11 月 9 日到 11 月 13 日，三家引擎在 8 个美国城市回答了同一批本地服务问题，2926 家门店里只有 16.1% 被至少点名一次。这份由 Cited Lens 发布的实测覆盖奥斯汀、夏洛特、丹佛、纳什维尔、凤凰城、罗利、圣迭戈与坦帕，每个城市挑牙医、医美、人身伤害律师与 SEO 代理四类业态，共 32 个市场、每个市场两个问法，分别向 ChatGPT、Gemini 与 Google AI Overview 提问，回收 178 个带文本的答案。对做本地生意的品牌来说，这组数字最刺眼的地方不是覆盖率低，而是三家引擎点名的名单几乎不重叠。本篇核对截止 2026 年 11 月 14 日。
两千九百二十六家店里只点名一成六
16.1% 这个数字要和分母一起看。2926 家是按照城市中心 30 公里范围、用地图检索拉出来的在营门店，也就是顾客在 Maps 里能看到的那一批，不是全城所有商户。在这个前提下，三家引擎加起来只覆盖了不到六分之一，意味着绝大多数门店在 AI 回答里根本不存在。
更细的一层是分布：ChatGPT 在 64 个答案里点名了 250 家，一个典型答案只提 4 家左右。这与「AI 会给一长串清单」的想象差别很大——答案位本来就少，能挤进去的自然是极少数。据 研究原文，作者也提醒这是相关性观察，不是因果实验：没有改动任何网站去验证结果变化。
评论多不等于被推荐
评论的作用是真的，但没有想象中那么大。评论数在 1000 条以上的门店被点名比例是 34.3%，评论数不到 50 条的是 9.4%，差了近四倍。可另一组数字把结论拉回来了：每个市场里评论最多的五家门店，有 65% 从未被点名。
| 评论量区间 | 被至少点名一次的比例 | 读法 |
|---|---|---|
| 1000 条以上 | 34.3% | 评论是入场条件，不是充分条件 |
| 50 条以下 | 9.4% | 评论太少时，几乎不进入候选 |
| 各市场评论前五 | 65% 从未被点名 | 光有量不够，还要有可被引用的描述 |
第三行是关键。评论量能解决「这家店是不是真的存在」，但解决不了「AI 能不能用一句话说清它擅长什么」。后者的材料来自官网首段、服务页、榜单描述与第三方名录的简介，而不是星级。这也解释了为什么评论领先的门店会集体缺席：它们的可引用信息太少。
需求侧的变化让这件事更紧迫。据 BrightLocal 的调查，用 AI 工具获取本地推荐的比例在一年内从 6% 升到 45%。当近一半的本地查询以 AI 答案作为起点，缺席就不再是「少一个渠道」，而是丢掉主入口。
一个引擎一套名单
重叠只有 4.5%
在三个引擎都给出答案的市场里，71.5% 被点名的门店只被其中一个引擎提到，被三家同时提到的只有 4.5%。这个数字对竞品对比的方法论是颠覆性的：过去比「我和竞品谁排名高」，现在要问「在哪个引擎里，我和谁在同一张名单上」。
为什么名单不重叠
因为引用来源不同。据 另一组同期实测，Google AI Mode 的引用几乎全指向平台自己的商家档案，ChatGPT 的来源则以榜单、行业名录与点评站为主。名单跟着引用走，引用不同，名单自然不同。据同一份资料，Whitespark 2026 年的调查首次单列 AI 可见度评分，得分最高的因子是出现在专家策展的最佳榜单里。
竞品对比表要怎么改
第一步按引擎拆表，一个引擎一张，不要合并。第二步把对比对象从「排名」换成「同名单率」：同一批问法里，自己和竞品同时出现的比例是多少，只出现一次的是谁。第三步记录引用来源差异，看竞品是靠榜单进榜、还是靠平台档案被引用。
第四步是把结论落到动作上。榜单缺位就去争榜单，档案缺字段就去补档案，官网首段说不清定位就去重写首段。这三件事分别对应不同的引擎，做完之后要按引擎分别复测，才不会把效果记错账。
常见问题
问：AI 回答里没被点名，是不是等于没有 AI 可见度？
答：接近。这份实测里三家引擎合计只覆盖 16.1% 的门店，未被点名就意味着在顾客的 AI 提问里不存在。可见度不是排名高低，而是有无。
问：评论量还要不要继续做？
答：要做，但要配合可引用的描述。评论解决「是否真实存在」，描述解决「凭什么被推荐」，缺一项都进不了名单。
问：为什么三个引擎的名单差这么多？
答：引用来源不同。Google 依赖自有商家档案，ChatGPT 依赖榜单与行业名录。来源结构不重叠，名单自然不重叠。
问：竞品对比该按什么频率做？
答：按引擎分表、按月复测比较合适。单次提问有随机性，连续几个月的同名单率变化才可信。
