截至 11 月 7 日的公开信息，北京大学国家发展研究院编制的中国线上消费品牌指数已更新至第七期，课题组把品牌在淘宝 APP 的被搜索情况单独做成搜索指数，并在 11 月 4 日天猫的一场双11 内部沟通会上做了分享。这套指数回答的是消费者是否主动寻找某个品牌，但它回答不了另一个正在变得同样重要的问题：当消费者把同样的问题交给 AI 搜索时，AI 的回答里会不会提到这个品牌、引用了谁、把谁排在前面。对品牌与内容团队，这两件事需要分开监测，也分开优化。
一个指数测的是主动找 不是被推荐
搜索指数统计的是人在搜索框里敲下品牌名或品类词的动作，属于主动行为。AI 回答里的品牌出现是另一条链路：模型从训练语料与检索结果中重组内容，再以自然语言给出建议。一个品牌可以在搜索端很强，却在 AI 回答里缺席，原因往往不是知名度不够，而是公开语料里缺少结构化、可被引用的信息，模型没有材料可用。
两种被看见的差别
搜索端的被看见是位置竞争，用户输入词之后看到一串结果，品牌争的是排序与联想词。AI 端的被看见是叙述竞争，用户得到一段完整回答，品牌争的是有没有被写进这段话、以什么身份被写进去。前者可以用投放与关键词优化改善，后者依赖内容是否被模型认定为可信来源。把两套指标混在一起看，很容易得出错误结论。
这也解释了为什么一些在电商平台销量靠前的品牌，在 AI 搜索里反而描述模糊。销量数据不进入公开语料，能被模型读到的往往是媒体报道、百科条目、官网介绍与第三方测评。这些材料的完整度，直接决定 AI 回答里品牌的形象是否准确。
AI 回答里的品牌出现 与搜索指数不是一回事
把 AI 回答纳入监测，第一步是建立问题库。问题库不是关键词列表，而是读者真的会问的完整句子，比如某类产品怎么选、某个场景用什么、某个品牌和另一个品牌差在哪。按品类词、场景词、竞品对比词分组，每组十到二十个问题，固定在豆包、DeepSeek、元宝、通义千问、Kimi 等平台复跑，记录品牌是否被提及、出现在第几位、以什么描述出现。
| 观察项 | 含义 | 记录方式 |
|---|---|---|
| 品牌提及率 | 问题中被提到的比例 | 按问题组统计百分比 |
| 推荐位次 | 在推荐列表中的位置 | 记录序号与是否首位 |
| 引用来源占比 | 回答引用了哪些站点 | 按域名归类计数 |
| 竞品占位 | 竞品被提及的次数 | 与本品同表对比 |
这四项里，引用来源占比最容易被忽略，却最能指导动作。如果 AI 回答反复引用同一批媒体或同一类页面，说明这些材料在模型眼里权重高，品牌的内容建设就该往这个方向靠；如果引用的是一篇过时报道，回答里的描述就会停在过去，这时需要的是更新可被引用的信息，而不是加大投放。
描述偏差比缺席更难发现
品牌缺席是显性问题，描述偏差是隐性问题。AI 回答可能提到品牌，但把产品线说错、把价格带说错、把适用人群说错。这类偏差不会立刻带来投诉，却会在用户决策的最后一公里产生影响。监测时要专门记录描述中的事实性字段：主营品类、代表产品、价格区间、渠道形态，逐项与官网核对。
引用来源决定了 AI 会不会提到你
AI 搜索的引用来源大致分三类：官方与权威机构页面、媒体与行业媒体报道、以及用户生成内容。三类在不同问题上的权重不同，事实类问题更依赖前两类，体验类问题会引入第三类。品牌要做的不是在所有类型上平均用力，而是先确认自己的品类里，哪类来源在被引用，再把资源集中过去。
这一步需要克制。可被引用的材料必须真实、可核验、时间明确，编造来源或堆砌无出处的内容，短期可能进入回答，长期会损害可信度，也可能在平台调整信源规则后集体失效。GEO 的工作是提高被正确引用的概率，不是操控回答，任何承诺能控制 AI 说了什么的说法都应当被质疑。
品牌诊断从问题库开始 三个可核对的动作
把上面这些落成可执行的动作，第一步是跑基线：用固定问题集在固定平台复跑一次，记录提及率、位次、引用来源与竞品占位，形成可比的起点。第二步是补材料：按基线暴露的缺口补官网结构化信息、补可被引用的第三方报道、补产品事实页。第三步是复跑对照：间隔四周用同一问题集再跑一次，看变化是否出现在预期的问题组里。
证据边界要说清楚
AI 回答存在随机性，同一问题在不同时间可能给出不同答案。单次回答的差异不足以证明优化有效，需要多次复跑取趋势。此外，平台不公开推荐与引用规则，任何归因都只能到相关性层面。把这两条写进报告，比给出一个漂亮的提升数字更有价值，也更能让市场与内容团队据此安排预算。
常见问题
搜索指数高，AI 回答里就一定提到品牌吗？
不一定。搜索指数统计人在搜索框里的主动行为，AI 回答从训练语料与检索结果重组内容。品牌可能在搜索端很强，但公开语料缺少结构化、可引用信息，AI 回答就不会主动提到它。两者需要分别监测，不能互相替代。
AI 回答里的引用来源怎么查？
先看回答是否给出可点击出处，再回溯该出处是否真实存在、内容是否支持回答中的说法。多数平台以链接列表给引用，少数只给媒体名。没有出处时只能比对多平台回答的一致性，这属于证据边界，不能当作事实确认。
多平台可见度怎么对比才有意义？
前提是问题集一致。同一批问题分别投给不同平台，统计品牌被提及次数、出现位置与是否被推荐。若每个平台问的问题不同，对比就失去意义。建议固定三十到五十个问题，按品类词、场景词、竞品对比词分组，按周复跑。
优化之后多久能看到变化？
取决于改动类型。补充官网结构化信息、修正错误描述这类动作，通常要等平台重新抓取与索引，周期以周计；新增可被引用的第三方报道，见效时间更不可控。建议以月度为单位看趋势，不要用单次回答的差异判断成败。
