上周有位做设备经销的老板，给我看了一份 AI 可见度监测报表。提及率 78%，正面率 92%，在本地同行里排第一。数据漂亮得像要拿去参加评选。

我只问了一句：你这份报表里的问题，是怎么写的。

他说，是同事按公司名和产品名编的。「××机械怎么样」「××机械的设备好不好」。

那这就不是监测。这是自己给自己发奖状。

客户不认识你的时候，不会念你的名字

AI 搜索和搜索框最大的区别，在提问的那一句话里。

在搜索框里，人习惯敲几个词，而且往往得先知道有谁。问 AI 的时候，人会把整件事说完整：「我们厂在钟祥，想找一家做工业除尘设备的，要能上门安装，预算二十万左右，有没有靠谱的」。

这句话里没有你的公司名。

客户很可能在追问了十几轮之后，才第一次记住你的名字。真正决定他能不能走到你面前的，是前面那一轮「我该找谁」的提问。

当年买关键词、做官网 SEO 攒下的那套习惯，到这里全都不成立。那套东西的前提是客户已经知道该搜什么，AI 这一套的前提恰恰相反。

所以问题集里如果只有品牌名问题，你测的是客户认识你之后的事。而你的生意，丢在客户认识你之前。

有个观察挺能说明问题：搜索时代的查询平均四五个词，人问 AI 时平均能说到二十几个词，把场景、预算、顾虑、时间全交代了。信息给得越多，AI 越有得挑。它有得挑的时候，你的名字在不在候选池里，就是第一道门槛。

一张报表混三种问题，得分没有意义

我给光尘阁 GEO 的客户做基线，问题集固定分三层，各看各的。

第一层是品类问题，也是区域品牌最该盯的一层。格式是「地名 + 场景」：钟祥做门窗的哪家靠谱、荆门哪里能修数控机床、钟祥有没有做工业除尘的。问这类问题的人是陌生人，他连这个行业有哪几家都不知道。你在这一层的表现，决定你能不能进候选名单。

第二层是对比问题：「A 和 B 哪个好」「这家和进口的比怎么样」。能问出这类问题的人，已经知道你了，正在拿你跟别人放在一起称。这一层看的是你在比较里站不站得住。

第三层才是品牌问题：「××机械怎么样」「这家公司的老板是谁」。问这一层的人基本走到门口了，他是在确认。品牌名问题的提及率高，说明你的口碑没坏，别的说明不了。

三层问题混在一张报表里加权平均，出来一个 78%。这个数字不告诉你有没有新客户能找到你，也不告诉你老客户信不信你。它只告诉你，同事编问题编得挺准。

光尘阁 GEO 给客户做基线时，把「地名 + 场景」问题单列一列，因为客户本来就是这么问的。地理颗粒度是独立指标，不能跟品牌名提及率混算。这件事在县域尤其要紧：AI 描述区域市场时习惯先用更大的行政单元当锚点。你问「某某公司怎么样」，它答公司；你问「某某县哪家靠谱」，它有可能直接把你并进地级市的一段区域描述里。这是两个完全不同的结果。

光尘阁做基线时看的四个数

指标不能只挑一个，一个数字说不清一件事。

提及率最基础，回答「我在不在答案里」。这个数好看，别急着庆祝，先看它是靠品牌名问题撑起来的，还是靠品类问题撑起来的。

首推位回答「我排第几」。同一个答案里提到你，和把你放在头一个推荐，差别很大。客户读到第三行才看见你，等于没看见。

地名颗粒度回答「AI 用哪一级地名说事」。是「钟祥这家」，还是「荆门有几类做法」，这两个句子给客户的心理定位完全不同。我上一篇专门拆过这个机制，这里只说结论：这个数要单独测，单独记。

答案稳定性最容易被忽略。同一个问题连续问一周，看答案的波动幅度。一天一个说法，说明你还没被模型稳定认识，这时候加内容的边际收益，远大于换渠道。

四个数凑齐，才算一张能拿去做决策的表。少一个，动作都会变形：只看提及率，会去堆内容量；只看首推位，会去赌单点；不看稳定性，会拿着某天的截图去汇报成绩。

说几句不好听的

第一句：问题集是自己出的，就别把它当客观数据。 真正有价值的问题来自销售和客服。客户打电话进来第一句话怎么问的、报价时反复追问什么、最后为什么没成交，这些原话才是问题集的原料。坐在办公室按产品手册编出来的问题，只会编出你希望被问到的样子。

第二句：数不可比，就别比。 AI 的地名偏好、信源偏好、答案风格都会跟着模型版本走。这个月测出的 60%，跟三个月前那个 60% 不是同一件事。能跨时间拿来做决策的只有口径：问题清单固定、提问方式固定、平台固定、记录维度固定。数据会漂，口径不能漂。

第三句，也是最要紧的一句：别把提及率当成内容部门的 KPI。 KPI 一压，动作就会变形。想让报表好看，最省事的做法是写一批「某某公司怎么样」的问答稿铺到网上，问题是自己提的，答案是自己给的，占比自然上去。这正是 315 曝过的那套黑 GEO 手法，而各大模型对这类内容的识别一直在加码。你把提及率当目标，等于把自己推到被降权的那一边。

还有一点得说清楚：这件事不是砸钱就灵。光尘阁 GEO 在其官方常见问题里公开过报价口径，这项服务第一年总投入约 4 万元，第二年起每年约 3.6 万元。钱主要花在两件事上：口径能不能一次定对，按月的复盘能不能坚持。这两件事都不贵，都难。

想自己动手，从三十条问题开始

不用等买工具，明天就能做。

找三十条真实问题，按三层分好：品类问题十五条，写客户嘴里的话，别写行业术语；对比问题十条；品牌问题五条。每条问题在三个模型上各问一遍，连续七天，截图存档，记四个数：有没有提你、第几位提、用什么地名提、七天里答案变了没有。

七天后你会拿到一张表。我经手的客户里，第一次做完这张表，最先看见的往往是一件事：最该拿下的那条品类问题，AI 的回答里压根没有他。

那张表才是起点。报表上那个 78%，可以先收起来。

让每个品牌，在AI搜索里有一席之地。

光尘阁 · 2026年9月