去年这个时候，品牌还在比谁的官网写得更全。今年的对比数据把这个假设推翻了：麦肯锡对 25 个消费品品牌的研究显示，大模型回答品牌相关问题时，品牌自有网站只占全部引用来源的 1% 到 2%，其余散落在论坛、零售商评论、博客与视频平台。以 11 月 10 日的公开资料为界，可见度的争夺已经从自家站点挪到第三方信源上。
三层可见阶梯，一层比一层难
AI 对品牌内容的识别分三档：被提及、被引用、被推荐。被提及只是名字出现在答案里，门槛最低；被引用是回答标注了信源出处，说明内容被当作依据；被推荐是模型在多个竞品之间主动优先推荐，靠的是持续曝光与第三方佐证。
三档之间的差距，比多数人想象的大。一个品牌可以在很多答案里被提到，却从未被引用；也可以被引用，但只作为背景信息出现。做 AI 搜索可见度监测时，如果只统计提及，看到的数字会虚高，改进方向也会跑偏。
提及、引用、推荐
提及看覆盖率，引用看证据强度，推荐看竞品对比中的位置。对应的动作完全不同：提及其靠问题库铺得够宽、信源够多；引用要靠可被摘录的事实与数据；推荐则需要在对比类问题里反复出现，让模型形成稳定印象。
站外信源占了多大比例
| 信源类型 | 在回答中的角色 | 品牌可控度 |
|---|---|---|
| 自家官网与商品页 | 参数与官方口径 | 高 |
| 行业媒体与测评 | 第三方评价与对比 | 中，可影响不可控 |
| 论坛与问答社区 | 真实使用体验 | 低 |
| 视频与内容平台 | 演示与口碑扩散 | 低，需长期经营 |
这张表解释了为什么官网写得再全也不够。模型在组织答案时，会优先采纳它认为中立、具体、可交叉验证的内容。行业媒体的测评、问答社区的使用记录、视频里的实测，恰好符合这几个特征，而品牌官网天然带着自我陈述的属性。
这不意味着官网没用。官网的作用从「说服消费者」变成「给模型提供准确参数」：规格、型号、适配条件、售后政策写清楚，模型在需要引用参数时才有据可依。写满营销话术的页面，反而更难被摘录。
问题库怎么和信源对齐
问题库不能只按关键词排，要按「答案需要什么证据」来排。问「哪个牌子售后好」，答案需要的是服务网点与响应时长；问「哪个更适合小户型」，答案需要的是尺寸与安装条件。每一类问题背后都对应一组信源，信源缺位，答案就会绕开这个品牌。
把问题拆到能指认信源，是这项工作的关键一步。拆不细，就只会得出「可见度低」这种无法执行的结论；拆细了，才知道是缺测评、缺参数页，还是缺第三方背书。
把问题拆到能指认信源
具体做法是给每个问题标注三个字段：需要的证据类型、当前可用的信源、缺口在哪。三类字段填完，问题库就变成了一张待办清单，内容团队知道该补什么，市场团队知道该争取哪类报道，而不是笼统地「多做内容」。
月度复盘的四个字段
复盘时最容易犯的错是只看均值。三个平台取平均，可能掩盖某个平台大幅下滑、另一个平台小幅上升的情况。分平台看，再单列平台离散度，才能发现结构性问题。
最后一个提醒是边界：可见度是必要条件，不是充分条件。品牌在 AI 回答里出现，只说明进了候选集，最终成交还取决于价格、渠道与履约。把这套指标和站内搜索、加购、成交放在一起看，才能判断投入是否值得。
常见问题
为什么品牌官网在 AI 回答里的引用占比这么低？
模型偏好中立、具体、可交叉验证的内容，官网自带自我陈述属性，通常只作为参数来源被少量引用。
提及、引用、推荐三者哪个最重要？
分阶段看。冷启动先解决提及，中期补引用，成熟期争推荐位次，三者不能互相替代。
问题库要多大才够？
覆盖三层即可：品类需求、品牌对比、售后与口碑。数量不在多，关键是每个问题都能指认所需信源。
多久能看到可见度变化？
通常四周左右。首两周建基线，优化后每周复采，四周后做归因，短于这个周期难以区分真实变化与随机波动。
