测什么？三个数字就够了

提及率——AI有没有提到你的名字。没被提到等于不存在。

推荐率——AI有没有说"建议选XX"。被提到是被看见，被推荐是被选中，差着一个决策层级。

引用率——AI有没有拿你的官网当论据。这代表AI觉得你可信。

再加两个辅助维度：品牌出现在回答的哪个位置（开头和结尾注意力差三倍），以及AI对你是正面、中性还是负面。

怎么测？关键在"把自己删掉"

AI的回答会根据你是谁、你在哪、你搜过什么来调整。你用自己的账号测，测出来的是"AI专门给你写的答案"，不是品牌的真实排位。

所以必须做四件事：

不登录、清缓存、固定设备指纹、关掉个性化推荐。

说白了，让AI以为在跟一个刚注册、什么偏好都没有的新用户说话。这时候的回答，才接近品牌的"默认可见度"。

问题集按用户决策路径分四类：认知类（"XX是什么"）、比较类（"A和B哪个好"）、购买类（"推荐一款XX"）、场景类（"适合学生用的XX"）。每类5到10个问题，总共50到100个。每个问题重复问2到3次，取多数结果。

频率每周或双周一次就够了。AI模型更新本身就是按周按月来的，天天测没意义。

同一套问题、同一时间段、同一批平台，分别跑你和3到5个竞品的数据。

举个例子：品牌A提及率85%，B品牌62%，C品牌48%。A的推荐率领先B约20个百分点，但引用率不如B。C三项垫底，推荐率只有A的三分之一。

注意：不同平台的数据不能直接比绝对值。A在DeepSeek推荐率高，到豆包可能根本没被提。各平台单独记，最后算平均值。

这套方法测的是相对位置，不是销量，不是市场份额，不是品牌资产。它告诉你的是：在AI回答这个新战场里，你的心智占位在哪。AI模型在变，训练数据在变。监测结果是参考坐标，不是终极答案。但所有人都还没建这套能力的时候，先跑起来的人，至少知道自己站在哪。

你目前在AI可见度监测上，卡在哪一步了？欢迎在评论区聊聊你的看法。