先说清楚「AI 可见度」在这里指什么：不是品牌有没有被 AI 提到过，而是在同一批品类问题下，AI 回答里品牌出现的频次、出现的位置，以及它引用了谁的内容。按 11 月 15 日的公开口径，这个指标在今年双 11 第一次有了规模化样本：淘宝上线千问 AI 购物助手，京东推出东东与京言导购，拼多多上线 AI 智能搜索与虚拟试衣间，消费者先问 AI 再下单成了常态。入口挪了位置，被看见的方式也跟着变了。
入口从搜索框挪到对话框，曝光规则跟着换
搜索时代的曝光靠排名，位置有限，前十名之后基本没人看。对话式导购的曝光靠被提及：回答里点名了几个品牌、排在什么位置、有没有给出理由，都取决于模型从哪些信源里取到了可引用的句子。淘宝的千问助手、京东的东东与京言、拼多多的 AI 智能搜索形态不同，共同点是把「选择」这一步交给了模型。
商家侧的变化比消费者侧更早落地
商家端的用法已经成形：用 AI 预测和制造爆款、生成素材、智能补货。有淘宝店主用阿里推出的电商 AI 工作台 Accio 做关键决策，AI 甚至反驳了他按老经验设计的体验装方案。这类交互留下的痕迹本身就是一份问题库——商家问什么、AI 答什么、答案里提到了谁，都可以被记录和比对，成为可见度监测的原始语料。
可见度要拆成四个可测的量
| 指标 | 定义 | 怎么取数 |
|---|---|---|
| 品牌提及率 | 回答中出现品牌的比重 | 固定问题库逐条复跑 |
| 推荐位次 | 品牌在推荐清单里的排序 | 记录首推与前三位置 |
| 引用来源占比 | 答案引用谁的内容 | 按域名归类统计 |
| 竞品占位 | 同题下竞品出现的组合 | 竞品同批跑同一问题 |
四个量里，提及率最容易被误读。品牌在某条回答里被提到，不等于被推荐；被推荐，不等于排在首位。有机构把 AI 资产监测拆成可见度、推荐率、首推率、前三率、引用率、情感分与声量份额，再用一个综合指数呈现，口径越细，越能看出问题出在没被检索到，还是被检索到但没被选中。
引用来源占比是另一条线索。同一条回答可能同时引用官网、电商详情页、评测媒体和社区帖子，比例不同，说明模型更信谁。电商场景还有个特殊位置：豆包、千问、元宝的回答里会弹出商品卡，出卡曝光、竞品卡位、爆款商品与优质店铺都能被单独跟踪，这是离成交最近的一层，也是品牌在 AI 搜索里最该先看的位置。
问题库决定你会不会被问到
从双 11 的问答里能拿到什么
问题库不是关键词表，是买家真实会问的句子：哪个牌子好、和某品牌比怎么样、有没有平替、适合什么场景。今年双 11 的 AI 导购里，这类问题被大规模跑过一遍，回答里出现的品牌、理由和引用链接，构成了一份现成的基线。把这批问答固定下来每周复跑，才能看出可见度是在涨还是在掉。
复跑的价值在于区分波动和趋势。同一个问题在不同平台、不同时间问，答案会变；变的原因可能是模型更新、信源变化，也可能是竞品补了内容。把平台、问题、时间三个维度固定住，答案的变化才有解释力。这也是优化闭环里最容易被跳过的一步——大多数团队只做一次基线，然后按感觉改内容，改完也没有对照。
常见问题
GEO 和 SEO 的区别到底在哪？
SEO 争的是搜索结果页的排名位次，GEO 争的是 AI 回答里被提及、被推荐、被引用的机会。前者看点击，后者看曝光与引用，指标口径不同，内容做法也不同。
AI 回答里的引用来源怎么查？
逐条记录回答末尾或内联的链接，按域名归类，区分官网、电商页、媒体与社区。同一问题在不同平台的引用结构往往不一样，要分平台统计。
多平台可见度怎么对比？
固定问题库与提问方式，在同一时间窗口内跑豆包、DeepSeek、通义千问、元宝、Kimi 等平台，按提及率、推荐位次、引用来源占比三项对齐比较。
优化之后多久能看到变化？
取决于模型的检索与更新节奏，没有统一时间表。可行做法是每周复跑同一批问题，看趋势而不是看单次结果。
