这轮实验真正被误读的不是门店数量，而是提及率。11 月 11 日公开的一组测试里，研究者向豆包、DeepSeek、千问、腾讯元宝四个平台提出 36 道酒店投资问题，每题问 4 轮，共收集 576 条回答——这是截至 11 月 11 日公开可查的一组数据——结果同一道题在两个平台给出的品牌名单重合度只有 22.6% 到 34.8%。更反直觉的是，门店扩张速度接近的两个品牌，在 576 条回答里被提及的次数相差近 30 倍。它把一个长期被含糊处理的问题摆到了台面上：AI 搜索里的品牌可见度，究竟在测什么。
576 条回答里的三个差
第一个差在名单。环球旅讯联合数说故事的实验记录了一个细节：问“连锁酒店加盟品牌排行榜前十名有哪些”，豆包一口气列了 31 个名称，把品牌和集团混在一起；千问只给 10 个，而且全是集团名，一个具体加盟品牌都没有。同一个问题，一个平台给的是长名单，另一个给的是集团层面，两边的统计分母从一开始就不一样。第二个差在位置，名单里的顺序各不相同，第一个被提到的品牌拿走了大部分注意力。第三个差在表述，有的答案附带造价和加盟条件，有的只有名字。
门店开得更快，AI 却不一定认识你
实验披露的一组对照最值得品牌方细看。两个品牌的扩张速度接近，被提及的次数却差了近 30 倍；另一个门店数更少的品牌，被提及次数反而更多。这说明门店规模不是 AI 回答里品牌出现的主要变量，可被检索、可被引用的公开信息才是。
| 品牌 | 门店变化 | 576 条回答中被提及 | 提及率 |
|---|---|---|---|
| 全季 | 2116 家增至 3565 家，两年增长 68.5% | 264 次 | 45.8% |
| 华驿 | 1236 家增至 1945 家，两年增长 57.4% | 9 次 | 1.6% |
| 麗枫 | 1509 家 | 168 次 | 29.2% |
把这三个数字并排放，结论不是“谁更值得加盟”，而是“谁更容易被模型读到”。AI 回答由具体提问触发，模型只会从它能抓取、能解析、能标注日期的页面里组织答案。品牌官网更新慢、招商信息散落在图片和 PDF 里、第三方媒体稿只有通稿口径，都会让品牌在候选池里消失。这一点在另一份行业观察里被反复提到：电力设备行业的 GEO 白皮书给出的判断是，在 AI 搜索结果中被正确命名的供应商，获得询盘的概率提升 3 到 5 倍，而采购方在 AI 搜索引擎里的“技术参数加供应商推荐加工程案例”三类需求占比已超过 60%。
口径不一致时，涨幅没有意义
服务商报告里最常见的表述是“可见度从 7.54% 提升到 82%”“前三位置占比从 1.01% 提升到 63.5%”。这些数字可能真实，但在比较之前必须先问四个问题：问题集是 20 条还是 200 条，平台是 3 个还是 8 个，同一问题采样一次还是多轮，基线期与报告期比较的是不是同一批问题。分母一换，同一家品牌能报出另一组数，这也是 基线报告至少要写清的四栏：问题集、平台清单、采样轮次、原始答案留存。
同一句问三遍，答案就会变
生成式回答带采样波动，检索到的网页、上下文组织方式、措辞偏好都会影响结果。单次采样得出的可见率，误差可能比优化带来的提升还大，所以成熟的监测方案会对单个问题多次采样再取稳定值，有的服务商对单个问题监测 30 次以上才给结论。落到执行层面，这意味着任何一次“本周可见度上涨”的单点截图都不足以支撑结论，只有连续多个周期的趋势线才能。
平台离散度是被平均值盖住的那部分
取算术平均最省事，也最容易掩盖问题。一个品牌在四个平台里三个上涨、一个明显下滑，平均值仍然是正的，但下滑的那个平台可能正是目标客户最常用的入口。因此报告里应当单列每个平台的数值，并标注平台间的离散程度，而不是只给一个汇总百分比。按平台、按意图类型分别计算收录率与推荐率，同时标注采样时间与样本量，是让指标可追溯的最低要求。
把一次实验变成可复核的证据
把这五个字段变成固定表结构之后，跨平台对比才有意义。品牌方最常犯的错是把不同问题集、不同平台、不同采样轮次的结果放在一张图里做同比，然后在月度会上解释一个根本不存在的下滑。另一个常见错是把“被提及”和“被推荐”混在一起统计，答案里列了名字但排在末尾，与第一个被推荐，商业价值相差很远。
常见问题
AI 可见度低，是不是说明品牌不够大？
不一定。实验里门店扩张更快的品牌被提及次数反而更少，可见度更多取决于公开信息是否可被检索与引用，而不是门店规模。
为什么不同平台给出的品牌名单差别这么大？
各平台的检索式改写、信源池与答案组织方式不同，同一问题会落到不同来源上，所以可见度必须按平台分列，而不是合成一个总分。
服务商报的涨幅怎么核？
先核问题集、平台清单、采样轮次与原始答案是否留存，再看基线期与报告期比较的是不是同一批问题；四项缺一项，涨幅就不可比。
