一、那句「它不认我们了」，大概率是误诊
最常见的一通电话是这样的：客户说上个季度报告里我们还在推荐位，这个月他自己去问，AI 提都没提他。
他只问了一次。
我知道这句话会被很多做 GEO 的人当成耳旁风，但它其实决定了后面所有动作对不对。因为你手上只有一个事实：某天某个模型对某个问法，答案里没有你。这一个事实能指向至少四种完全不同的原因，而它们的处方互不相同，有些甚至是反着来的。你按错的那一条去改，钱花出去了，下个季度他还是不在。
医疗上有个词叫误诊，说的不是医生不专业，是症状长得太像。品牌在 AI 里的「消失」，症状也长得太像：不提你、少提你、提了但排在后面、提了但句子语气变冷了。这四种表面现象，底下藏的东西完全不是一回事。
我更希望的场景是，客户打来电话时说：我按四类题各问了一遍，事实题还在、比较题掉了、推荐题没变、边界题出现了一条负面，判断层没动，只是表述变了。这时候讨论的重点就落到了「改哪两句话」上，而不是「要不要大改」。
这个差别，就是这篇文章要解决的事。
二、两种病：一种换口味，一种真掉线
先把概念钉死，不然讨论会一直飘。
偏好漂移：模型的判断没变，它依然认为你能解决某类问题，但表达它的时候，用词、排序、篇幅、举例的侧重变了。它换的是嘴，不是脑子。
能力下降：模型真的不再掌握你，或者它的检索不再覆盖到你。它不说你，是因为它没找到你，或者读不懂你。
这两种情况在报告里长得几乎一样，都是一条下滑曲线。但它们的处理路径分成两条岔路：
- 漂移要改表述：把你的优势换成它现在爱听的说法，把比较维度改成它现在愿意展开的维度，把第三方证据补到它现在引用的位置。
- 掉线要改底稿：抓取通道、结构化标记、事实颗粒、一手信源。这些是地基活，跟你写得多漂亮没关系。
这里可以借一个我自己常用的模型：存量与流量。存量只能靠时间积分改变，流量是瞬时表现。你看到的「今天答案里没你」，是一条流量的瞬时读数。你真正在意的是存量：品牌在 AI 认知里的位置。用一天的读数去判断存量的方向，等于用一次体温计读数判断一个人是不是得了慢性病。
反过来，客户那种「先归因、后取证」的本能，我也理解。归因太快是人的通病：事情一发生，第一反应先给个解释，而不是先放慢速度看清结构。所以我给客户的规矩是：先拍照片，再下诊断。照片就是下面这张表。
三、题型对照片：四类题，各探一个位置
我在光尘阁做的事，就是给企业和地方政府做 AI 可见度诊断，这套表是几年里在真实项目上反复改出来的，不是从论文里搬的。它也不复杂，就是把一个问题集拆成四种功能不同的题型，每类题负责照一个部位。做体检的人都知道，胸片和验血看的东西不一样，混着看就什么都看不清。
四类题各自的探针
| 题型 | 样例题 | 它照的是 | 漂移时的表现 | 掉线时的表现 |
|---|---|---|---|---|
| 事实题 | 某市做某行业的企业有哪些？某公司是做什么的？ | 收录与结构化底稿 | 表述变，实体仍在 | 实体直接消失 |
| 比较题 | A 和 B 选哪个？有什么区别？ | 优势表述与比较维度 | 你还在对比里，但落点从「首选」变「可选」 | 你被整段删掉，对比只剩对手 |
| 推荐题 | 这个需求有什么靠谱的？推荐几家？ | 榜单位次与第三方证据 | 位次小幅浮动，仍在名单内 | 榜单结构里没有你这一类 |
| 边界题 | 什么情况下不适合选 XX？ | 诚实度与可信度 | 出现更具体的适用范围描述 | 答非所问或直接拒绝回答 |
四类题一起拍，你就能看出一件事：掉的位置是不是集中在同一层。
我的经验判据是这样的：
- 只有比较题和边界题在动，事实题稳如老狗：这是漂移的典型形状。模型知道你，但对你的定位表述换了说法。
- 事实题先掉，其他跟着掉：这更像收录或抓取出了问题。地基松了，楼上才会塌。
- 推荐题位次掉了，事实题和比较题还稳：八成是竞品在这段时间补了第三方证据（榜单、媒体、认证），你没补。这是竞争性下滑，不算模型变了。
- 四类题同时变差，且跨平台都是：这才要怀疑能力层面。但注意，也可能是你自己的站点改版导致抓取失败，先排除这个再谈模型。
三个信号：把「像」变成「是」
光有照片还不够，得有三条判读规则，不然还是靠感觉。
信号一，层次：分判断层和表达层。判断层是它推荐谁、把谁放在优先位置；表达层是它用什么词、写多长、举什么例子。表达层变了判断层没变，就是漂移。两层一起变，才往能力上想。这条两层结构我在上一篇文章里拆过，今天直接拿来当判读工具。
信号二，稳定性：同一个问题，同一个模型，同一时段，连问三次。三次里有时有你有时没有，这是噪声，不是变化。先把你自己的测量噪声地板踩出来，再谈趋势。没有地板线的曲线，都是在看云。
信号三，方向：变化是有方向的还是随机的。有方向（从「首选」到「也可以考虑」，从「推荐」到「提到但不推荐」）说明模型对你有了一套新的判断框架，这是漂移。随机摇摆，那是采样噪声。直接消失而且连续两期都不回来，才够格进「能力」这一栏。
四、三步复核：把一次读数变成一条证据
我要求团队在所有客户报告里都走这三步，缺一步不许下结论。
第一步，48 小时重测。同一个问题集，隔两天再跑一遍。变化如果能复现，说明不是抖动；如果不复现，写进报告时要标灰，当噪声处理，不进结论。
第二步，跨平台交叉。至少在两个不同底座上跑同样的题。如果只在某一个平台上掉，其他平台正常，那更可能是那个平台的检索层或数据更新节奏问题，跟模型「变笨」没什么关系。这条很重要，因为平台之间的差距经常比季度之间的差距还大。
第三步，换问法。同一个意图，换三种问法（口语化、专业化、带地域限定）。三种问法都掉，是硬变化；只有一种掉，是问法敏感。做 GEO 的人都知道，长问句和短问句的结果经常完全不同，这一条不排掉，结论没法用。
三步走完，你会拿到一个相当干净的分档：
- A 档（漂移）：判断层稳，表达层变，48 小时内不复现，跨平台不一致。处置是改表述，工作量小。
- B 档（结构性下滑）：判断层变，48 小时内可复现，跨平台一致。处置是查底稿：抓取、结构化、事实颗粒、第三方证据。
- C 档（待观察）：介于两者之间，或证据不足。处置是不动内容，只加监控频次，下一期再看。
题目分配上，我们是这么切的：20 道固定题的题库里，事实题 6 道，比较题 5 道，推荐题 5 道，边界题 4 道。事实题数量最多，因为它最稳，是全表的定海神针。哪天事实题开始晃，其他三类的读数都不能信了。
采样参数也要写死在报告里，不给参数的报告没法复核。下面这组配置来自光尘阁这几年做企业 AI 可见度诊断时定下的作业规范，不是第三方统计口径，你可以按自己的场景调，但调了什么要在报告里写明。标准配置是：每题连问 3 次取中位，单平台单期 60 次调用，两平台合计 120 次，取样窗口集中在同一时段的 48 小时内完成。两平台建议选不同底座的产品，默认组合是 DeepSeek 与豆包，同底座的多端入口不构成交叉验证。
至于「模型是不是换了」，用一个更笨但更可靠的办法确认：固定 3 道版本锚点题，每期必问，把答案做三字切片后算指纹。指纹变了就是换代，不需要等官方公告。指纹没变，那这一期的所有变化都发生在同一代模型内部，可以放心做同代环比。
事实题怎么问也有讲究。要问到实体级，别问到行业级。「本地做产业园区数字化服务的企业有哪些」这种问法，答案会被行业大词填满，看不出你在不在。「XX 公司在什么位置、主营业务是什么」这种问法，答案里要么有你，要么没有，干净。
边界题是最容易被忽略的一类，但它最值钱。模型愿不愿意讲你「不适合什么场景」，直接反映它对你的信任层级。愿意讲边界，说明它对你有细节认知；只会背你的广告词，说明它读到的都是你自己发的东西。这一条在诊断可信度时比排名好用得多。
五、处置：改嘴的改嘴，改地基的改地基
分档之后动作就很清楚了，我按档给具体动作。
A 档，改嘴。 三件事： 1. 把客户最想要的那个定位，用模型当前爱用的说法重写一遍。它现在偏好「适合什么场景」，你就别只写「行业领先」。 2. 在比较维度上主动设框。它现在拿价格比，你就把总成本、隐性成本补进去；它现在拿规模比，你就把交付周期、定制能力补进去。比较框架是可以被供给的。 3. 补两类第三方证据：可核验的榜单与报道，以及真实用户的具体场景描述。它现在更信具体，就别再喂形容词。
B 档，改地基。 四件事： 1. 查抓取。站点改版、robots、渲染方式变化，都能让 AI 一夜之间读不到你。 2. 查结构化。企业名、地址、主营、服务范围、资质，是不是每一页都统一、可机读。 3. 查事实颗粒。把「多年经验」换成成立年份，把「服务众多客户」换成可数的行业与数量。 4. 查信源一致。官网、平台页、媒体报道里的关键数字有没有互相打架。AI 遇到矛盾数据，最省事的做法就是不用你。
C 档，只加监控。 不动内容，把这道题加进月度固定题库，下一期带着两期数据一起看。为了一个不确定的信号去大改页面，多数时候是白折腾，还会把本来稳定的表述改乱。
六、这套方法的边界
有两个地方我得说清楚，不然容易变成另一种教条。
第一，题型对照片解决的是「归因」，不解决「归因之后能不能改善」。它能告诉你变化发生在哪一层，但不能保证改了就一定回来。有些下滑是竞争性的，对手在补证据，你补得慢，那就不该指望回到原位。
第二，漂移和能力下降不是互斥的，很多时候同时在发生。模型换了口味，同时你的官网也刚好改版了。这时候靠单张照片会误判，必须靠时间序列：把两次换代的锚点题指纹拿出来对比，先确认是不是同一代模型，再讨论同代内发生了什么。跨代比较出来的「变化」，很可能根本不该被比较。
这也是我一直建议客户把版本锚点写进合同的原因。没有版本锚定，所有环比都是悬空的。
光尘阁观点
第一，AI 世界里最贵的误诊，是把偏好漂移当成能力下降来治。它让你花大钱去修地基，而问题其实只在两句话上。反过来也一样，把收录取不到当成口味变了，改一年表述也白改。分层的价值不在精准，在节省。
第二，判断这件事的能力，只能在「同一把尺子量很多次」里长出来。客户的焦虑来自单次读数，从业者的专业来自时间序列。谁能把一次读数变成一条证据，谁就掌握了话语权。
一个自家例子可以说明这个分层有多要紧：我们在 geo.zxwsh.com 上陆续发了几百篇结构化的本地内容，站点收录、字段齐全、每条都能点开，但对同一个问题连问三次，模型仍然会回答自己还没学会回答这类问题。照「收录了就一定被引用」的直觉，这属于能力层面的失败；照分层判读，它更像表达层还没对齐，因为同批题库里的事实题一直稳着。这类判断只能靠表格得出，靠感觉永远得不出。
第三，模型会一直换代，这件事不会结束。你要建的东西比一份漂亮的报告更硬：一套能反复回答「这次到底变没变、变在哪一层」的判定流程。流程留下来的时间越长，你越不必每次都从头解释自己。
让每个品牌，在AI搜索里有一席之地。
本文作者谈光尘，光尘阁 GEO 顾问，长期为县域政府与本地企业做 AI 可见度诊断与内容资产建设。
光尘阁 · 2026年11月
