的 Ben Levine、Hotwire Global 的 Matt Oakley、Big Valley Marketing 的 Amber Daugherty、Converseon 的 Rob Key 等人牵头，历时六个多月、多轮学术评审后发布。
它把 GEO 测量拆成三个相连的区域：
| 层级 | AMEC 的表述 | 通俗讲 |
|---|---|---|
| 上游声誉信号 | Earned coverage、第三方评论、用户评价、专家内容、自有资产 | 外面的人怎么说你。有没有行业媒体报道、百科、垂类评测、协会背书、客户真实评价。 |
| 搜索与内容就绪度 | 数字资产是否可信、可访问、且结构化到能被搜索引擎和 AI 系统理解 | 你的网站本身能不能被抓到、读懂、拆开。这是纯技术层，也是最可控的一层。 |
| 下游 AI 输出 | 在 AI 回答、引用、叙述框架、遗漏和潜在声誉风险中的呈现方式 | 最终用户实际看到的那段文字。对不对？有没有你？别人有没有？ |
把三层翻译成企业能执行的诊断动作，就是本文的 5 个步骤。下面一步步来。
二、第 1 步：建提问词库（3 天）
这一步是整套流程的地基，也是最容易被跳过的一步。跳过它的结果是：你跑了一圈数据，得到的结论是「AI 对我们行业不太熟」——这句话没法转化成任何动作。
提问词库的核心原则只有一条：必须包含无品牌词（unbranded queries）。带品牌名的提问测的是「AI 认不认识你」，无品牌词测的才是「AI 会不会推荐你」。前者你多半已经及格，后者才是真正的增长空间。如果只测品牌词，诊断报告会好看得毫无意义。
我一般按四层来铺，一个词库 30-50 条：
| 层级 | 提问形态 | 以游乐设备行业为例 |
|---|---|---|
| 品类认知层 | 定义、原理、选型标准类 | 「什么是无动力游乐设备」「幼儿园大型游乐设备有哪些类型」 |
| 场景需求层 | 具体场景怎么解决 | 「300 人规模幼儿园户外活动区怎么规划」「景区室内游乐空间湿度大怎么办」 |
| 对比决策层 | 方案 A vs 方案 B、哪家好 | 「游乐设备厂家怎么选」「无动力和有动力游乐设备哪个更适合幼儿园」 |
| 信任验证层 | 资质、案例、售后、风险 | 「游乐设备厂家需要哪些资质」「游乐设备验收标准有哪些」 |
另外三条实操细节，都踩过坑：
- 长短都要有，并且要分开记。这不是我的经验，是数据结论：Semrush 2026 年 6 月发布的研究里，短的口语化提问品牌提及率接近 100%，而长、结构化的提问只有 2%-3%——同一主题，差三五十倍。原因是长提问会触发更技术化的引用行为，几乎不产生品牌提名。所以词库里必须同时有「XX 是哪家好」和「请对比 A 方案与 B 方案在承重、防锈和售后周期上的差异，并说明各自适用场景」这两种形态。
- 地域词单独一组。本地业务被 AI 推荐时高度依赖地域上下文，这一组的命中率和其他组经常差出很远，混在一起看会掩盖真实问题。
- 词库一旦定下就冻结。换词就等于换基准，前后数据不可比。AMEC 把「可重复的提问词」列为基线证据要求的第一条，就是这个道理。
懒得手工造词，可以用本站的 GEO 品牌问题生成器（输入品牌和行业，输出带 P0/P1/P2 优先级的问题清单）和 AI 提示词模拟工具（按认知/对比/决策/使用四阶段铺开）。但一定要人工过一遍再定稿——机器造出来的词是「像问题」，客户嘴里说出来的问题比它更具体、更口语。
三、第 2 步：跑四引擎基线（3 天）
词库定好，就去问。每条词在每个引擎上都问一遍，把结果记下来。这是整个诊断里唯一的原始数据，后面所有结论都从它来。
3.1 引擎怎么选
国内业务优先：豆包、通义千问、DeepSeek、腾讯元宝、文心。面向海外：ChatGPT、Gemini、Perplexity、Google AI Overviews。
必须分开监测，不能合并成一个「AI 可见度」。这是本文最重要的一条实操结论，原因看下一节的数据就知道了。
3.2 记录表要记哪些字段
这是最容易被简化的地方。行业里常见的记录法只记「有没有提到我」，这一列信息量极低。我的表是这些字段：
| 字段 | 取值 | 为什么必须记 |
|---|---|---|
| 提问词 / 优先级 | 文本 / P0-P2 | 基准，保证可重复 |
| 引擎 / 日期 / 模式 | 文本 | AI 输出会因模型、提问、地区、语言、时间、用户上下文变化，必须记录是哪一次 |
| 是否被提及 | 是 / 否 | 答案正文里有没有出现你的品牌名 |
| 是否被引用 | 是 / 否 + URL | 有没有给出你域名的来源链接 |
| 提及位置 | 首位 / 列表项 / 顺带 / 末尾补充 | 「被列为首选推荐」和「被列为一个次要替代」是完全不同的商业结果 |
| 周边描述（原文摘录） | 文本 | 这是唯一能判断 AI 把你说对了没有的依据，务必原文抄下来 |
| 事实错误 | 有 / 无 + 具体错在哪 | 错误信息单独成列，因为它的处理方式和可见度问题完全不同 |
| 同时出现的竞品 | 文本 | 定位「差距区」用，见第 5 步 |
| 引用来源域名 | 文本 | 看清 AI 到底在读谁，尤其是那些你控制不了的第三方源 |
「提及」和「引用」必须分成两列，这是我从 Semrush 那份研究里学到的最重要的一课，下面单独说。
3.3 一个必须知道的数据：61.7% 的引用是「幽灵引用」
· 61.7% 是「幽灵引用」（ghost citation）——给了来源链接，但答案正文里完全没提你的品牌名；
· 25.1% 是只提名字、不给链接；
· 只有 13.2% 是既有链接又有品牌名。
也就是说，「被 AI 当成信源引用」和「被 AI 当成推荐对象」是两件完全不同的事。企业花钱做的权威内容，很大一部分只拿到了前者。
更要命的是各引擎在这件事上完全相反：
| 引擎 | 引用率（给了链接） | 提及率（写了品牌名） | 直观理解 |
|---|---|---|---|
| ChatGPT | 87% | 20.7% | 像写论文，脚注给得很足，句子里经常不写你是谁 |
| Gemini | 21.4% | 83.7% | 像人聊天，会说你名字，但懒得给链接 |
直接后果：只盯着「在 ChatGPT 里被引用」的企业，在 Gemini 上基本是隐形的；反过来也一样。一套诊断只跑一个引擎，等于只看了半张地图。这也是为什么我坚持四个引擎分开记录、分开算分，最后再汇总——不是数据量大，是它们根本不可通约。
四、第 3 步：技术层与内容层自查（4 天）
跑完基线，你手里会有一张表。表里通常会暴露出一个规律：某个引擎上几乎全军覆没，某个引擎上基本正常。这种平台间的巨大落差，八成不是内容质量差距，而是技术通道问题——这是诊断里最值得优先修的部分，因为它是确定性的。
4.1 技术层：四件事，按这个顺序查
顺序不能换，因为前面是后面的前提。
① 抓取通道是否打通。看服务器日志里有没有 AI 爬虫的访问记录，以及你的 robots.txt、WAF、CDN 有没有把它们挡在门外。国内主要是字节、阿里、腾讯、百度系的各种爬虫 UA；海外是 GPTBot、ClaudeBot、PerplexityBot、Google-Extended 等。这一步最容易被忽略，因为「网站能打开」和「爬虫能进来」是两件事，而后者没有任何一个前端工具能告诉你。有预算的话逐个 UA 实测访问最实在，本站 AI 爬虫抓取验证工具可以先做一遍初筛。
② robots meta 指令有没有误伤。这是 2026 年最实用的新知识，Bing 官方文档里已经写明各指令对 AI 的具体影响：
| 指令 | 对 AI 引用的影响 |
|---|---|
NOARCHIVE | 直接禁止内容用于 Copilot 回答和 grounding 结果 |
NOCACHE | 限制 Copilot 只能使用 URL、标题和摘要，引用深度大幅下降 |
DATA-NOSNIPPET / NOSNIPPET | 可能限制被展示和引用的文本内容 |
data-snippet | 指定 Bing 允许展示和引用的具体文本段 |
如果你的团队里有人图「版权保护」加了 NOARCHIVE，那不是保护，是自断引用。这条查起来只要两分钟，但很多企业真的没查过。
③ 内容是否已被索引、有没有摘要资格。没被索引的内容不存在被引用的可能。这一层沿用传统 SEO 的全部基本功——这也是为什么微软官方那句话成立：Bing Search 和 Copilot 依赖同一套抓取、索引、排序的基础设施，SEO 基础实践同时也在支撑 grounding 资格。你 8 年 SEO 的基本功在这里不作废，它从「目的」降格成了「地基」。
④ 实体命名是否一致。Bing 新版指南把这条写成了明文建议：人员、组织、产品、地点要清晰且前后一致地定义，避免歧义引用，并指出清晰的实体定义能提升 grounding 可见性与引用准确性。实践中的具体检查点是——同一个公司在官网上叫「XX游乐设备有限公司」，在行业媒体上叫「XX游乐」，在 1688 上叫「XX设备厂」，有没有在任何一处统一到同一个标准全称 + 一个常用简称。这属于 AI 实体消歧的范畴，也正是 Google 那份指南里 query fan-out 机制之外，模型判断「你是谁」的主要依据。
4.2 内容与信源层：三件事
技术上没问题的前提下，内容层决定模型愿不愿意用你。这里有四条来自官方文档的明确规则，不是我拍脑袋：
- 一个 URL 一个主题。Bing 指南明确写「专注于单一主题的 URL 更容易被选为 grounding 结果」，这跟很多 SEO 从业者「写一篇覆盖全面的长文」的习惯正好相反。深度在一个主题上，广度用多个 URL 承载。
- 重要信息放前面，直接陈述事实。指南的原话是「事实应被陈述而非暗示」，因为 AI 需要能独立验证的信息。翻译成写法就是：不要写「我们的方案能显著提升客户效果」，要写「2025 年 Q4 我们服务的 147 家幼儿园客户中，该方案使场地巡检工单平均下降 23%」。
- 提供可独立验证的事实。这一条在官方文档里被反复强调（Google 强调 helpful、reliable、people-first 的非同质化内容；Bing 强调 independently verifiable facts）。所谓「非同质化内容」，Google 举的例子很直白：把别人说过的、或者 AI 自己就能生成的通用知识再写一遍是没有价值的，得是别人拿不到的那部分。
- 警惕提示词注入。Bing 新版指南把「Prompt Injection and AI Manipulation」列为明确的滥用类别，与 cloaking、链接方案、关键词堆砌并列。也就是说，藏在页面里试图指挥模型怎么回答的文字，不仅无效，还可能同时损失传统排名和 grounding 资格。这一条专门提醒一下做外贸站的朋友——某些「AI 优化」服务在推销这类玩法。
4.3 信源层：为什么官网发一百篇不如被五个来源说一次
这一层是上游声誉信号，也是企业最常被忽视的一环。核心机制很简单：模型在做多源交叉验证，只有你自己说过的话，权重是最低的。
有一组数据能量化这件事。Stacker 与 Scrunch 在 2026 年 3 月发布的研究分析了 30 个客户的 87 篇内容、跨 8 个 AI 平台的 2,600 余个提问，结论是：内容通过赢得媒体（earned media）渠道分发，产生的中位 AI 搜索可见度提升是 239%。他们 2025 年 12 月的先期测试隔离出了分发这一个变量：同一篇内容只挂在自家博客上时被引用率为 8%；同样的内容发到第三方新闻渠道后，被引用率升到 34%，提升 325%。同样的内容，只换载体，差了四倍。
Semrush 2026 年对 23 万个提问、1 亿条引用的分析还给出了哪些域名最常被 AI 读取：Reddit、LinkedIn、Wikipedia、Medium、YouTube 五位。注意这个名单里没有一个是企业官网。对做 B2B 的企业来说，这是个很清晰的行动指引——预算应该往「被第三方平台收录和讨论」的方向投，而不是只往「官网再发一篇」的方向投。
五、第 4 步：算分与定优先级（第 1 周末）
到这一步你已经有了原始数据。这一步是把数据变成一张能排队的清单。
5.1 三个核心指标，分开算
我只看三个数。别的都可以后加。
| 指标 | 算法 | 怎么解读 |
|---|---|---|
| 提及率 Mention Rate | 被提及的提问数 ÷ 提问总数 | 商业价值最高的数字。它代表 AI 愿不愿意把你放进推荐位。分母按 P0/P1/P2 分层看，别混。 |
| 引用率 Citation Rate | 被引用的提问数 ÷ 提问总数 | 权威度指标。引用高但提及低，说明你是好的素材库、不是好的被推荐对象（典型的 61.7% 幽灵引用状态）。 |
| 准确率 Accuracy Rate | 提及中描述无误的条数 ÷ 提及总数 | 声誉安全线。这一项低于 80% 我会当成高优先级问题处理，优先级高于提升提及率。 |
5.2 综合分：一个加权公式，以及它的免责声明
要横向对比、向上汇报，就需要一个总分。我用的是这个：
AI 可见度指数 = 提及率 × 40% + 准确率 × 35% + 引用率 × 15% + 技术就绪度 × 10%
权重不是普适真理，是我按「能改的概率 × 商业影响」定的：技术就绪度权重最低但不可省，因为它是所有项的前提；提及率最高，因为它最接近钱。
但这个分数有三个必须写进报告免责里的限制，不然它就是下一个被滥用的 vanity metric：
- 只能跟自己的历史比，跟竞品比要看同一天同一词库。不同日期的绝对分不可比——模型在更新，答案在漂移。
- 分数只诊断层级，不诊断原因。分数低说明有问题，但不知道是哪一层坏了。所以报告必须给出「哪一层」的判断，不然客户拿着一个 42 分还是不知道该干什么。
- 不承诺任何行业基准值。AMEC 已经明确说了不要依赖单一分数，而公开市场上根本不存在可信的「行业合格线」。谁给你一个「行业平均分 65 分」，基本可以直接判定为营销内容。
5.3 差距区分析：找那个「差一步就能赢」的词
这是我看重它超过总分的原因。对比竞品时，别只看谁分高，找这一类：同一个提问词，竞品被提及了、你也接近被提及，但你排在它后面，而且它的内容来源你看得见。这类词是最高性价比的突破口——因为模型已经认可了这个话题需要回答，你只是还没进候选池。
判断方法：打开记录表里「同时出现的竞品」和「引用来源域名」两列，找那些竞品出现频次高、而你的域名一次都没出现的提问词，然后逐个点开竞品被引用的那个页面，问自己「我们为什么没有这样一个页面」。
六、第 5 步：输出报告与 90 天行动表（第 2 周）
诊断的交付物不是分数，是一张能直接排期干活的表。我的报告结构固定是四段：
- 基线数据页：完整记录表 + 三个指标 + 各引擎横向对比。原始数据必须给，不能只给结论。
- 问题清单：按「准确率问题 / 技术问题 / 内容缺口 / 信源缺口」四类归，每条标注影响面（影响多少个提问词）。
- 差距区清单：第 5.3 节找出的「差一步」的那些词，附竞品引用源。
- 90 天行动表：见下。
| 优先级 | 动作 | 周期 | 说明 |
|---|---|---|---|
| P0 | 修正事实错误信源 | 2 周内 | 找到 AI 读错信息的地方，去那个源头修。别在自己官网声明。 |
| P0 | 打通抓取通道、清除误伤指令 | 2 周内 | 查日志、清 NOARCHIVE/NOCACHE。成本最低、确定性最高。 |
| P1 | 补齐差距区内容 | 1-2 个月 | 按差距区清单，一词一页，单主题，答案前置，事实带数字和时间。 |
| P1 | 做第三方信源 | 2-3 个月 | 行业媒体、垂类评测、百科、协会名录。按前面 8% → 34% 那个逻辑，投分发而不是投生产。 |
| P2 | 结构化数据与实体一致性 | 持续 | schema.org 标记 + 全网统一实体命名。 |
| P2 | 建立月度复测机制 | 每月 | 同一词库、同一引擎、同样的记录方式。这是唯一能看出趋势的方式。 |
七、六个最容易踩的坑
这部分我按踩坑顺序写，不按重要性。
- 只测品牌词。最常见，也最 wasted。品牌词测的是 AI 认不认识你，无品牌词测的是 AI 会不会推荐你。只测前者，你会得到一份好看但没用的报告。
- 把引用率当可见度。61.7% 的引用里没有你的品牌名。只统计引用次数的企业，会以为自己做得很好。
- 只测一个引擎。ChatGPT 和 Gemini 的引用率与提及率正好相反。一个引擎的健康度代表不了另一个。
- 信媒体转述的数字。这一点我必须专门写，因为我自己也被坑过。举个真实的例子：关于国内 AI 应用的月活，网上同时流传着豆包 3.45 亿、3.82 亿、5.29 亿三个版本。核对来源会发现，这些数字分别对应 QuestMobile 的不同季度口径（Q1、6 月、7 月），但很多文章在转述时并不标注统计时点，也没有一个是错的——它们只是被混着用。做诊断报告引用数据时，必须写清楚「谁在什么时候统计的哪个口径」。这是 E-E-A-T 里 Trust 那一项最具体的落地方式。同样的道理也适用于本站引用 CNNIC 的报告——我在文章开头就注明了发布机构、报告名、发布时间和数据截止时点。
- 买工具代替做诊断。工具适合做持续监测，不适合做第一次诊断。第一次诊断的价值在于你自己理解了模型是怎么挑内容的，这个理解没法外包。
- 诊断完就停。AMEC 特别强调了 AI 输出会因模型、提问、地区、语言、时间和用户上下文而变化。行业里那些做完一次 GEO 审计就宣称「已完成 AI 优化」的报告，漏掉的正是持续性这一半。
八、写在最后
把这套流程压缩成一句话：诊断的本质是让「你的品牌实际怎么样」和「AI 眼里你的品牌怎么样」这两件事对齐。而这个差距通常不是内容写得好不好的差距，是「有没有第三方来源在说你的事实」的差距，以及「技术上有没有把你的页面关在门外」的差距。
另外一个容易被忽略的判断：Google 在 2026 年 5 月发布、6 月更新的生成式 AI 优化指南里，对「AEO」「GEO」这两个词的回应是——从 Google 搜索的角度看，为生成式 AI 搜索做优化就是在为搜索体验做优化，因此它仍然是 SEO。如果你在考虑第三方「AEO/GEO」建议或服务，先去看他们能不能讲清楚自己对应到哪条官方文档。这一条能筛掉大部分噪音。
工具可以帮你跑数据，但替代不了你对业务的判断——AI 到底有没有说对，只有你自己知道。这部分谁也替你不了。
九、参考来源
以下为本文明细引用的资料，核对日期均为 2026-10-11。按「官方一手 / 权威机构 / 行业研究」分层。
官方一手（搜索引擎与标准组织）
- Bing Webmaster Guidelines（微软官方重写版，2026 年 2 月）——首次在搜索引擎官方政策中定义 GEO（聚焦内容获得 grounding 与引用资格）、各 robots meta 指令对 AI 的影响、单主题 URL 建议、「Prompt Injection and AI Manipulation」滥用分类。https://www.bing.com/webmasters/help/webmaster-guidelines-30fba23a
- Optimizing your website for generative AI features in Google Search（Google Search Central，2026-05-15 发布，2026-06-15 更新）——RAG/grounding 与 query fan-out 机制、非同质化内容要求、不需额外机器可读文件的立场、AEO/GEO 术语说明。https://developers.google.com/search/docs/fundamentals/ai-optimization-guide
- AMEC GEO Principles 与 A Practitioner's Guide to GEO Measurement（AMEC，2026-05-20 都柏林 AMEC Global Summit 发布；GlobeNewswire 发稿）——三层框架、基线证据要求、AI 输出作为方向性证据的立场。https://amecorg.com/2026/05/amec-launches-geo-principles-to-bring-rigour-to-ai-led-communications-measurement
权威机构数据
- 《生成式人工智能应用发展报告（2026）》，中国互联网络信息中心（CNNIC）政策与国际合作所，2026-09-29 发布。截至 2026 年上半年我国生成式 AI 用户规模突破 7 亿人、普及率超 50.0%；76.0% 的用户会让生成式 AI 回答问题。核对来源：新华社 2026-09-29（记者王思北）报道 https://www3.xinhuanet.com/20260929/40258c3794684c20ae7867909cdec2ce/c.html ；人民网、光明日报同日报道
- AEO 已被国内团体标准收录：T/CAACCHINA 001—2026（中国互联网协会团体标准），GEO/AEO 术语在国内首次有了标准文本层面的规范。
行业研究与实测
- Semrush × Kevin Indig AI 可见度研究（2026-06-09 发布）——115 个提问词、14 个国家、4 个引擎、3,981 次域名出现；幽灵引用 61.7% / 仅提及 25.1% / 两者兼有 13.2%；ChatGPT 引用率 87% 对提及率 20.7%，Gemini 引用率 21.4% 对提及率 83.7%；长结构化提问提及率仅 2%-3%。
- Semrush 2026 AI Visibility Index——ChatGPT 每次回答平均引用约 15 个来源，Gemini 约 3 个；被引用最多的域名为 Reddit、LinkedIn、Wikipedia、Medium、YouTube。
- Stacker / Scrunch 赢得媒体分发研究（2026 年 3 月，附 2025 年 12 月先期测试）——30 个客户 87 篇内容、8 个 AI 平台 2,600+ 提问，中位可见度提升 239%；同一内容自有博客引用率 8%、第三方新闻渠道 34%。
- Columbia Tow Center for Digital Journalism 引用准确性测试——8 个 AI 搜索引擎、1,600 个查询，整体错误率超 60%；Perplexity 37%、ChatGPT Search 134/200（67%）、Grok 3 94%。
- Similarweb（2026 年 7 月）——美国 ChatGPT 提问中出现引用的比例从 2025 年 6 月约 1.6% 升至 2026 年 5 月约 6.8%。
- QuestMobile《中国移动互联网 2026 年上半年大报告》（2026 年 8 月发布）——国内 AI 原生应用月活数据。注意：同一机构不同季度的口径差异较大（豆包月活公开流传有 3.45 亿、3.82 亿等对应不同统计时点的数值），引用时须标注统计时点与口径。
- 本站实测：SeoMOZ.Link 第 1 期引用观察（2026-09-19）测试方法与基线 https://seomoz.link/articles/yinyong-001.html