「被引用」和「被提到」是两件事，数据把这两件事拆开之后，结果有点难看。PressGEO 的公开引用监测在最近 30 天里跑了 1000 次探针，ChatGPT 一共引用 85 次，整体引用率 8.5%；但把提示分成两组之后，点名品牌的 352 次里有 85 次被引用、占 24.1%，没点名品牌的 648 次里一次都没有，0.0%PressGEO 的引用数据集。对做 AI 搜索可见度的团队来说，这个 0 比 8.5% 更能说明问题：可见度不是有没有被提到，而是买家描述问题时你有没有被引到；数据集口径为截至 11 月 12 日的滚动 30 天。
两种提示，两种口径
这两组数字放在一起，其实是在说同一件事的两面。品牌提示里点名了品牌，AI 回答要给出信息，自然会去抓品牌官网、新闻稿或电商页；非品牌提示只有问题和场景，AI 回答要从整个互联网里挑信源，这时候能不能被挑中，取决于你的内容在「品类问题」上有没有可引用的答案，而不是取决于你说了多少次自己的品牌名。
品牌提示的分母陷阱
24.1% 这个数字看着不错，但它衡量的是一件本来就该发生的事：用户问「某某品牌怎么样」，AI 回答里出现该品牌的信息。这类提示的分母天然偏向品牌自己，任何有官网、有媒体报道的品牌都能拿到不错的分数。把它当成 GEO 的成绩单，等于用一道送分题证明自己会做题。
1000 次探针里发生了什么
868 次没有被引用，占绝大多数。也就是说，即便在被监测方自己发布的 URL 范围内，AI 回答里十次有九次不会引用到它。这个比例本身不奇怪——AI 回答的信源选择高度集中在少数高权重页面，长尾内容很难进入候选池。真正值得注意的是分布：所有引用都落在品牌提示里，非品牌提示一次都没有。
这意味着内容的分发路径存在断层。品牌相关内容能在「指名道姓」的场景里被调用，但在「用户描述问题」的场景里完全缺席。而后者才是买家的真实提问方式——没有人在搜索框里输入品牌名，他们输入的是「敏感肌用什么防晒」「小户型冰箱怎么选」。如果这些提问的 AI 回答里没有你，品牌的可见度就只是自我确认。
非品牌提问才是买家视角
把提示分成品牌、品类、发现三层，是 GEO 监测里最基础也最容易被跳过的一步。品牌层看防守，品类层看竞争，发现层看增量。只测品牌层，得到的是一份安慰性的报表；三层都测，才能看出品牌在哪个环节掉了链子。PressGEO 把品类与发现合并成「非品牌」，正是为了让这个断层显形。
引用率要拆成三层能力
| 能力层 | 对应指标 | 数据现状 | 缺什么 |
|---|---|---|---|
| 被找到 | AI 回答是否引用本站 URL | 整体 8.5%，非品牌 0.0% | 品类问题的可引用内容 |
| 被说对 | 引用内容与商品事实是否一致 | 公开数据未覆盖 | 字段级事实核对机制 |
| 被排上 | 引用位次与同题竞品占比 | 公开数据未覆盖 | 固定问题库下的位次基线 |
三层能力里，第一层最容易测，也最容易被误当成全部。被找到只是入场券，AI 引用了你的页面但把参数说错，对品牌是负分；引用了但排在竞品后面，对成交的帮助也有限。行业里已经把这三层拆成「看得见、说得对、排得上、接得住」四级水位凤凰网的四级水位自测，监测工具也在从单点排名转向信源穿透新榜智汇的形态拆解。
拆分能力层的好处是能定位问题。非品牌引用率为 0，问题不在「AI 不认识我们」，而在「品类问题下没有可被引用的内容」。这两者的解法完全不同：前者要做实体信息校准，把品牌名、产品线、官网结构统一；后者要做内容供给，针对品类问题写出有数据、有结论、可核验的答案页。
复测时最容易踩的口径漂移
GEO 的复测有个隐性风险：问题库变了，结论就变了。这周测 50 个问题，下周换成另外 50 个，引用率从 8% 掉到 3%，看起来是优化失败，其实只是换了题。解决办法是把问题库固定下来，按品牌、品类、发现三层配比，每次复测用同一套题，只增加不替换。
第二个坑是把「提到」当「引用」。AI 回答里出现品牌名，不等于引用了你的页面；前者是模型记住的信息，后者是可核验的来源。做可见度报表时两个数要分开列，否则优化动作会失焦——想提升提及率要做品牌认知，想提升引用率要做内容供给，方向相反。
第三个坑是只看一个引擎。不同 AI 平台的信源偏好差别很大，同一个问题在 ChatGPT 与国内模型上的引用结果可能完全不重合。监测面板如果只接一个平台，得到的结论不能外推。Google 的生成式 AI 报告目前只给曝光不给点击，也让「AI 带来多少流量」这个问题暂时没有官方答案MADX 的 KPI 拆解，只能靠自建口径补齐。
常见问题
非品牌提示的引用率是 0，是不是说明 GEO 没用？
不能这么读。0 说明在被监测的这个 URL 范围内，品类问题下没有一篇文章被 AI 引用。它反映的是内容供给的缺口，不是 GEO 方法失效；换一批针对品类问题写的页面，这个数字可能完全不同。
为什么品牌提示的引用率能到 24.1%？
因为提示里点名了品牌，AI 回答需要给出该品牌的信息，模型会优先调用品牌官网、新闻稿等高相关页面。这类引用是防守性的，说明基础信息可被检索，不说明在竞争性提问里有优势。
监测 AI 搜索可见度，最少要测哪些维度？
三个：是否被引用、引用位次、被引用的 URL。三者缺一不可，只有是否被引用，无法判断内容质量；只有位次，无法定位问题出在哪个页面。
问题库多久换一次比较合适？
建议只增不换。核心问题库固定，每月复测；新增问题另开一组并标注起始月份。混在一起统计会让引用率的变化失去可比性，也就无法判断优化是否有效。
