跳到主要内容
研究方法 · 2026-11-16 更新

AI 搜索品牌可见度观察
先公开方法,再发布数据

GEO 行业最缺的不是观点,是可复现的测量。我们把问题集、平台、指标、样本和局限写清楚,再按季度发布观察结果。

固定问题集 多平台、多次采样 公开局限
Why

为什么要做这份观察?

因为“AI 推荐了你”这句话,如果没有基线、样本和时间窗口,无法验证。

答案在变

模型、检索范围和竞争内容都在变化,单次截图不能代表趋势。

指标混乱

提及、推荐、引用和点击经常被混为一谈,导致优化动作和结果对不上。

缺公开样本

行业里大量“效果”没有方法说明。我们想提供一份可被检查的样本。

Design

测量设计

先固定变量,再观察变化。

维度做法
平台豆包、DeepSeek、元宝、千问、Kimi;不同平台分开记录,不合并成一个“AI 总分”。
问题集30 个高意向问题,覆盖“是什么、怎么选、哪家好、多少钱、靠不靠谱”五个阶段。
采样同一时间窗口内多次提问,记录每次回答;避免只挑对品牌有利的一次。
记录字段是否提及、推荐排名、引用来源、竞品同框、描述准确度、回答时间。
复测按月或按季度复测,保持问题集和平台不变;问题集变更时单独标注。
Metrics

五个指标,分开看

不要用一个“AI 排名”概括所有变化。

品牌提及率

固定问题里,回答提到品牌的比例。它回答“有没有进入答案”。

推荐排名

品牌在推荐列表或对比中的顺序。被提到不等于被推荐。

引用来源

回答引用了哪些域名和页面。来源结构决定后续内容该放到哪里。

竞品同框

品牌常和谁一起出现、谁排在前面。用于判断竞争位置和内容缺口。

描述准确度

AI 对品牌事实、产品、价格和适用人群的描述是否与公开信息一致。

Limitations

这份观察不能证明什么

把局限写出来,比给一个漂亮数字更重要。

  • AI 回答具有非确定性,同一问题在不同会话可能不同;多次采样只能降低波动,不能消除。
  • 结果可能受账号、地区、时间和个性化影响,不能代表所有用户看到的答案。
  • 观察是相关性记录,不是因果实验;不能单独证明某个动作导致了变化。
  • 样本集中在特定行业和问题集,不能外推到所有行业。
  • 平台规则、模型和检索范围会变化,历史数据需要标注采集时间。
Report

首期报告(2026 Q4)

首期报告正在制作中。下面是我们计划公开的内容。

部分计划内容
方法问题集、平台、采样时间、记录字段和判定标准。
聚合结果按行业和问题阶段汇总的提及率、平均排名、引用域名分布。
来源观察哪些类型的域名更常被引用,网站、媒体、问答和工具站各占多少。
局限样本偏差、非确定性、平台差异和不可归因部分。
参与方式品牌方可以提交问题集,参与下一期观察;不公开可识别客户数据。
FAQ

常见问题

这份观察测什么?

在固定问题集和固定平台上,记录品牌是否被 AI 提及、推荐排名、引用来源、竞品同框和描述准确度。

为什么需要多次采样?

AI 回答具有非确定性,同一问题在不同时间、不同会话可能给出不同结果。多次采样并记录时间窗口,才能区分趋势和波动。

报告会公开客户数据吗?

不会公开可识别客户身份的数据。首期报告使用聚合数据和匿名示例,并说明样本、方法和局限。