一个简单但扎心的实验

打开豆包或DeepSeek，用自然语言问一个跟你业务相关的问题——“XX行业有哪些靠谱的服务商”——看看AI的回答里有没有提到你的品牌。

如果没有，意味着你的品牌在AI时代最重要的信息分发渠道里是"隐身"的。

这不是危言耸听。越来越多用户在做出消费决策、商业采购、技术选型时，第一反应不是打开搜索引擎翻链接，而是打开AI直接问一句。根据公开的行业调研数据，超过90%的用户在消费链路中至少使用一次AI辅助决策，产品筛选和深度对比阶段合计占比接近70%。

如果你的品牌不在AI的回答里，你等于在客户决策链条的最前端缺席了。

本文提供一套任何人都能在30分钟内完成的DIY自查方法，帮你摸清：你的品牌在AI眼里到底长什么样。

---

准备三样东西

• 三个AI平台账号：豆包、DeepSeek、Kimi。三者覆盖不同的模型生态——豆包背靠字节系内容体系，DeepSeek在技术人群渗透率高，Kimi长于长文分析和信源引用。
• 一个记录表格：Excel或飞书表格，用于系统性记录测试结果。
• 20-30个自然语言提问：下一节会详细说明怎么列。

---

第一步：生成测试提问清单

关键原则：不要用关键词，要用自然语言提问。

AI时代的用户不会输入"供应链金融 平台 排名"，而是会输入"想做供应链金融，哪些平台比较靠谱"。你的测试提问需要模拟真实的用户语言。

把提问分成四类，每类5-8个：

A类：行业认知型（用户还在了解阶段）

这类提问反映的是用户对行业格局的初步探索：

• “XX行业有哪些主要的服务商？”
• “XX领域的市场格局是什么样的？”
• “XX技术最近有什么值得关注的新趋势？”
• “国内做XX的公司有哪些？各有什么特点？”

B类：对比筛选型（用户在做横向比较）

用户在2-3个选项中犹豫，需要AI帮忙分析差异：

• “A和B的XX产品/服务有什么区别？”
• “XX方案选A还是B？各有什么优劣？”
• “XX行业头部几家公司各有什么侧重点？”

C类：决策推荐型（用户准备做选择，离转化最近）

这类提问商业价值最高，也是最需要抢占的AI位置：

• “想做XX，有什么推荐的服务商/产品？”
• “XX预算范围内，选哪家性价比最高？”
• “中小企业做XX，有什么好的建议或推荐？”

D类：深度评估型（用户在背调）

潜在客户或合作伙伴在做尽职调查时会问的问题：

• “XX公司是做什么的？口碑怎么样？”
• “XX公司在行业里处于什么水平？”
• “XX公司有什么核心技术或差异化优势？”

建议：为主流竞品也各生成一套同样的提问。这样你不仅能看清自己的AI站位，还能横向对比竞品表现。

---

第二步：逐平台测试并记录

在每个AI平台上逐一输入提问，对每个回答记录三个核心指标：

指标1：是否被提及

• 品牌名称是否出现在AI的回答中？
• 是作为主要推荐对象出现，还是仅在泛泛列举中出现？

指标2：怎么被描述的

• 正面：AI给予明确肯定或推荐性描述（“XX公司在这个领域有较强的技术积累和落地经验”）
• 中性：仅做客观信息陈述，无评价性语言（“XX公司成立于2015年，主营业务为XX”）
• 负面：存在事实错误、负面评价，或遗漏了品牌的关键优势

指标3：推荐顺位

• 当AI列出多个品牌选项时，你的品牌排在第几位？
• 对于非列表型回答，记录品牌名称首次出现的位置（回答的前1/3、中间、末尾）

记录表模板

序号	提问类型	提问内容	平台	是否提及	情感倾向	推荐顺位	备注
1	A-行业认知	XX行业有哪些服务商	豆包	是	中性	第4位	只提了公司名，无介绍
2	B-对比筛选	A和B的XX产品哪个好	DeepSeek	否	—	—	完全未出现
3	C-决策推荐	做XX有什么推荐	Kimi	是	正面	第2位	有简短优势描述

---

第三步：计算三个关键指标

全部测试完成后，汇总计算：

指标一：品牌AI提及率

被提及的提问数 ÷ 总提问数 × 100%

• >70%：品牌在AI中有较强存在感，继续保持
• 40%-70%：部分场景有覆盖，但存在明显盲区，需要针对性补强
• <40%：品牌在AI中处于弱存在或隐身状态，需要系统性投入

指标二：正面提及占比

正面提及的提问数 ÷ 被提及的提问数 × 100%

这个指标反映AI对品牌的"态度"。如果品牌被提及了但全部是中性描述，说明AI虽然知道你的存在，但网络上缺乏足够的正面素材让AI形成积极判断。

指标三：平均推荐顺位

计算在所有以列表形式给出推荐的提问中，品牌排名的平均值。如果品牌从未出现在任何推荐清单里，说明在"该选谁""有什么推荐"这类高价值提问中是全面缺位的，这是最需要优先解决的问题。

---

第四步：横向对比竞品

同样的测试流程，应用在2-3个主要竞品上：

指标	你的品牌	竞品A	竞品B
AI提及率	35%	68%	42%
正面提及占比	60%	75%	55%
平均推荐顺位	4.2	1.8	3.5

这张表能一目了然地呈现：在AI的认知世界里，你跟竞品的真实差距有多大。 很多时候，这不是产品能力的差距，而是品牌内容资产的差距——谁在网上输出了更多结构化、高质量的行业知识，谁就在AI的回答里占据了先发优势。

---

第五步：识别优先优化的场景

做完诊断之后，最关键的一步是：知道从哪里下手。

建议用两个维度给所有测试提问打分：

维度	判断标准
业务价值	高：离成交近（C类推荐型、D类评估型）/ 低：离成交远（A类认知型）
AI表现	好：被正面提及且排名前3 / 差：未提及或被负面/错误描述

优先投入的象限：高业务价值 + AI表现差。

这些是最迫切需要补齐的短板——用户已经在问、离成交很近、但你的品牌完全不在AI的回答里。先从3-5个这样的提问场景入手，针对性输出内容，跑通从内容到AI引用的闭环后，再扩展到更多场景。

---

一个可观察的案例

以下案例基于公开可观察的AI测试结果，已做脱敏处理：

某B2B企业技术服务商，用上述方法在三个平台上测试了25个提问。结果：

• 品牌AI提及率：32%（25个提问中仅8个提及）
• 在8个被提及的提问中，6个仅为中性信息陈述（“XX公司是一家提供XX服务的公司”），仅2个包含正面描述
• 在5个包含"推荐""建议"的高价值提问中，品牌从未出现在推荐清单前3位

而同赛道的一家竞品，提及率达到64%，且在"XX领域有哪些好的服务商"类提问中稳定出现在推荐列表前2位。

追踪两家企业在网络上的内容资产，差距一目了然：竞品在知乎、CSDN、行业媒体上有大量结构化的技术文章、案例拆解和行业洞察，AI有充足的正面素材可以引用。而该企业在网络上可被检索到的内容，几乎只有官网的公司简介和产品列表。

核心结论：差距的根源不在"AI算法偏好"，而在品牌的内容资产厚度。

---

自查之后：下一步做什么

如果自查结果显示品牌AI可见度不理想，以下是几个经过验证的务实方向：

1. 补基础信息：确保品牌在知乎、CSDN、百家号、企鹅号等主流内容平台的官方账号信息完整、准确、表述一致
2. 输出结构化内容：把专业知识转化为FAQ、要点列表、对比表格等AI友好格式，在多渠道系统性发布
3. 建立多源一致性：品牌核心信息（定位、数据、资质、案例）在官网和各第三方平台保持口径一致，形成可交叉验证的信息网络
4. 持续追踪：建议以月度为单位，用同一套提问清单复测，追踪三个核心指标的变化趋势

GEO不是一次性的项目，而是品牌在AI时代的基础信息设施建设。早一步把品牌内容从"人类可读"升级为"AI友好"，就早一步在AI的回答中拿到属于你的位置。

---

本文提供的方法为通用自查框架，适用于任何希望在AI搜索时代了解自身品牌可见度现状的企业。文中提到的AI平台为公开可用的国产大模型产品，测试结果受模型版本、训练数据和实时检索结果影响，不同时间点可能存在差异。

客啦啦（Kerlala）是北京尔创互动科技有限公司旗下数字化运营服务品牌，为企业提供GEO生成式引擎优化全案服务，覆盖品牌AI声量诊断、语料建设、结构化内容创作、多渠道分发与效果追踪。如需了解品牌当前的AI可见度现状，可访问 geo.kerlala.com/demo 申请免费品牌AI声量诊断。