先说清楚一件事：综合电商 GMV 同比增长 2.4% 与 Token 充值首日环比激增 450%，不是同一层数据。前者统计的是成交总额，后者统计的是单一品类在一个平台上的增速，两者的基数和口径都不同。之所以要把这句话放在开头，是因为到 11 月 9 日公开的这组数据，正在被大量品牌当成「AI 消费起来了」的证据，而 AI 搜索里的可见度，恰恰不能用这类增速来证明。
两个增速分别说明了什么
2.4% 描述的是大盘，说明货架电商进入低速期；450% 描述的是一个刚上架的新品类，说明有人在买，但买的人有多少会复购，数据里没有。把两个数字并排引用，读起来像「整体温和、结构亮眼」，实际能支撑的结论只有一句：新品类出现了，规模还小。
这正是可见度验真要解决的问题。品牌在 AI 搜索里的位置，既不由大盘决定，也不由某个品类的爆发决定，而由「问的人问什么、答案从哪里取」决定。AI 硬件的销量翻倍，不代表消费者在问「哪款 AI 眼镜适合通勤」时能听到你的名字。
验真的三层证据
第一层：样本本身可复现
同一批问句、同一时间窗、同一平台版本，跑出来的答案才可比。这一层最容易被忽略，因为大多数监测截图没有记录提问时间与账号状态，个性化推荐一介入，两次结果就对不上。把问句、时间戳、平台版本三项写进记录，是最低要求。
第二层：引用来源可回溯
答案里出现的每一处来源，都要能点开、能定位到具体段落。元宝搜索已经在答案右侧固定了参考资料区，公众号与视频也进入检索范围，这意味着引用不再只来自官网与新闻稿。来源可回溯之后，才能判断品牌是被自己的内容支撑，还是被别人的转述支撑。
第三层：变化可归因
补了一批内容之后，答案层级变了，才能算验证成功。归因的难点在于同期还有平台更新、竞品投放、大促活动在动。可行的做法是留一组对照问句不动，看这组是否稳定，稳定的前提下再谈补写带来的变化。
三类常见的数据幻觉
第一类是覆盖率幻觉：把「品牌在 60% 的问句里出现过」当成结论，却没区分出现的位置。第二类是引用幻觉：把答案里出现的一条媒体链接当成主信源，实际上模型可能只取了标题。第三类是平台幻觉：在一个平台上测出的结论，直接套到另外两个平台。
| 幻觉类型 | 表现 | 核验方式 |
|---|---|---|
| 覆盖率幻觉 | 只报出现比例，不报层级 | 按结论句、并列、未出现三档重算 |
| 引用幻觉 | 把链接当成主信源 | 核对答案句子与来源段落的对应关系 |
| 平台幻觉 | 单平台结论外推 | 三平台同批问句复测，单列离散度 |
三类幻觉的共同点，是把不确定的东西写成了确定。对内的报告如果要给预算决策用，宁可写「这一层还没有证据」，也不要写一个看起来完整但实际上无法回溯的数字。
每月验真清单
清单按顺序执行，前一步没过就不进入下一步。在错误样本上做优化，最常见的结局是内容越写越多、结论越来越飘。四步之外还有一个前提：所有记录都要带时间戳与平台版本，否则一个月后连自己都无法复现当时看到的那条答案。
- 冻结问句清单与时间窗，记录平台版本，跑完三平台各一遍。
- 逐条标注品牌出现层级，拆出结论句点名与并列提及两类。
- 对结论句里出现的来源逐条回溯，标注类型与可访问状态。
- 留一组对照问句不做任何补写，月末比对两组变化幅度。
| 字段 | 示例值 | 判读 |
|---|---|---|
| 结论句点名率 | 18% | 低于 10% 先修实体信息 |
| 来源可回溯率 | 92% | 低于 80% 说明引用质量差 |
| 对照组波动 | 正负 3 个百分点 | 超过 5 个点先查平台更新 |
| 平台离散度 | 最高与最低差 22 个点 | 差值大就不做平均 |
四个字段里，对照组波动最容易被跳过，却决定了其他三个字段能不能用。没有对照，任何变化都可以被解释成「我们做对了」，也可以被解释成「平台刚好更新了」。
常见问题
AI 硬件销量翻倍，能说明 AI 搜索里品牌更可见吗？
不能。销量是渠道结果，可见度是答案结构。两者可能同向，也可能背离，需要各自取数再对照。
为什么一定要留对照问句？
用来区分自身动作与外部变化。没有对照，平台更新和竞品动作都会被误记成自己的成果。
引用来源的回溯要做到多细？
至少定位到段落。只核对域名不够，模型取的可能只是页面里的一句定义。
三平台结果能不能取平均？
不建议。离散度大时平均值没有意义，应该分平台列示，再单独解释偏离的那一家。
