AI 品牌可见度是什么？

第一层：提及——AI 有没有说到你

品牌 AI 提及率 = 提到本品牌的成功回答数 ÷ 成功回答总数 × 100%。 分子只看回答正文：品牌名或配置过的别名出现，才算提及。

来源列表里出现品牌、而正文没有提到，不算提及。它单独记成「被引用但未被提及」——「AI 检索到了你」和「AI 说了你」是两件事，商业含义不同。

第二层：推荐——AI 是不是在建议选你

推荐率 = 明确推荐的回答数 ÷ 推荐与否可判定的回答数 × 100%。 判不出来的回答记为「无法判定」，不进分母，也不会被当成「不推荐」。

推荐率旁边必须同时看推荐覆盖率（可判定回答 ÷ 成功回答总数）。30% 的推荐率，背后可能是 80 条可判定样本，也可能是 100 条里只判出来 30 条——两者含义完全不同。

第三层：引用——AI 这次读了谁

见度GEO 记录平台响应里实际可获取的引用 URL 或来源记录，不替平台补全，也不推测它没写出来的部分。

不是所有平台都会展示引用：有的平台不展示，或者这次回答没有触发联网检索。这种情况我们标为「不可观测」，不记成 0——把「看不见」当成「没有」，会让所有平台的引用数据一起失真。

引用也不等于推荐：一个网页被引用，只说明它被检索并用上了，不说明 AI 在夸它。

为什么必须分三层看

三层对应三种不同的下一步。提及缺口指向「AI 认不出这个品牌」；推荐缺口指向「AI 知道你是谁，但没有证据把你放进建议名单」；引用缺口指向「AI 读的是别人的材料」。

如果只看一个总分，你无法判断该补实体信息、补比较证据，还是补信源——更糟的是，一个总分会把「被提到但没被推荐」平均成看起来还不错的结果。

检测是怎么跑的

固定问题集、平台与入口后，逐个执行「平台入口 × 问题」的采样：发一次真实请求、保存回答原文、做提及与推荐判定、记录可获取的引用来源。失败的那一条会带出具体原因。

主口径是项目累计：项目内全部成功回答，不带时间窗，今天的数字和明天一样，便于复算。带时间窗的数字是另一个口径，会单独标注「筛选范围提及率」，并写明样本量。

边界

AI 回答具有随机性，同一个问题在不同时间可能不同；样本量不足时，比率会剧烈波动。检测结果描述的是检测当时平台返回的记录，不是市场份额，也不是转化率。

见度GEO 不提供排名，也不承诺推荐或引用结果——回答里的出现顺序不等于推荐排序，把段落位置猜成名次会给出一个看起来确定、实际站不住的结论。