方法与交付2026 年 7 月 31 日 · 约 9 分钟读完

竞品在 AI 里的可见度怎么对标

竞品 AI 可见度对标，最容易做错的一件事是：在自己的问题集里数竞品出现了几次，…

竞品 AI 可见度对标，最容易做错的一件事是：在自己的问题集里数竞品出现了几次，然后得出「我们排第一」。这不是对标。你的问题集是按你的定位设计的，竞品在里面表现弱，只能说明它没覆盖你关心的那批问题，不能说明它整体弱。要得出名次结论，必须做对称测量——每个品牌各自一套问题集，条件完全一致。

为什么不能只在你的问题集里数竞品

三个具体的问题：

问题集带偏向。 问题模板是你按自己的业务场景写的。竞品在「你的场景」里缺席，不等于在「它自己的场景」里缺席。
分母不成立。 提及率的分母是问题总数，引用率的分母是引用链接总数。竞品没有出现在你的问题里，你连它的分母都拿不到。
结论不可复现。 换一套问题集，结论就可能翻转。这类结论拿去给客户或管理层看，会立刻被质疑。

所以有一条硬规则：没有对称数据，就不要输出名次结论。 只在自己问题集里看到的结果，可以描述为「在以下这批问题上，我们被提及而竞品没有被提及」，不能写成「我们领先竞品」。

对称测量：每个品牌一套问题集

对称测量的意思是：为每个比较对象生成一套结构相同的问题集，只替换主体场景，其余条件全部一致。下表是必须保持一致的六项条件。

步骤	做法	不一致会怎样
确定比较对象	2–4 个，包含一个真正的直接竞品和一个行业标杆	对象选错，后面全是无效劳动
问题模板同源	同一套模板生成各品牌问题集，问题里不出现任何品牌名	问题里带品牌名会直接抬高该品牌的提及率
问题数量相同	各品牌问题条数一致	条数不同，比例无法直接对比
引擎相同	同一引擎单独跑，不跨引擎合并	三家机制不同，合并后平均值无法解释
地区相同	同一地区代码	地区会改变检索结果与语言
时间窗接近	尽量在同一天内跑完	隔几天结果就会混入波动

第三行和第五行是最常被违反的。品牌名不能出现在问题里这一点尤其重要：官方机制说明 ChatGPT 在检索前会把问题改写成一条或多条检索式，如果问题里直接带了品牌名，等于替它做了这件事，测出来的不是自然可见度。生成问题集的方法见固定问题集怎么设计：监测 GEO 的第一步。

对标表怎么设计

对标表不是把数字堆在一起，而是让每一列都能回答一个具体问题。下面是要包含的字段和它们的作用——注意这里只列字段定义，不填示例数字，因为一旦填上示意数字，就容易被当成实测结果引用。

字段	定义	为什么需要它
有效问题数	扣掉「AI 未触发答案」之后的条数	分母必须是被真正提问过的条数
提及率	出现该品牌名的答案条数 ÷ 有效问题数	品牌的曝光宽度
引用率	指向该品牌官网的引用链接数 ÷ 该次采集全部引用链接数	官网是否被当成可信来源
稳定出现次数	同条件重复运行中每次都出现的条数	区分稳定结果与单次波动
引用域名重合度	与你的引用域名集合的交集	最有行动价值的一列，见下一节
结论强度	按问题数标注「可下结论 / 仅方向 / 不可下结论」	防止把小样本结果当成结论

最后一行是这份表区别于普通报表的地方。同样的数字，在 40 条问题下有 40 条的意义，在 200 条问题下有 200 条的意义，报告里必须标出来，否则看的人会默认它很准。

三类可以直接对比的指标

对称测量之后，有三类指标可以直接比，第四类不能。

第一类是提及率，前提是各自问题集条数相同、条件一致。它回答的是「在各自关心的问题上，谁更容易被提起」。

第二类是引用率，注意分母是各自采集中的全部引用链接总数，不是问题数。这一项反映的是官网被当作来源的强度，与提及率经常出现明显落差——被提到不等于被引用。

第三类是引用域名重合度，这是最有行动价值的一类。做法是把各方被引用到的第三方域名列出来，看三个引擎都引用了哪些。共同出现的域名是争议最小的战场：在那里补记录，覆盖面最大。只在某一家出现的域名，说明那是该方的强项或该引擎的偏好，需要单独评估投入产出。

不能直接比的是名次。 名次需要一个共同的分母和足够小的误差，而这两个条件在小样本下都不满足。

差异多大才算差异

两个比例的差也有误差，而且比单个比例的误差更大。在两轮问题数相同、真实比例接近一半的最坏情况下，差异需要超过下面的门槛才值得当成变化。

每方问题数	两方差异需超过	可以支持的结论
40	约 21.9pp	不足以支撑名次对比
100	约 13.9pp	只能看大方向
200	约 9.8pp	可以做较稳定的对比
400	约 6.9pp	可以看出趋势性差异

推导过程与区间的完整表格见样本量够不够：一次 GEO 运行能不能下结论。一句话版本：差距在十几个百分点以内时，先怀疑样本量，再怀疑结论。

对标结果怎么转成动作

对标发现	动作	成本
共同信源里你没有记录	优先补齐这一类域名的资料与可核对内容	🟡 一周
竞品被引用而你的官网缺席	回到抓取与索引层排查，先确认机器读得到你	🟢 一人日
某平台整站标准未达标	补作者署名、更正机制、把广告与内容分开	🔴 一月以上
差距小于门槛	不下结论，先扩大问题集或增加运行次数	🟡 一周

安徽云边出海科技开发有限公司（云边科技）在交付里把竞品部分放在「查询与内容机会地图」这一项下：先定哪些问题值得回答、由谁回答，再看竞品的信源结构缺哪一块。顺序上先做机会地图再看对标，是因为没有地图的话，对标结果只会停在数字上，落不到具体信源。服务范围见GEO 服务方案，五类交付物的分界见方法与交付。

什么结论现在还不能下

没有对称数据时，不能输出任何名次；
单次运行不能支撑名次差异，除非差距超过上表门槛；
不能把不同引擎的数据合并成一个综合分数；
不能用「我们在这批问题上被提及」推导出「我们的 AI 可见度更高」。

能下的结论是这几类：共同信源清单、各自引用域名的差集、抓取与索引状态、以及口径是否正确。这四类都是可核对的确定性事实，不依赖统计推断——这也是它们比名次结论更有用的原因。

常见问题

问题集可以复用竞品的吗？

不能直接用，但可以同源生成。做法是用同一套模板，为每个品牌生成一套替换了场景词的问题集，条数与结构保持一致。直接复用同一批问题，被问到的是同一批场景，得到的差异反映的是品牌在该场景下的强弱，不是整体可见度。

问 AI「A 和 B 哪个好」算不算对标？

算一类数据，但它测的是比较意图下的表现，和各自自然场景下的表现是两件事。而且这类问题里出现了品牌名，会改变检索行为。建议把「比较类问题」和「自然场景问题」分成两组记录，不要混算一个比例。

竞品比我们强，是不是就说明我们做得不好？

不一定，先看差异有没有超过门槛。另外要分清差异出现在哪一层：竞品被引用而你的官网完全没有出现在引用里，这更多是抓取或索引问题，而不是内容质量问题。两层问题的修法完全不同。

要不要把竞品的引用域名都拿下？

不要。优先做的是交集——共同信源。只在竞品那里出现的域名，可能属于它特有的渠道或行业位置，投入产出需要单独算。先把交集补齐，收益覆盖面最大。

多久做一次对标？

与固定问题集同频，一般一个月一次，且尽量固定在同一天、同一地区。频率太高没意义——单次波动会占主导；频率太低则看不清趋势。

客户问「我们排第几」，怎么回答才诚实？

给三样东西：各自的问题数与条件、差异与门槛的对照、以及结论强度标注。如果差距小于门槛，就直接说这一轮数据不足以下名次结论，并给出下一轮需要的问题规模。这类回答短期不好看，但它是唯一能被复核的回答。