# 用提示词抽样测量 AI 可见度

> 可见度是比例，每个问题至少问 30 次，可见度 50% 时标准误约 ±9 个百分点。要在用户用的产品里测：一项测试中 DeepSeek API 推荐率 69%，App 只有 1%。品类词和品牌词分开报告。

- URL: https://geo.casa/zh-cn/measurement/ai-visibility-measurement/
- 指南 · 实践观察
- 审核于: 2026-10-27

部分搜索平台会提供 AI 数据：Google 统计 AI 功能中的展示次数，Bing 统计引用次数，参见 [Search Console 中的 AI 概览与 AI 模式数据](https://geo.casa/zh-cn/measurement/search-console-ai-features/) 和 [Bing AI 表现报告（AI Performance）](https://geo.casa/zh-cn/measurement/bing-ai-performance/)。豆包、DeepSeek、ChatGPT App 这类助手不公开任何数据。想知道自己有没有被提到，只能反复去问，然后计数。本条目讲怎样做，数字才有意义。

## 可见度是一个比例

同一个问题问同一个模型，每次给出的品牌都会变。所以「我们有没有被推荐」没有是或否的答案。能测量的是**提到你的回答占全部回答的比例**。只问几次估出来的比例，大部分是噪声。

基本统计学给出了下限：对 *N* 次独立提问测得的比例 *p*，标准误为 √(p(1−p)/N)。（这个计算是我们做的，不出自下面引用的来源。）

| 每个问题提问次数（N） | 可见度 20% 时的标准误 | 50% 时 | 50% 时的 95% 区间 |
|---|---|---|---|
| 5 | ±18 个百分点 | ±22 个百分点 | ±44 个百分点 |
| 10 | ±13 个百分点 | ±16 个百分点 | ±31 个百分点 |
| 30 | ±7 个百分点 | ±9 个百分点 | ±18 个百分点 |
| 60 | ±5 个百分点 | ±6 个百分点 | ±13 个百分点 |
| 100 | ±4 个百分点 | ±5 个百分点 | ±10 个百分点 |

实际操作中，各次提问并不完全独立，比如同一账号、同一时段、检索结果有缓存。所以真实误差通常比上表更大。

> **实践观察:**
> 秒针营销科学院 2025 年 9 月做了一项定量研究，覆盖 5 个品类、3 个模型（DeepSeek、豆包、元宝），共 2,025 次交互提问（每个品类一个典型问题，每个模型各问 135 次）。结论是：「样本量=30以上时，才能具备基本的稳定性」。
>
> 头部品牌（可见度超过 80%）比中部（50%）和长尾（20%）品牌更稳定。可见度低的非头部品牌，要保证结果稳定，需要更高的样本量，例如 N=60 甚至更高。
>
> 参考来源: [中国商务广告协会AI营销应用工作委员会 · 秒针营销科学院: 2025年中国GEO行业发展报告](https://g4-img-all.oss-cn-beijing.aliyuncs.com/video/50108560/01503a0d1eaeb4429ee3c0014738e9ea.pdf)

该研究给出的 30 次时的波动（±6–8%）与上表的标准误接近。但 100 次时的 ±2% 小于抽样理论允许的范围（±4–5 个百分点），这一行要谨慎看待。报告没有说明波动是怎样计算的。

## 在用户实际提问的地方测

> **实践观察:**
> 据腾讯新闻报道，合肥图灵象的普拉提行业白皮书把同一批问题同时用企业 API 和消费端 App 跑了一遍。结果如下：
>
> 豆包两边接近。通义千问 API 推荐率 78%，App 命中率 53%。DeepSeek 和元宝完全反向：「DeepSeek API 推荐率 69%，真机 APP 命中率只有 1%；元宝 API 推荐率 3%，真机 APP 命中率却高达 99%」。
>
> 参考来源: [腾讯新闻（报道合肥图灵象普拉提行业GEO白皮书）: 行业首份GEO白皮书：AI正在重写'附近哪家好'的答案](https://news.qq.com/rain/a/20260909A0EGBH00)

API 与消费端 App 的模型、检索设置、系统提示词和地域处理都可能不同。所以 API 不能当作用户所见结果的廉价替代。要在客户使用的产品里测：用未登录状态或新账号，在客户所在的城市提问。如果为了规模也跑 API，两套数据要分开记。

品牌在一个平台上的可见度，很难推知它在另一个平台上的表现；被提到也不等于被第一个提到。

> **实践观察:**
> Xsignal（奇异因子）做了婴儿奶粉监测，平台为 DeepSeek、豆包、元宝、Kimi，时间为 2025 年 6 月 1 日至 26 日。「皇家美素佳儿在 DeepSeek（60.6%）与腾讯元宝（64.7%）中提及率均居首位」，但在豆包中仅排第 5，在 Kimi 中降至第 13。
>
> 在元宝上，爱他美的总提及率（38.44%）远低于皇家美素佳儿（60.55%）。爱他美的首位提及率却高得多（28.39% 对 5.78%）。报告没有披露提问数量和重复次数。
>
> 参考来源: [Xsignal（奇异因子）: AI搜索时代：从GEO到AIBE的品牌新蓝图（GEO白皮书 2026）](https://repository.ceibs.cn/ws/portalfiles/portal/65520358/_AI_GEO_AIBE_GEO_2026_.pdf)

各平台要分开报告。除了记录品牌是否出现，还要记下它第一次被提到的位置。

## 问题要反映真实需求

> **实践观察:**
> 同一研究中，「"产后修复找谁专业""腰不好能不能练"这类细分需求的 AI 命中率只有 34%，远低于泛品类词的 77%」。
>
> 参考来源: [腾讯新闻（报道合肥图灵象普拉提行业GEO白皮书）: 行业首份GEO白皮书：AI正在重写'附近哪家好'的答案](https://news.qq.com/rain/a/20260909A0EGBH00)

包含品牌名的问题几乎总会返回你的品牌，这说明不了什么。新客户问的是品类问题，比如「附近哪家普拉提适合腰不好的人」。问题集要来自真实的客户提问，按意图分组，各组分开报告。品牌词问题仍然有用，可以检查 AI 对你的描述是否准确。

## 最简测量流程

1. **事先固定问题集**，每轮之间保持不变，结果才能比较。必须改动时，记录版本。
2. **每次提问都记录环境**：产品（App 或 API）、模型或模式、账号状态、地点、日期。
3. **每个问题在每种环境下每轮至少问 30 次**。很少提到你的问题，次数要更多。
4. **报告比例时附上误差范围**，例如「41% ± 9 个百分点，n = 30，豆包 App，上海，2026-10」。不要拿单张截图当结果。
5. **轮与轮之间有波动是正常的。** 模型和检索一直在变，小于抽样误差的变化不算结果。声称在 AI 回答中「稳定第一」的，都值得怀疑。
6. **保留原始回答。** 计数规则会变，你会需要重新计数。

第三方 GEO 工具会替你做这种抽样。它们和你一样，是从外部观察回答。没有任何工具能看到 Google 系统内部（[说法核查：GEO 工具能看到你在 Google AI 内部的排名](https://geo.casa/zh-cn/measurement/third-party-ai-tools/)）。

## 参考来源

- [中国商务广告协会AI营销应用工作委员会 · 秒针营销科学院: 2025年中国GEO行业发展报告](https://g4-img-all.oss-cn-beijing.aliyuncs.com/video/50108560/01503a0d1eaeb4429ee3c0014738e9ea.pdf)
- [腾讯新闻（报道合肥图灵象普拉提行业GEO白皮书）: 行业首份GEO白皮书：AI正在重写'附近哪家好'的答案](https://news.qq.com/rain/a/20260909A0EGBH00)
- [Xsignal（奇异因子）: AI搜索时代：从GEO到AIBE的品牌新蓝图（GEO白皮书 2026）](https://repository.ceibs.cn/ws/portalfiles/portal/65520358/_AI_GEO_AIBE_GEO_2026_.pdf)