AI 可见性不该是一个黑箱总分。8 个维度分别回答八个问题,每项都有一条判据线——低于线就标“问题”。分低不可怕,说不清为什么低才可怕。
市面上的 AI 可见性报告,很多给一个 78 分就完了。
问题是:78 分算好还是不好?哪一项拖了后腿?下个月该先改哪个? 一个数字回答不了这些问题,它只是让报告看起来专业。
所以我们是把它拆成 8 个维度——每一个维度只回答一个问题,每个都能单独看、单独追。
| 维度 | 它在问什么 | 这一项低,通常意味着 |
|---|---|---|
| 可见性 | 在真实提问的回答里,你被提到过多少次 | 覆盖的问题面不够,或所在商圈压根没有你的内容 |
| 推荐率 | 被提到时,有多少次是真的在推荐你,而不只是提了一嘴 | 你的描述太弱,AI 顺口带过,没形成“值得推”的印象 |
| 位置加权 | 被提及时,你出现在回答里靠不靠前 | AI 手里关于你的权威信息太少,只能排在别人后面 |
| 情感 | AI 提到你时,正面、中性、负面各占多少 | 公开评价里的负面内容占比高,AI 照着复述了 |
| 信息准确性 | AI 说的地址、价格、营业时间、资质,跟你档案里填的对不对得上 | 各平台的事实口径不一致,AI 拼出了一个错版本 |
| 信源穿透率 | AI 引用你的时候,有多少是引到你自己的官网和自有阵地 | 你自己没有可被引用的内容,AI 只能用别人的话来描述你 |
| 平台覆盖度 | 官网、本地生活、内容平台上,你的品牌信息填得全不全 | 关键阵地缺失,或信息残缺 |
| 叙事一致性 | AI 描述你的那个定位,跟你想让人记住的,是不是一回事 | AI 对你的定位跑偏了——通常是因为你的内容没把定位讲清楚 |
看这张表的方式:先找最低的那一两项,那里就是“下一步该动的地方”。不是从分数最高的开始优化。
每个维度都有一条判据线。低于该线,报告标注为“问题”并说明影响——不会只给你一个 78 分,让你自己猜好不好。
这意味着一份报告读下来,你能直接看到:
“无法判定”这一档很重要。 数据不够就说不够,比勉强给个及格分诚实得多。
这 8 个维度不是平均加权。每个行业该偏重哪几项,按行业知识包单独配置——医美看重的东西和景区不一样,用同一套权重硬套,分数就失去意义了。
所以分数要在同行业里比,跨行业不能直接横着比。
8 个维度之外,各行业还有自己的观察项:医美看资质信号、安全叙事、医师可见性;景区看门票、开放时间、等级资质、营业状态的覆盖。这些单独展示、不计入综合分——它们是“这个行业的客户特别在意的事”,不是通用尺子。
你可能也想看“我和隔壁比怎么样”。
竞品对比我们做,但不并进综合分——相对关系塞进绝对分数里,会把分数搅浑。所以单独成表:你的分是绝对分,差距是另一张表,各看各的。
而且竞品之间只比双方都能客观对比的那几项,不强行拉满。
第一次诊断给出的是基线——它告诉你“现在在哪”。
从第二次起,才有环比曲线:这个月被提到的次数比上月多了还是少了,做了发布之后位置有没有前进。
第一次就给你一条“上升曲线”的,那要么是编的,要么是把别人的数据拼给你看。
想拿到自己的 8 维基线?做一次真实诊断。分数怎么来的、每一项对应哪条查询,报告里都能翻到。
文中关于 AI 行为的描述基于我们多引擎实测的方法论;如需引用具体数据,将以真实来源标注补充。