截至 11 月 6 日的公开信息，进博会期间长安街知事、智源 GEO、猎看科技、Dageno AI 与京报智库联合发布《海外 GEO 白皮书》，基于 ChatGPT、Google AI Mode、AI Overviews、Gemini、Microsoft Copilot 五个平台合计 1004.6 万条回答样本。报告里有两个数字对做品牌 AI 可见度监测的团队最直接：任意两个海外平台的引用域名重合度不足 25%，信息引用链接集合的半衰期只有约一天。前者决定监测必须分平台做，后者决定监测频率不能按月排。
两个数字改的是监测设计
重合度不足 25% 意味着，一个平台上的引用来源，四分之三以上在另一个平台上不会重复出现。按月跑一次全平台、再取平均值的做法，会把平台之间的差异抹平，最后得到一个既不能解释、也不能复现的可见度分数。
半衰期约一天，意味着今天被引用的那条链接，明天可能已经不在答案里。监测频率如果按周或按月，看到的只是快照；要做趋势，采样密度必须先跟上答案的更新节奏，否则趋势线反映的是采样时间，不是品牌表现。
监测频率怎么排
可行的排法是分层：核心问题库按天跑，覆盖品牌与主力品类的高频提问；一般问题库按周跑；竞品对比类问题按双周跑，因为竞品的引用结构变化更慢。层与层之间用同一套判定口径，否则趋势线接不上，诊断也没法回溯到具体动作。
判定口径要写死
| 环节 | 要固定的口径 | 常见错误 | 影响 |
|---|---|---|---|
| 问题库 | 问题文本、语种、平台版本冻结 | 每次跑之前临时改问题 | 趋势线断裂 |
| 引用来源 | 同一答案内去重后计数 | 同域名多个页面算成多个来源 | 来源数虚高 |
| 可见度 | 曝光、被推荐、被引用分开计 | 把被提到等同于被推荐 | 分数虚高 |
| 诊断 | 同一问题重复三次取稳定结果 | 单次采样直接下结论 | 结论不可复现 |
判定口径不写死，跑得越勤错得越快。以引用来源为例：同一个域名下的三个页面被同一条答案引用，算一个来源还是三个，直接决定来源集中度的结论，也决定后续该改页面还是该换信源。
曝光、被推荐、被引用也要分开。品牌名出现在答案里是被提到；出现在推荐清单里是被推荐；作为信息出处被列出才是被引用。三者混在一起算，可见度的变化就无法归因到具体动作，优化只能靠猜。
诊断要能回到原始问题
可核验的诊断，每一个指标都能点回原始提问词、平台与引用链接。做不到这一点，报告只能说明「变了」，不能说明「为什么变」。这也是把问题库、监测与诊断串成闭环的前提：改完内容之后，要能在同一批问题上看到引用结构的变化，而不是换一批问题重新开始。
给品牌的三步
第一步，把问题库建起来，覆盖品牌词、品类词与场景词，每个平台单独存一份。第二步，按分层频率跑监测，先积累四周基线，再谈优化。第三步，把每次内容改动与引用结构的变化对齐，只保留能复现的动作。
白皮书给的两组数据说明了一件事：AI 答案里的位置不是资产，是租约。域名重合度低，说明没有一套内容能同时覆盖所有平台；半衰期短，说明这份租约需要持续续期，一次投放换不来长期曝光。
证据边界：样本量、域名重合度与半衰期均来自白皮书公开摘要与媒体报道，报告未公开分行业明细；上文的分层频率是基于半衰期的工程推断，实际排期要按自家问题库的更新速度调整。
常见问题
为什么不能只看一个 AI 平台的可见度？
因为平台之间的引用域名重合度不足 25%。一个平台上的来源结构，不能代表另一个平台，把单平台结果当成整体可见度会系统性高估或低估。
半衰期一天意味着要每天监测吗？
核心问题库需要每天跑，一般问题按周、竞品对比按双周。关键是同一批问题、同一套口径持续采样，频率服务于趋势判断，而不是越密越好。
引用来源和曝光量有什么区别？
曝光量是品牌被提到的次数，引用来源是被列为信息出处的链接。前者说明被看见，后者说明被采信，诊断与优化主要看后者。
怎么判断一次优化是否真的有效？
在同一批问题上，看引用来源的结构是否变化，并重复三次确认结果稳定。只在单次采样里出现的改善，多半是波动。
