先明确两个词:被提到,和被引用。品牌出现在 AI 答案的一句话里,叫被提到;内容被当作参考来源挂出来,才叫被引用。按 11 月 14 日的公开报道,京东 AI 购物助手东东在双 11 期间服务近 8000 万用户,是去年的三倍多;抖音约 5% 的购买交易经由聊天机器人给出的链接促成,需要反复比较的保健品类目超过 20%。这几个数字容易被读成"AI 卖货成了",但对品牌和市场团队来说,更该问的是自己在那 5% 里出现过几次、以什么身份出现。
提到与引用,差在可核性
被提到是曝光,被引用是背书。前者可以靠一句描述拿到,后者要求内容本身经得起核对:参数有出处、结论有数据、说法能被第三方印证。做可见度监测时把两者混在一个指标里,就会出现"AI 老提我们"但转化毫无变化的局面,因为提到你的那句话可能恰好是模糊版本。
这也是为什么单一平台的答案不能当结论。同一个品牌问题,在不同 AI 搜索入口得到的答案构成不同,引用来源也不同。要判断品牌在 AI 答案里的位置,至少要在主要平台各测一轮,把每次出现的位置、语境、是否带来源链接记下来,再横向比。
三组指标,各记什么
提到率:出现即记
提到率只看一件事:在固定的问题集里,品牌名有没有出现在答案正文。记录三个字段就够——是否出现、出现在第几段、语境是正面还是负面。三个字段坚持四周,就能看出基线,基线之上再谈变化。
引用率:来源链接才算
引用率要求更严,只统计答案把品牌内容作为参考来源挂出来的情况。这一项最难提升,因为它取决于内容是否被模型判定为可引用的证据:有具体数值、有明确时间、有可对外核对的出处。
竞品占位:同题同测
竞品占位不是看竞品投了多少,而是看同一组问题里,竞品被提到的次数与位置。同一个问题在不同平台问三遍,如果竞品稳定出现在第一段,而你稳定缺席,问题就不在内容量,而在可核性。
| 指标 | 记录方式 | 常见失真 |
|---|---|---|
| 提到率 | 固定问题集下是否出现、位次、语境 | 只测单平台,把偶然当常态 |
| 引用率 | 是否作为参考来源挂出链接 | 把答案里的品牌名当成引用 |
| 竞品占位 | 同题同平台对比出现频次与位次 | 问题集不一致,结论无法横向比 |
三组指标的价值不在数字本身,而在它们指向的动作不同。提到率低,先查抓取与结构化;引用率低,先查证据密度;竞品占位落后,先查问题集是否覆盖了用户真实问法。把三件事混成一个综合分,只会得到一个无法执行的结果。
5% 这个数字不能直接外推
5% 是平台口径下的成交占比,不是市场份额,也不能按比例放大到全年。它至少受三个因素影响:入口的位置、补贴的力度、品类的比较成本。保健品之所以超过 20%,是因为这个品类的决策本身需要反复比较,AI 的整理能力正好对上需求;换成单价低、决策快的日用品,比例会低得多。
对品牌来说,可用的推论只有一条:在需要比较的品类里,AI 入口的权重正在上升,而比较的前提是参数与评价可被读取。这解释了为什么同一批品牌里,参数写得规范的那些更容易出现在答案里,而不是预算更大的那些。
把测试变成固定动作
方法不复杂:固定十到二十个与品类直接相关的问题,固定周期在主要 AI 平台重复提问,记录是否出现、位次、是否带来源。三件事坚持四周,就能画出自己的基线。基线之上再讨论优化,才不会把模型版本更新带来的波动误当成策略生效。
常见问题
被提到和被引用,哪个更重要?
阶段不同。冷启动阶段先争取被提到,建立存在感;进入比较阶段后,引用率决定说服力。只追提到率,容易停在模糊描述上。
为什么同一个问题在不同平台答案差别很大?
各平台的检索范围、语料来源与整合方式不同。跨平台各测一轮,比在单平台反复测更能反映真实可见度。
AI 答案里出现品牌名,算不算被引用?
不算。引用要求内容被作为参考来源挂出,有链接或明确出处。品牌名出现在正文只说明被提到。
多久复测一次比较合理?
按周记录、按月看趋势。模型版本更新频繁,单周波动没有意义,连续四周的方向才有参考价值。











