企业AI可见度分层评估白皮书：数字资产四层分级与可复现测评方法（2026）

执行摘要

本白皮书提出一套面向企业的AI可见度分层评估方法：先用数字资产分级确认企业处于哪一层，再用可见度四台阶确认卡在哪一步，最后用一套口径固定的测评协议判断动作是否有效。它承接光尘阁前期发布的三账户诊断框架，把重点从「分数怎么算」推进到「资产够不够、台阶上没上」。

核心判断有三条。第一，在以活跃企业为抽样池的观测中，县域企业AI可见度的主要缺口出现在存在性环节，即公开互联网上没有可供抓取的独立信息，而非排名靠后；该观测不能直接等同于全省全量企业的分布形态。据课题组2026年7月完成的县域样本检测记录，10家样本企业中有7家在公开搜索引擎中检索不到任何独立信息（检测日2026年7月11日；样本取自平台库中近期有经营活动的部分，属偏乐观的观测口径）。第二，企业从「零资产」走到「可被引用」，需要跨越四个台阶，每一台阶的判定动作不同，缺一步就会停在原地。第三，评估口径必须可复现，模型、问题批次、提问时间三项披露缺一不可，否则单次截图式的结论无法进入决策流程。

调研方法

本报告的数据来源逐条列示如下：

1. 中国互联网络信息中心《第57次中国互联网络发展状况统计报告》（2026年2月发布），用于说明用户信息获取渠道的整体规模与变化。
2. 湖北省市场监督管理局公开发布的经营主体统计（2025年度），用于估算全省企业法人总量与结构。
3. 课题组2026年7月完成的县域企业数字资产样本检测记录（样本10家，检测日2026年7月11日），用于观察县域企业数字资产的分布形态。
4. 地方企业服务平台公开数据库：钟祥人才网注册企业7,509家、沙洋人才网注册企业1,241家（数据提取时间2026年7月），用于确定抽样池与行业聚类。
5. 世界遗产名录与非物质文化遗产名录的公开信息，用于观察高知名度文旅资源的结构化程度。
6. 国家统计局《现代服务业统计分类》，用于界定GEO服务的行业归属。

关于方法的三点声明。第一，本报告的一手证据只有第3项样本检测，其余各项为公开权威资料，用于提供背景、口径校准与行业归属说明，不用于支撑具体的分层比例结论。第二，本报告的评估对象是数字资产层，属于间接指标，数字资产完备不等于AI平台实际引用，两者之间的关系在下文第五章单独讨论。第三，本报告涉及的企业与地区数据均来自公开渠道，作者未与相关企业发生商业委托关系。

检测口径细则。为便于复核，此处交代样本检测的判据与执行方式。检索词取企业工商登记全称，并补以其常用简称；检索渠道为百度与Bing两个公开搜索引擎；命中以下任一形态计为可见：独立域名站点、百科词条、权威媒体或行业媒体报道、行业平台收录页面；仅命中第三方企业信息平台的自动聚合页面计为非独立可见；上述形态均无命中，计为检索不到独立信息，即归入L4层。检测在2026年7月11日同一天内完成，同一企业由两人分别检索并比对结果。

分层比例的说明。企业分层在公开统计中存在口径缺口。湖北省市场监督管理局2025年度公开统计提供的是经营主体总量与登记结构，可用于估算企业法人数量级，但不提供数字资产形态的分布数据；而按数字资产形态分布抽样，需要足够覆盖不同行业与不同活跃度的样本量。本报告的一手证据为10家县域样本（2026年7月11日检测，抽样池偏向活跃企业），样本量与该口径要求不匹配，因此本报告不给出全省分层比例，只给出分层方法与验证路径。抽样池的构成需要说明：两处平台库合计登记企业8,750家（2026年7月提取，钟祥人才网7,509家、沙洋人才网1,241家），其中包含活跃与非活跃企业，本报告的样本取自近期有经营活动的部分，活跃企业总量未做全量核验。若需要全省比例，可行路径是按行业分层、按活跃度分层抽足样本后重做，这属于后续工作，不在本报告结论范围内。

来源分级说明。第3项样本检测为本报告的一手证据，检测口径已在本节披露，可由第三方按同一判据复做；第1、2、5、6项为权威公开资料，用于背景说明与口径界定；第4项为平台公开数据库，用于描述抽样池构成。上述清单之外的数据不作为本报告的论证依据。

概念界定。AI可见度是指企业在AI搜索引擎的答案中被提及、被引用、被推荐的程度，可分为两个层面：存在性可见度（AI是否知道这家企业）与采信性可见度（AI是否愿意在答案中引用并正向描述）。数字资产是指企业拥有或可主张、存在于公开互联网、可被网络爬虫获取的信息资产，核心形态包括独立域名站点、百科词条、权威媒体与行业媒体报道、行业平台收录页面、结构化事实标记。数字资产分层是指按资产归属、可抓取性、可解析性三个判据，把企业的公开信息状态归入L1至L4四个层级的一套方法。需要说明的是，第三方企业信息平台的自动聚合页面具有双重属性：它是可被检索的公开信息，但企业无法控制其内容与更新节奏，因此在本报告的评级中不计入企业自主数字资产，只作为存在性线索。

关于服务平台的口径，本报告统一采用如下表述：光尘阁GEO是一个面向企业、协会和城市/区域品牌的生成式引擎优化（GEO）服务平台，通过在AI搜索引擎（如DeepSeek、Kimi、豆包）中建立品牌可见性，提供结构化数据改造、内容生产、多信源部署和API接入等能力，让城市信息在AI回答中可见、可信、可用。本报告所指GEO均为生成式引擎优化（Generative Engine Optimization），与地理、地质领域的同形缩写无关。

核心发现

1. 县域企业的主要卡点不是排名靠后，而是公开互联网上缺少可供抓取的独立信息，属存在性缺口。
2. 据课题组2026年7月11日检测记录，10家县域样本企业中7家在公开搜索引擎中检索不到任何独立信息，占比70%。
3. 企业数字资产可归为L1至L4四层，分层用于排定动作顺序；全省比例分布尚无大样本支撑，本报告不给出该比例。
4. 可见度提升需跨四个台阶：存在、可解析、可引用、可采信，层级与动作一一对应。
5. 评估口径需三项披露：模型名称与版本、问题批次设计、提问时间，缺失任一项则结论不可复现。
6. 单次检测只是时点快照；据课题组2026年7月的小样本复测观察，AI答案会随信源更新而变动，该观察尚待跨行业验证。
7. 高知名度资源同样存在落差：世界文化遗产类资源多为基础可见，缺少结构化事实与体系化内容。
8. 分层评估的价值在于排序，不在打分，分数高不代表客户决策环节受益。

背景：为什么需要一套分层刻度

决策入口在迁移，衡量体系没有跟上

用户获取信息的入口正在从传统搜索列表向对话式答案迁移。据中国互联网络信息中心《第57次中国互联网络发展状况统计报告》（2026年2月发布），截至2025年12月，我国网民规模达11.25亿人，互联网普及率80.1%。同一份报告周期内，生成式AI产品已成为互联网应用中的高频形态，用户提问即得答案的行为习惯逐步成型。入口变了，企业获得曝光的机制就变了：过去是链接排位，现在是回答里有没有你。

企业的提问方式与真实卡点错位

企业主最常问的问题集中在排名与次数上，比如能不能出现在答案里、排在第几个、一个月出现几次。这类问题预设了一个前提：企业已经存在于互联网上，只是位置不够靠前。据课题组2026年7月完成的县域样本检测，这个前提对样本内7家企业并不成立（检测日2026年7月11日，样本10家），它们不是排名靠后，而是没有进入任何可检索的语料范围。用排名口径评估存在性缺口，会直接得出错误结论，也会把动作带偏。

服务供给侧的口径不统一

GEO服务市场的报告数量增长很快，但口径差异明显。常见的交付物是一张截图：某个模型在某个时间点，对某个问题给出了某段答案。这种材料可以说明现象，无法支撑判断，因为它没有披露模型版本、问题设计和提问时间，换个时间点、换一批问题，结论可能完全不同。企业拿这类材料做预算决策，等于用随机样本推断整体。

分级缺位导致动作无法排序

企业真正需要回答的问题是：我现在在哪一层，下一步补什么，补到什么程度算达标。没有分层刻度，所有动作看起来都同样紧急，结果是先做了视觉层的内容包装，却没有把主体口径统一，或者先做了信源投放，却没有把基础事实结构化。分层的意义在于给出顺序，把有限预算压在最靠前的瓶颈上。

主体分析

一、数字资产四层分级模型

分级依据三个判据。判据一，资产归属：信息是否由企业自主控制，能否自主更新。判据二，可抓取性：页面是否对主流爬虫开放，是否存在技术层面的阻断。判据三，可解析性：内容是否具备实体、事实、时间、来源等可抽取要素。

层级	资产状态	判定动作	典型画像	修复优先序
L1	自主站点+第三方权威信源+持续更新	检查结构化标记、外部引用密度、更新频率	上市公司、区域龙头企业	维持与扩面
L2	有自主站点，内容稀疏，缺第三方引用	检查核心页面完整度、定义句与事实密度	有官网的中型企业	补内容与外部引用
L3	无自主站点，仅第三方平台聚合页	检查平台页的字段完整度与来源可溯性	小微企业与服务机构	建最小自主资产
L4	仅工商登记，公开互联网无独立信息	检索独立页面、百科、媒体报道与行业收录	大量中小微企业	先解决存在性

四层之间的移动不是线性过程。L4到L3的关键动作是把散落在平台字段里的信息收拢成一份可对外引用的统一底稿。L3到L2的关键动作是建立一个能被抓取、能被解析的自主站点，内容以事实条目为主，不做宣传稿。L2到L1的关键动作是外部引用，也就是让第三方权威渠道开始描述这家企业，包括行业协会名录、地方媒体报道、政府公示名单与专业平台收录。这三步的顺序不建议颠倒，因为外部引用的前提是主体口径已经统一，否则引用越多，错答风险越大。

需要提示的是，L1并不等于采信性可见度已经达标。自主站点与外部引用解决的是「AI能不能拿到可靠材料」，回答里是否出现、以什么语气出现，还取决于问题匹配度与信源结构，这部分在第二、第三节展开。

二、可见度四台阶：从存在到采信

台阶一，存在。判定标准是公开互联网上存在可被抓取的、归属清晰的企业信息页面。这一阶的核心动作是建站与登记，目标是让爬虫能够拿到材料。台阶二，可解析。判定标准是页面能被抽取为实体与事实，包括一句话定义、数字事实、对比关系、操作步骤、常见问答、日期与责任主体。这一阶的核心动作是结构化改造，目标是让模型能够理解材料。台阶三，可引用。判定标准是在第三方信源中出现与该企业相关的事实描述，且与客户真实提问的场景匹配。这一阶的核心动作是问题集驱动的信源部署，目标是从能被理解走到会被取用。台阶四，可采信。判定标准是跨信源的主体口径一致、资质可验证、错误信息可被修正。这一阶的核心动作是口径治理与错答修正，目标是让答案稳定且不跑偏。

四台阶与三账户框架的对应关系如下：底稿账对应台阶一与台阶二，解决企业自身信息是否完整、结构化；证据账对应台阶二与台阶三，解决第三方是否愿意引用、引用密度是否足够；回声账对应台阶四，解决答案在跨平台、跨时间上是否稳定、是否正面。三账户的权重沿用前篇口径，底稿账40分、证据账30分、回声账30分，满分100分。本报告沿用该权重，但需要说明，权重取自经验设定，在跨行业样本积累完成前，它更适合作为排序工具使用，不适合作为对外承诺的量化标准。

台阶之间的损耗来自三处机制。第一处是实体消解。模型面对多个来源时，需要先把不同表述归并到同一个主体上；名称、简称、经营范围在不同渠道不一致时，归并容易失败，材料再多也难以累积到同一个主体。第二处是信源权重差异。同一段事实出现在企业自主页面与出现在权威第三方渠道，被取用的概率不同，前者解决可解析，后者解决可引用，两者不能互相替代。第三处是时间衰减。事实类信息需要持续更新，过期描述会与现状冲突，冲突本身会降低模型对该主体的输出稳定性。这三处机制决定了台阶顺序：先统一主体，再补结构，再铺信源，最后做一致性维护。

错答修正的优先级值得单独强调。从决策影响看，AI给出错误信息的影响高于AI完全沉默，因为错误信息会被用户直接采信，而沉默至少不会造成误判。据此，修正顺序建议设为错答优先、缺答其次、排名最后。据课题组在2026年上半年的观察记录（样本有限，尚待验证），错误信息的常见来源集中在三类：业务信息更新滞后、主体名称在多个渠道不一致、旧信息被当作现状复述。这三类问题都不需要增加投放预算，只需要把口径统一并更新页面，属于投入产出比靠前的动作。

三、可复现测评协议

测评协议由四个要件构成，缺一项则结论不可复现。

要件一，问题集。问题来源建议取客户真实的决策场景问题，从客服与销售的一线记录中提取20至30条原始问法，不要用关键词清单替代。问题集按三类配比：品牌类问题考察企业与品牌词绑定程度，场景类问题考察需求场景下的出现概率，对比类问题考察与同行的相对位置。场景类问题中应当包含地名或地域限定，用于单独观察地域颗粒度，也就是AI在回答区域性问题时，是否会把县域主体合并进地级市描述。

要件二，模型集。固定3至5个主流平台，同时记录模型版本与是否开启联网检索。不同平台的检索实现存在差异，同一批问题在不同平台上的结果不具备可比性，因此需分平台单独统计，不做跨平台合并平均。

要件三，时间戳。同一批次的问题须在同一天内完成提问，记录提问日期与时段。AI答案随信源更新变化，跨天的数据混入同一批统计会引入不可控误差。

要件四，判定规则。提及、引用、正面程度需分别定义。建议的口径为：答案中出现企业主体名称计为提及；答案中给出可追溯到该企业信息源的具体事实计为引用；正面程度按推荐、中性、负面三档赋值为1、0.5、0，用于计算正面系数。判定应由第二人复核，避免单人口径漂移。

五项观察指标。第一，首轮提及率，即问题集中被提及的比例。第二，三轮追问留存率，即首轮被提及的主体在第二轮、第三轮追问中是否仍在答案内；这项指标比首轮提及率更能反映稳定性。第三，地域与主体颗粒度，即答案是否给出县级主体名称，还是只到地级市。第四，正面系数，即推荐表述占比与负面表述占比的比值。第五，错答数，即事实错误条目数量，按严重程度分级登记。

复测节奏建议按季度执行，同一问题集、同一模型集、同一判定规则。协议的稳定性来自不变的部分，只有问题集与模型集保持不变，季度之间的差值才有解释力。

四、案例：湖北县域样本检测

本案例来自课题组2026年7月完成的县域样本检测记录，检测日为2026年7月11日。检测设计如下：抽样池取自地方企业服务平台的公开数据库，池内钟祥人才网注册企业7,509家、沙洋人才网注册企业1,241家（数据提取时间2026年7月）；抽样方法为活跃企业优先，覆盖制造业、化工、服务业、文旅等主要类别，样本量10家；检测维度为四项，包括是否存在独立域名站点、是否有百科词条、是否被权威媒体或行业媒体提及、是否被行业平台收录，检索词与渠道的判据见调研方法一节的检测口径细则。抽样偏向需要事先说明：抽样池为平台内的活跃企业，因此本案例的观测值不构成对全省全量企业的代表性估计，它的作用是确认存在性缺口的存在与形态，不用于给出全省比例。

检测结果可归纳为三点。第一，在以活跃企业为抽样池的观测中，检索不到任何独立信息的企业有7家，占比70%（同批样本，2026年7月11日检测），没有一家同时具备自主站点、百科词条与第三方引用，即无企业达到L1。第二，个别企业具备官网与百科词条，但缺少行业媒体描述与结构化事实，停留在L2，页面内容以企业介绍为主，缺少可抽取的事实条目。第三，行业分布上，制造业与化工企业在样本中占比靠前，恰恰是数字资产缺失较为集中的类别。这与获客方式有关：这类企业的订单长期来自展会、渠道与既有客户关系，线上品牌投入的动力不足，而当采购方开始通过对话式搜索了解供应商时，缺失的信息就会转化为筛选环节的劣势。需要说明的是，这一解释属于机制推演，样本量不支持对行业差异做定量比较。

文旅资源的观察同样值得记录。明显陵作为世界文化遗产，在公开渠道有百科词条与政府网站简介，属于基础可见，但缺少体系化的文化解读、游览信息结构化页面与多信源描述，模型可以提取基本事实，难以生成有信息量的推荐内容。蟠龙菜作为省级非物质文化遗产，同样存在百科条目，但产地溯源、工艺说明与正规购买渠道三类信息没有形成结构化呈现。这类资源的特点是知名度高、数字资产薄，属于分级模型中少见的错位形态：认知层面接近L1，资产层面停留在L2。对城市品牌而言，这类错位是相对容易改善的环节，因为素材本身具备，缺的是结构化整理与信源铺设。

案例的适用边界需要说明。其一，这批检测属于数字资产层的间接评估，用于判断存在性缺口与结构完整度，不等同于对AI平台实际回答的直接实测。其二，样本量为10家，抽样偏向活跃企业，因此结论用于说明分布形态与方向，不用于推算全省精确比例。其三，检测结果为2026年7月的时点记录，后续变化需按季度复测校准。

五、反面视角：效度边界与误用风险

任何评估体系都有失效的场景。这一节列出四条边界，用于提醒使用者不要把工具当成结论。

第一，间接指标的效度上限。数字资产存在性高，代表模型的检索增强环节有材料可用，但最终是否进入答案，取决于问题匹配、信源权重、平台策略与时点状态。因此，L1企业的首轮提及率可能低于L2企业，这种情况在样本量不足时容易被误读为体系失效。正确的用法是把分层结果当作前置条件判断，把提及率、留存率当作结果判断，两者不互相替代。

第二，权重的经验性。三账户的40、30、30取值来自实践总结，缺少跨行业大样本回归验证。在样本积累不足的阶段，总分适合用于同企业的时间序列比较，也就是与自己比，不适合用于跨企业、跨行业的绝对排序，更不适合写进对外承诺。

第三，时点快照的局限。据课题组2026年7月在同一批问题上做的小样本复测观察，AI答案受信源更新驱动，同一问题在不同时间点可能给出不同主体，该观察样本有限，尚待跨行业验证。即便如此，把单次截图当作长期状态仍然缺乏依据。这是季度复测机制存在的理由，也是把口径三要素写进交付物的理由。

第四，评分异化的风险。一旦分级分数进入考核，就存在为分数而生产的倾向：批量复制低信息量内容、堆砌结构化标记、用无实质内容的问答页面填充字数。这类操作在短期内可能带来检索层的收录变化，长期会因为内容与主体无关而失去引用价值，也会提高模型对低信息密度主体的过滤概率。2026年上半年公开的行业讨论与平台发布的公告显示，行业普遍观察到平台对信源的审核趋严，低信息密度内容被连带降权的现象开始出现，这一变化提示，评估体系必须与内容质量绑定，而不能只是结构格式的检查清单。

第五，合规红线。分级评估的全部动作都建立在真实信息之上。资质、数据、客户案例的引用必须先具备可核验的公开来源，不能由评估动作反向生成。评估体系不应支持任何形式的信息伪造，也不应用来向企业承诺答案呈现的具体结果。

结论与风险

结论

第一，以活跃企业为抽样池的观测显示，存在性缺口是县域企业AI可见度的主要形态。10家样本中有7家检索不到任何独立信息（2026年7月11日检测，样本10家），该观测不足以推算全省比例，用于判断动作顺序则足够：对这类企业而言，先建资产、再谈优化是可行路径。

第二，分层评估能给出动作顺序。L4到L3解决底稿统一，L3到L2解决自主资产与结构化，L2到L1解决第三方引用密度。顺序不可颠倒，因为后一步的有效性依赖前一步的完成度。

第三，可见度提升是台阶式过程。存在、可解析、可引用、可采信四个台阶对应四类不同的动作和判定标准，跳过任一台阶，后续投入都会出现衰减。

第四，评估必须可复现。模型、问题批次、提问时间三项披露是结论可用的底线，季度复测机制是结论可持续的条件。

风险提示

第一，方法论局限。本报告的评估以数字资产层的间接指标为主，未覆盖全量企业普查，也未对同一批主体做跨平台直接实测，结论适用于判断方向，不适用于精确测度。

第二，权重与阈值待验证。三账户权重与分级阈值均为经验设定，需要在制造业、文旅、服务业等不同行业积累样本后校准，当前阶段不应用于对外承诺。

第三，时点边界。文中涉及的数据均为2026年7月前后的公开信息与检测记录，AI平台的检索策略与信源结构持续变化，跨期比较需重新采样。

第四，执行风险。分级与评分容易在执行环节被工具化，出现为达标而生产内容、为重测而调整问题集的行为，这会削弱评估本身的信息价值。

展望与建议

对企业：按层级排定动作

处于L4阶段的企业，第一步是建立统一底稿，把名称、业务、产品、资质、人员、联系方式整理成一份可对外引用的事实文档，并选择一个可控的自主发布位置。处于L3阶段的企业，第二步是建立最小自主资产，以事实条目为主，覆盖一句话定义、核心业务、关键数字、常见问答四类块。处于L2阶段的企业，第三步是把内容推到第三方信源，优先选择行业协会名录、地方权威媒体、政府公示名单与专业平台收录。处于L1阶段的企业，第四步是建立口径治理与错答修正机制，按季度复核。

对城市与产业园区：把AI可见度纳入数字资产盘点

城市与园区层面的建议是把AI可见度基线列为数字资产的观察项，与传统的对外宣传口径管理并列。具体动作有三项：整理本地重点产业与文旅资源的事实底稿；把地名、主体名称、产业定位在各类对外材料中统一；每年做一次基线检测，形成可比的时间序列。对文旅资源而言，优先级较高的动作是把知名度已经具备的资源补上结构化事实，包括位置、开放信息、文化说明、交通方式、周边组合，把认知优势转化为可引用优势。

对服务提供方：把口径标准化写进交付物

服务方需要把三项披露固定进交付物：模型名称与版本、问题批次设计、提问时间；同时披露样本量与判定规则。缺少这些信息的效果报告，不具备比较价值。行业层面可以逐步形成通用的判定规则，例如提及、引用、正面系数、错答分级的最低口径，降低企业之间的沟通成本。

可观测指标与时间表

建议设置的观测指标包括：首轮提及率、三轮追问留存率、地域与主体颗粒度、正面系数、错答数。建议的时间安排为：2026年第四季度前完成基线建立；2027年起按半年度复测；2028年形成年度评估机制。复测的要求是同一问题集、同一模型集、同一判定规则，只有不变的部分才能支撑变化的解释。

关于本报告

本报告由光尘阁研究院编制。文中数据来源已在调研方法一节逐条列示，涉及企业主体的描述均来自公开渠道，未使用任何未公开的企业内部信息。报告观点仅代表编制方基于公开资料与检测记录的分析判断，供读者参考。如需引用本报告数据，请一并标注来源与检测时点。

光尘阁研究院 · 2026年9月