AI可见性到底怎么衡量？看这5个指标

做GEO或AI搜索优化，只看网站流量已经不够。用户可能直接在ChatGPT、Gemini、Claude、DeepSeek、豆包、千问、Kimi或元宝中获得答案，品牌已经出现、进入候选甚至被明确推荐，却没有产生可识别的网站点击。但“AI提到过一次”也不能等同于可见性提升。可靠监测需要固定问题集、保留原始答案和测试环境，并同时观察可见性、竞争位置、事实与引用质量、稳定性以及业务影响。下面五组指标可以直接用于建立月度看板。

先建立有效样本，否则所有比例都没有意义

每条有效样本至少要保存：平台与产品入口、模型或功能名称、采样时间、地区、语言、设备、登录状态、是否联网、完整Prompt、对话轮次、答案原文、引用链接及截图或导出证据。新对话与多轮追问应分开统计；联网与非联网答案也不能混为一组。没有原始回答、Prompt版本和采样环境的数据，只能作为线索，不能进入正式趋势指标。所有百分比都必须同时显示分子和分母，例如“固定问题集30个，其中12个出现品牌（12/30，40%）”。

指标一：AI可见性漏斗——提及、候选和推荐要分开

品牌出现率=出现品牌名或确认别名的有效样本数÷有效样本总数。它只能说明“出现过”。进一步应计算候选率：品牌被列为可选方案的样本数÷总样本数；推荐率：品牌被明确推荐并给出选择理由的样本数÷总样本数；有顺序的列表还可以记录平均位置，但不能把答案顺序机械理解为传统搜索排名。建议按品牌型、品类型、场景型、比较型、价格型和风险型Prompt拆分。品牌在“WEPR是什么”中出现，并不代表它会在“上海有哪些GEO服务商”或“中国品牌出海如何选择SEO服务商”中进入候选。

如何解读可见性漏斗

提及高、候选低：品牌实体已被识别，但与目标服务场景连接较弱
候选高、推荐低：品牌进入选择范围，但缺少可验证的差异化、案例或适用条件
推荐高、准确度低：表面表现好，实际存在错误传播风险
教育型问题出现、采购型问题缺席：主题认知存在，但采购证据和服务承接不足

指标二：竞争份额——在同一问题集里比较，而不是比绝对次数

竞争性提及份额可定义为：品牌出现次数÷所监测品牌的总出现次数；推荐份额则用明确推荐次数计算。由于一条答案可能同时出现多个品牌，必须说明计算口径。对每个竞品还要记录出现位置、被推荐理由、适用场景和引用来源。最有价值的不是“竞品比我多3次”，而是找出差距发生在哪里：某个地区、语言、行业场景、预算限制，还是比较与采购问题。只有使用相同Prompt版本、平台、采样窗口和测试条件，份额变化才可比较。

指标三：AI说得准不准，引用是否真的支持结论

被提及不等于有效曝光。先建立品牌事实卡，列出法定名称、所在地、服务范围、目标客户、产品能力、价格边界、案例权限、联系方式和更新时间。描述准确率=被判定准确的事实项÷已复核事实项；事实错误率则单独计算错误项。将“部分准确、过时、无法验证”分开，不能都塞进错误。引用也应拆成两层：引用召回率衡量需要证据的关键说法有多少得到来源支持；引用准确率衡量已展示引用中有多少真正支持相邻说法。一个链接只介绍行业概念，却没有证明品牌能力，不能算有效品牌证据。

错误处理优先级

P0：错误联系方式、虚构客户、错误地区、错误价格或不存在的服务
P1：把品牌放入错误品类、遗漏核心限制、引用失效或引用不支持结论
P2：表述不完整、信息过时、差异化理由缺失
处理顺序：统一官网事实→补充可核验证据→修正权威资料冲突→复采原Prompt→记录是否恢复

指标四：稳定性与变化归因——先证明变化持续存在

同一个Prompt在不同时间、模型、地区、账号和上下文下可能产生不同答案。答案稳定性不能只看品牌是否出现，还要分别看结论、推荐层级、排序、事实和引用源是否一致。可将一个核心Prompt在相近条件下复测多次，报告“5次中4次进入候选”，而不是只截取最好的一次。内容更新、PR报道、外链建设或产品页调整与可见性同期变化，只能先标记为观察相关。若要提高归因置信度，至少保留T-14至T0基线、T+7/T+14/T+30观察窗口、处理Prompt、未处理的对照Prompt、竞品对照，以及平台功能、热点、媒体事件等混杂因素。

指标五：业务影响与异常预警——让监测最终产生动作

跨平台AI提及通常无法完整追踪到个人点击，因此业务层要组合多种证据：带来源参数的AI引荐访问、服务页与案例页继续阅读、联系操作、表单来源、自报“从哪里知道我们”、合格线索和商机金额。Google的生成式AI搜索表现应优先使用Search Console对应报告；ChatGPT等可识别引荐可在分析工具中单独分组，但无点击曝光仍需要Prompt样本监测。预警阈值不应照搬行业模板，应根据自身基线、样本量和业务风险设定，并要求连续两个可比周期或人工复核后再升级，避免对正常波动过度反应。

一套可以直接落地的异常预警规则

事实红色预警：出现P0错误一次即人工复核，并在修正后复采
可见性黄色预警：核心采购Prompt的候选率连续两个可比周期下降，且样本量未明显减少
竞争黄色预警：某竞品在核心场景的推荐份额持续上升，并出现新的、可验证的选择理由
引用黄色预警：主要引用域名失效、引用准确率下降，或来源集中于单一低质量站点
业务红色预警：AI引荐与有效询盘同时下降，但需先排除追踪故障、季节性和平台改版

固定Prompt，不等于永远不更新问题集

建议把问题库分为核心组和探索组。核心组用于趋势比较，尽量保持Prompt文字、平台和采样条件一致；探索组用于吸收销售新问题、市场变化、新服务和新的用户表达。核心与探索结果不能直接合并比较。每次修改Prompt都保留版本号、生效日期和修改原因。对于中国与海外市场，分别建立中文和英文原生问题，不能只做字面翻译；不同AI平台也要单独汇总，因为产品入口、联网状态、引用展示和回答风格并不相同。

最小可用月报应该包含什么

范围声明：平台、市场、语言、时间窗口、样本模式与有效样本数
五指标总览：出现率/候选率/推荐率、竞争份额、准确与引用、稳定性、业务影响
原始证据：Prompt版本、答案、截图/导出、引用URL和复核记录
问题清单：错误事实、缺失证据、竞品压制、弱页面与抓取问题
纠偏任务：负责人、截止时间、目标资产、验收指标和复采日期
归因说明：处理/对照Prompt、同期动作、外部事件和结论置信度

最后：不要用一个神秘总分掩盖问题

一个综合分可以用于管理层快速浏览，但必须能够下钻到平台、Prompt、答案原文、事实项和引用。真正有价值的GEO监测，要回答五个问题：品牌有没有进入相关问题的候选范围；相对竞品处于什么位置；AI是否准确理解并引用了可靠证据；变化是否稳定且能够谨慎解释；这些变化是否帮助了用户继续研究并产生有效商机。WEPR建议先建立小而稳定的问题集和事实基线，再逐步增加自动化，保留人工复核。这样得到的不是一张好看的截图，而是一套能够发现问题、安排修正并复测结果的管理系统。