AI 能见度，到底是怎么测出来的

它解决什么问题

「我在 AI 里表现好不好」这件事，大多数人只能靠随手问两句得出印象。可 AI 的回答本来就带随机性，今天问和明天问不一样，换个问法更不一样——凭印象根本判断不了优化到底有没有用。

我们怎么做

• 问法由品牌名和行业确定性生成：同样的输入永远生成同样的三个问题，这是复扫能对比的前提。
• 三类问法对应客户的三种真实处境——还不知道你（「推荐几家靠谱的」）、听说过你（「这家怎么样」）、在你和竞品之间犹豫（「这两家怎么选」）。只问其中一类会得出偏颇结论。
• 免费在线扫描走豆包（联网）、腾讯元宝（混元接口）、通义千问、DeepSeek（方舟联网）、Kimi 五家官方接口，结果可复现；付费服务里顾问再到各家 App 内人工实测，覆盖 10 个以上平台——App 里的回答更接近你的客户真正看到的东西。

你会拿到什么

每个平台、每类问法下的回答原文都可以展开查看；情感判读、事实冲突这些结论都标了出处，能对回到具体哪句话。

边界：AI 回答有随机性，单次结果会有波动。这也是我们坚持固定问法和定期复扫的原因：看趋势，不看单次。

它解决什么问题

「AI 里有没有你」是个模糊问题，没法拿去跟老板汇报，也没法判断这个月比上个月好还是差。它需要变成一个数。

我们怎么做

• 睿见分由六个维度加权合成：提及率 25%、声量份额 20%、推荐排位 15%、情感倾向 15%、内容深度 15%、跨平台一致性 10%。权重印在扫描页上，不是商业机密。
• 某个维度这次测不出时（比如 AI 压根没给推荐榜单，就没有排位可言），不按零分计——而是从加权里剔除后重新归一。「测不出」和「表现差」是两回事，混为一谈会把分数压得毫无意义。
• 「是否被提及」用字符串匹配兜底：回答原文里出现了你的品牌名就一定算提及，模型漏判也抹不掉它。这是整套评分里最不该出错的信号，用最笨的办法保底。

你会拿到什么

一个睿见分 + 六个分维度得分，每一维都标着它的权重；这次测不出的维度会显示「本次测不出」，而不是悄悄按 0 分算进去。

睿见分的正式定义（术语表）→

它解决什么问题

你的分数是 60 分——这算好还是差？脱离同行没有意义。真正让老板坐直的不是你的绝对分，是「问『哪家好』的时候，AI 提了竞品五次，提你一次」。

我们怎么做

• 在推荐类和对比类的回答里统计每个品牌被提到的次数，你和竞品用的是同一份计数——不存在给自己放水的口径。
• AI 给出的推荐榜单会被还原成品牌名再参与统计（「XX：服务体系成熟」只取「XX」）。这一步没做对的话，整行文字会被当成一个品牌名，声量和排位全都算错。
• 跨平台累加后排序，最多列 6 个对手，其余归入「其他品牌」。你自己无论排第几都会保留——一次都没被提到，本身就是最该看到的结论。

你会拿到什么

一张声量对比条：你和主要竞品各被提到多少次、各占多少份额。

这一项有单独的说明页：AI 更爱推荐谁 →

边界：统计的是「被提及的次数」，不是「被推荐的力度」——一次强力推荐和一次顺带提及在这里权重相同，所以要结合排位和情感一起看。

它解决什么问题

AI 说错你的成立年份、门店数量、业务范围——这类错误会一直被复制下去，而且你通常不知道它错在哪，直到客户拿着错误信息来问你。

我们怎么做

• 每个平台的回答都是一个独立信源。三家说 2019 年成立、一家说 2015 年，这个偏离就是高置信度的错误信号——不需要你先提供任何资料就能测出来。同一项事实至少要有两个平台都提到才拿来比对，只有一家说过的不算数。
• 抽取事实时对取值和关键词的位置有严格约束：中文的「20 家门店」是数字在前，「总部位于深圳」是取值在后，成立年份两种语序都有。只要求「同一句里出现」会大面积误报——「在 5 个城市有 20 家门店」会被抽成 5 家。
• 宁可漏报，不可误报。报告要用警告框对你断言「各平台说法矛盾」，说错了就是当面出丑，所以门店规模这类最容易误报的槽位还带了否定守卫——「为 3 家门店提供服务」「第 3 家门店」都不会被当成你自己有 3 家店。
• 价格曾经也是检查项，后来移除了：价格没有唯一真值，两个平台只要谈的是不同服务就会被判成矛盾。只有有唯一答案的事实才适合做交叉验证。
• 定位之后的纠正是人工活：顾问判断错误从哪来（过时新闻、竞品混淆、官网表述不清），再通过内容修正逐步纠偏。

你会拿到什么

一张「说法不一致」清单：哪个事实、各平台分别怎么说、原文出处，以及顾问给出的纠正路径。

边界：没有人能直接改写 AI 的回答。纠正靠的是把正确信息讲清楚、让 AI 下次抓到对的版本，这需要时间，也不保证每一条都能纠过来。

它解决什么问题

知道 AI 对你「整体偏正面」用处有限。真正能指导动作的是：它夸你专业度，但一提价格就说贵——那你要改的是价格叙事，不是继续讲专业。

我们怎么做

• 把情感拆到六个方面分别判读：价格、服务、专业度、质量、口碑、规模，交叉每个平台形成矩阵。
• 每个方面只保留第一条判读结果，附上对应的回答原文片段——同一方面反复出现时不叠加，避免某个平台话多就把矩阵带偏。
• 回答里没涉及的方面就留空，不硬凑——空白本身也是信息：AI 完全不谈你的口碑，说明网上关于你的口碑内容太少。

你会拿到什么

一张方面 × 平台的情感矩阵，每格可以看到支撑它的原话。

边界：情感判读依赖评审模型。模型不可用时这一项会留空，我们不会用规则硬猜一个情感倾向填上去。

它解决什么问题

优化服务最容易糊弄人的地方就在这里：做完一轮，服务商说「有明显提升」，你无从验证。行业里大量的「效果报告」都是这么写出来的。

我们怎么做

• 优化前先扫一次留作基线，30 天后用完全相同的问法、完全相同的评分公式再扫一次。
• 逐维度对比涨跌：睿见分从多少到多少、六个维度各自涨了几分、每个平台分别怎么变。
• 基线的品牌或行业和本次对不上时会明确标注「不可比」，不会硬凑一个好看的对比。

你会拿到什么

一份前后对照：哪些维度真的涨了、哪些没动、哪些反而退了。退了的也照实给。