截至 11 月 10 日的公开信息，豆包在双 11 期间上线了两类功能：面向商家的「豆包运营」专区，把曝光、点击、成交、结算、退款等指标摊开给商家看；面向消费者的「双 11 问豆包」会场，把领券、比价、下单、售后收进同一个对话入口。这意味着 AI 对话带来的生意第一次可以被单独核算成一个渠道。但对做品牌的人来说，能被核算的那部分恰好是最末端的一段——成交发生在哪里很清楚，用户为什么在 AI 的回答里看到你、看到的是哪一句描述、旁边站着哪个竞品，仍然是黑的。这正是 AI 搜索可见度要补的那一段。
渠道能核算了，答案还没有
先把能被核算的部分说清楚。按人民政协网的报道，商家无需额外入驻或缴费，抖店中的在售商品会自动同步至豆包；登录抖店后台的「豆包运营」专区即可查看和运营，经营数据覆盖曝光量、点击量、转化率、成交金额、订单数、客单价及退款金额，并支持周期对比。这套口径的价值在于，过去很难单独衡量的 AI 对话流量，第一次成为可以独立核算的经营渠道，投放和运营的账终于能对上。
但它停在成交这一端。曝光量统计的是「商品被展示了多少次」，并不回答另一个问题：在一个「给妈妈买什么包合适」的提问里，AI 为什么会提到 A 品牌而不是 B 品牌，提到时用的是官方卖点还是三年前的旧参数。对品牌而言，前者决定这次曝光算不算数，后者决定下一次还会不会被提到。这两件事都不在经营数据里。
曝光量能被看到，被引用不能
AI 搜索的可见度和传统投放的曝光是两套计量单位。曝光统计的是展示次数，可见度统计的是「在多少个相关提问的答案里出现了你」，以及出现的位置、被描述的口径、旁边有哪些竞品。同一个品牌，曝光可以很高而可见度很低——比如只在品牌词提问里被提到，一旦用户问的是品类问题就消失。反过来，可见度高而成交低也常见，因为答案里没有把购买理由写清楚。
经营数据的口径覆盖到哪一步
从公开描述看，豆包的经营数据链路是曝光、点击、转化、成交、结算、退款，属于典型的效果归因链路，回答「这笔生意从哪来」。它不回答「用户在问什么」，也不回答「答案里写了什么」。这两件事恰好是 GEO 的作业面：前者靠问题库，后者靠答案采集与引用来源记录。渠道数据和可见度数据不是替代关系，是上下游关系——渠道告诉你结果，可见度告诉你原因。
答案占比为什么必须单独测
答案占比（有的团队叫 SOV、曝光份额）指的是在一个固定的问题集合里，品牌被 AI 提到的次数占该集合总提问次数的比例。它必须固定问题集才有可比性，因为 AI 的回答会随问法、时间、平台变化。行业里常见的错误是拿单次截图当结论：今天问了一次被提到，就认为可见度上来了。正确做法是把问题库固定下来，按周或按双周重复提问，记录每次回答里品牌是否出现、出现在第几句、引用了哪个来源。
| 指标 | 回答什么问题 | 取数方式 |
|---|---|---|
| 曝光量 | 商品被展示了多少次 | 平台后台经营数据 |
| 点击率与转化率 | 展示有没有变成进店和下单 | 平台后台经营数据 |
| 答案占比 | 在固定问题集里被提到的比例 | 按问题库重复提问并记录 |
| 引用来源 | AI 依据哪一页内容描述你 | 采集回答中的引用链接并归档 |
| 竞品占位 | 同一问题里还有谁被提到 | 同一次采集里记录竞品出现情况 |
| 描述准确度 | 答案里的事实与官网是否一致 | 逐条比对参数、价格、门店信息 |
先建问题库，再谈优化
问题库是这套工作的起点，也是最容易被跳过的一步。可行的做法是把用户真实提问按三层收集：品牌词（问品牌本身）、品类词（问哪类产品好）、场景词（问具体情形怎么办，比如给长辈送礼、小户型收纳）。三层各取二三十个高频问题，形成一个稳定集合，之后所有监测都跑在同一个集合上，数据才有纵向可比性。
「大家都在问」这类榜单可以当作问题库的补充来源，但要清楚它的局限：它呈现的是平台侧的高频需求与供给缺口，适合发现新场景，不适合直接当作品牌可见度的基线。基线必须自己建，因为只有你知道哪些问题对你的生意真正重要。
优化动作则要落回内容本身。AI 引用一段内容，通常因为它直接回答了问题、信息密度足够、数据可核验、结构清晰。把官网的产品页改写成「一句话回答 + 关键参数表 + 适用场景」的形式，比增加页面数量更有效。反过来，页面数量堆得再多，如果每页都在讲品牌故事而没有可引用的事实，被引用的概率并不会提高。
这周可以做的四件事
不需要等平台开放更多数据。四件事都能在本周启动，而且做完就有可比基线：建问题库、跑一轮采集、记录引用来源、比对描述准确度。一个月后再跑一轮，就能看出哪些问题上的可见度真的变了。
常见问题
平台已经有经营数据了，还需要自己做可见度监测吗？
需要，两者计量对象不同。经营数据回答成交从哪来，可见度回答为什么被 AI 提到。只做前者，会知道某个渠道有效却不知道为什么有效，也就无法复制到下一个问题场景里。
答案占比多久测一次合适？
建议双周一次。AI 回答会随平台模型更新和内容索引变化而波动，频次太高会把噪声当趋势，太低则错过变化。关键是问题库固定，采集口径固定。
问题库要放多少问题才够用？
三层各 20 到 30 个，合计 60 到 90 个，是多数品牌能持续维护的规模。再多会影响执行稳定性，采集一旦断档，数据就失去可比性。
官网内容要改到什么程度才会被引用？
没有固定阈值，但几个特征反复出现：直接回答问题的开头、可核验的数据、清晰的结构、统一的实体信息。把这三件事做扎实，比追求页面数量更接近目标。
