先说清楚这里的「可见度」指什么：不是曝光量，是品牌在 AI 回答里被提到、被引用、被推荐的比例，以及这个比例在同类问题上的相对位置。以 11 月 9 日为界，中国商务广告协会 AI 营销应用工作委员会牵头编制的 GEO 团体标准已经对外解读，标准把异常分发、语料投毒、伪造信源、提示词攻击列为黑帽，并单独设立报价、计价、测量三个标准组。对品牌市场团队来说，真正难落地的不是黑帽清单，是度量：同一句「推荐位次」，不同服务商报出来的数可能差一倍。
标准管住了黑帽，度量留给了执行层
标准把黑帽写得很具体，这部分对品牌方是利好：过去做 GEO 最怕的是供应商用异常手段冲数据，出问题由品牌承担声誉风险。现在至少有一条公开的边界，采购时可以写进合同。但标准没有替品牌解决另一件事——怎么证明自己被看见了，以及看见了多久。
这正是测量组存在的意义，也是执行层最容易糊弄的地方。据公开解读，服务商侧的监测已经接入 DeepSeek、豆包、元宝、千问等主流模型，在真实问答场景里记录推荐位次、引用率与信息一致性（中国日报网转载的解读）。听起来很完整，但三个指标的统计口径如果不写清楚，数字就没法跨月比较。
同一句「推荐位次」，三种算法
第一种按首次出现的位置排序，品牌排在第五个被提到就算第五位；第二种按推荐强度排序，只有被明确建议选择的才算推荐位，被顺带提及的不计；第三种按答案段落计，出现在首段的权重高于末尾。三种算法在同一批问题上能算出相差数倍的结果，报告里如果不注明用的是哪一种，读者无法判断改善是真实的还是口径变了。
三个指标必须分开记
可见度不是一个数，是三层结构。被提到是入场券，被引用是可信度，被推荐才是转化前提。把三层压成一个综合分，短期好看，长期一定失真——因为提及率可以通过铺量快速拉高，引用率要靠信源质量，推荐位次则取决于模型对品类问题的整体判断。
| 指标层 | 统计口径 | 最常见误用 |
|---|---|---|
| 提及率 | 答案中出现品牌名的比例 | 把顺带一提当成推荐 |
| 引用率 | 品牌内容被列为信源的比例 | 混入品牌自建站点 |
| 推荐位次 | 被明确建议时的排序位置 | 不注明排序算法 |
分开记之后，改善路径也清楚了。提及率低，说明问题库覆盖不够，用户根本没问到你的品类；引用率低，说明内容结构不适合被抽取，缺少可核验的数字、时间、主体和出处；推荐位次上不去，往往是竞品在同类问题上占位更稳，需要看竞品被引用的信源是谁。
信源分级决定了引用率的极限
公开资料提到，大模型在生成回答时会对信源做权重分层，央媒、权威行业站与高信用垂类门户更容易被采信，模板化、堆关键词的站点基本进不了参考列表。这条机制解释了一个常见现象：发稿量翻倍、收录率不错，AI 回答里依然查无此人。引用率的天花板不在数量，在信源的层级。
品牌现在能自查的两件事
第一件是把问题库拉出来对一遍。用二十到三十个真实用户会问的问题去测，看品牌出现在几个问题里、以什么身份出现。这一步不需要采购任何工具，手动问一遍就能得到基线，代价只是时间。基线有了，才能判断供应商报的「提升 300%」是从哪个起点算的。
第二件是固定口径。模型版本、提问方式、采样时间、判定规则这四项必须在第一次监测时就写进文档，之后每次沿用。模型迭代很快，口径一改，环比就失去意义；反过来，口径稳定下来，哪怕绝对值不准，趋势也可用。
标准落地之后，行业大概会经历一段口径混战期，各家都说自己合规、都报自己的数。对品牌来说，最实际的动作不是等统一公式，而是把上面四项写进合同附件——谁的口径、什么时候采的样、模型是哪个版本，写清楚了，报表才有讨论的基础。
常见问题
GEO 和 SEO 的度量有什么本质区别？
SEO 度量的是链接在结果页的排名与点击，GEO 度量的是品牌在 AI 生成答案中的出现、被引用与被推荐。前者有统一的结果页结构，后者每次回答都可能不同，所以采样方式、模型版本和判定规则必须一起记录，否则数字无法比较。
AI 回答里的引用来源怎么查？
先看答案是否带引用角标或来源列表，再逐条点开确认是否指向品牌自有内容、媒体报道还是第三方平台。没有引用标注时，只能用答案中的事实表述去反查可能的信源，这种情况应标注为推定而非确认。
团体标准发布后，供应商报的数据可以直接采信吗？
不能直接采信。标准划定了黑帽边界和测量方向，但具体公式、采样频次与判定规则仍由各服务商执行。采购时应要求对方书面说明模型版本、问题集、采样时间与判定规则，四项缺一项就无法复核。
