我们怎么测

引擎

3 个面，选它们是因为它们是你的客户真的在用的东西。 其中 3 个是我们直接去问的助手， 0 个是从谷歌的实时结果里读出来的。

系统	为什么在里面
Gemini（联网搜索）	安卓上、以及谷歌全家桶里的默认助手
Claude（凭记忆）	企业采购方用得很多
Gemini（凭记忆）	对照组——它和联网 Gemini 之间的那个差，才是结论

我们目前还不查的

我们宁愿列出来，也不愿让你自己假设。下面这些是已经做好并公开、但还没在跑的， 所以它们不计入本页任何一个总数，也没有任何一份报告声称测了它们：

系统	状态
ChatGPT（联网搜索）	Vertex 上没有，所以要再接一家供应商。走的是真实界面的抓取，不是 OpenAI API，所以每条答案都带一个你自己能点开的链接。
Google AI Overviews（搜索结果页上）
Google AI Mode（搜索结果页上）

在它跑起来之前，请把报告里的每一条结论都当成是关于第一张表里那些面的陈述。 那些面偏向谷歌的模型，而在那里成立的答案不会自动迁移到一个我们没测过的助手上。

每一个问题我们还会再问一遍，这一遍不给联网。两者之间的差就是有用的部分： 如果一个模型只有能搜的时候才提你，那是互联网知道你，模型不知道你。 如果两种情况下它都提你，你就在这个模型的基础知识里——那是一个强得多的位置， 也是一个慢得多才挣得到的位置。

那 23 个问题

从你的网站生成，然后在我们跑任何东西之前先给你看，让你改。

• 18 个不带品牌。你的名字不出现在任何地方。这些才是重要的： 它们测的是 AI 会不会自己想到你。它们铺在 4 层购买意图上， 从一个还不知道你这个品类存在的人，到一个马上要下单的人：
  • L1 —— 在弄清有哪些东西，3 个问题。 最多混个眼熟，别指望点击。
  • L2 —— 在比较不同做法，6 个问题。 能让你进入候选名单。
  • L3 —— 在挑用谁，6 个问题。 这一档才会变成钱。
  • L4 —— 准备预约或下单，3 个问题。 最接近于把线索直接递到你手上。
  你的报告按这个方式拆开报，而不是给你一个混合总分。因为混合总分正是某些工具 能向一个每天只有一个点击的人报出成千上万次提及的原因——那些提及大多发生在 没有人在挑供应商的问题上。
• 5 个带品牌。你的名字在问题里。这些测的是 AI 关于你的事实对不对，不是它喜不喜欢你——identity、facts、pricing、people、location 各一条。 其中 facts 那条存在就是为了被打分：它逼引擎给出具体的东西——服务项目、 营业时间、开了多久——回来的每一条说法都会拿去和你自己的网站对。 含糊的问题会掩盖一个错误的认知；这就是我们让它现形的办法。

谷歌描述过它的 AI 功能会在一次搜索背后发出多个相关子查询，它管这叫 query fan-out。 所以一个问题不等于一次测试。问 23 个、铺满整条意图阶梯， 是我们覆盖这个分布而不是只采一个点的办法。

你们查的是 API 还是真实的聊天界面？

目前是 API。我们在跑的 3 个面， 全部走官方模型 API。像客户那样去读谷歌的结果页，我们做好了、也照实公开了 ——就在上面那张表里——但它要接一家付费的搜索数据供应商，我们还没开通， 所以现在没有任何一份报告包含这部分。也就是说下面这场争论适用于我们发出去的 每一个数字，所以我们宁愿把它摆在这里，而不是塞进脚注。

有些厂商把抓界面这件事包装成绝对更好，有一点他们是对的： 聊天界面里有个性化、有会话历史、有 A/B 实验，这些 API 调用看不到。 如果你想知道的是「某个已登录的人在星期二看到了什么」， API 回答不了，我们也不会假装能。

这件事有一个数字，而且是由最有商业动机去公布它的那家厂商公布的。 Surfer 把 1,000 条 prompt 同时跑过 ChatGPT 的真实界面和 OpenAI API， 发现两边点到名的品牌只有 24% 重合，被引用的来源只有 4% 重合。 在 Perplexity 上他们给出的来源重合度是 8%。照字面看，这说的是 API 的答案和屏幕上的答案接近是两个不同的总体，而我们不会因为一个数字是冲我们来的就把它埋掉。 （Surfer，2026 年 2 月 3 日。）

有两件事希望你在给它加权之前知道。它测的是 ChatGPT 对 OpenAI API； 我们的模型面是 Gemini 和 Claude，对应的研究没有人发过， 所以那 24% 对我们是提示性的，不是在我们身上测出来的。 另外 Surfer 没有公布他们怎么判定两个品牌名或两个 URL 是同一个东西， 而那件事是任何重合度数字里最主要的工作量。我们没有复现过。

我们是故意走 API 的，为的是它更擅长的那件事：可复现。 同样的 prompt、同样的参数、没有别人会话里带来的检索噪音—— 这是三个月后再跑一次还有意义的唯一办法，而复测正是我们真正在卖的东西。 抓界面拿到的结果原理上就复现不了，这也是没有一家这么做的厂商公布置信区间的原因。

所以请把我们模型面上的数字读成受控条件下这个模型的倾向， 而不是某个真实用户屏幕的实录。我们从来没有声称过第二件事，这一页就是我们把它说出来的地方。 报告里没有哪一节能给你「用户看到了什么」那个口径，因为承载它的那两个面 现在没在跑。等它们跑起来，这一段会告诉你去看哪里。

这场争论碰不到的部分：阻断类发现。你的页面有没有被标 noindex 或 nosnippet、你的 robots.txt 有没有禁掉某个 AI 爬虫、 你的地址和电话在全网一不一致——这些都不会因为模型是怎么被查询的而改变， 而这些恰恰是最经常成为「一家公司为什么隐形」真正原因的东西。 当你的报告以被挡住了开头时，抓取还是 API 这场争论影响不到它。 我们加 ChatGPT 的时候，走的会是真实界面的抓取而不是 OpenAI API， 理由就在这一页上。

结论，以及挑出它的那条规则

你的报告开头是四个答案里的一个，回答的是你买它想解决的那个问题： 这件事现在值不值得花你的钱？答案是从数字里机械地选出来的，不是手写的， 所以同一次运行永远得到同一个结论，而且你可以核这个推导。

结论	什么时候这么说
这事别管了	在提问的人在挑用谁、或者准备预约或下单的那些问题上（L3 和 L4 两层）， 你被点名的比例达到 33.0% 或更高。 这一条最先检查，因为这份报告能告诉你的最有价值的事，就是把钱留着。
有东西在挡着你	我们发现了 6 项特定设置中的一项，它们会让一个页面 直接失去进入 AI 答案的资格——一条 noindex 或 nosnippet 指令、robots.txt 里被禁掉的 AI 爬虫，或者一个只有 JavaScript 跑完才存在的页面。一个已知的机械原因优先于 同一次运行的任何统计读数，因为你自己就能验证它，而且改一次就完了。
基本隐形，但原因看起来很便宜	你没有被点名，而且有证据表明这些引擎已经够得到你的材料—— 它们读了你的站然后推荐了别人，或者你偶尔会冒出来。 这个位置比它感觉上要好。
隐形，而且我们认为花钱解决不了	没有机械原因，没有迹象表明引擎够得到你，同行从头到尾被点名。 我们会直说。这是四个里最不舒服的一个，也是最可能替你省下一年顾问费的那个。

每个结论都带一个置信度，并附上理由。这条下限我们借自 Trakkr——这个领域里 我们能找到的唯一一条公开的统计规则：低于 20 次提及， 一个比例只是方向，不是测量。低于这条线你的报告会写明，而不是四舍五入成它没挣到的确定性。 如果这套方法里有任何一部分在你的站上没跑成，置信度会自动降一档，不管数字多好看。

一次提及怎么算

字符串匹配不够，而这正是大多数免费工具出错的地方。 问「tell me about Acme Dental」，答案里当然会有「Acme Dental」， 不管模型知不知道任何事。那是回声，不是认识。

每一条回答都会由一次独立的模型判读归入以下之一：

结果	含义
推荐了你	被点名为一个值得考虑的选项
顺带提到你	被点名了，但不是作为推荐
读了你的网站，推荐了别人	你的网站被当成来源用了，而被推荐的是同行。这一条很扎心，而且很常见。
只是把我们给它的名字重复了一遍	你的名字出现，只是因为它本来就在问题里
没有提到你	压根没提

每一条旁边还有：你被点名时在名单里的位次，以及你相对于所有出现过的其他公司的声量占比。

重复采样

AI 的答案会漂。第三方追踪把谷歌 AI Overview 内容的周变化率放在接近 70%， 而引用来源集合每次模型更新都会变。你自己挑对你最重要的 3 个问题； 我们每个问 3 次，并报告答案有多一致。 一条 3 次都成立的发现，和一条只出现过一次的发现， 在你的报告里标注是不一样的。

我们不把全部 23 个问题都重复——那会让报告成本大约翻三倍， 而且不会改变你会做的任何一个决定。我们也不跨天采样，因为那要让你等一个星期。 这两条限制都写在你的报告里。

如果你做的是本地生意

谷歌把本地排名描述为相关性、距离和知名度。第一项和第三项我们直接测。 距离这一项，我们从你地址周围的若干坐标点分别跑你的关键查询， 记录你在每个点的地图包里排在哪——这给你的是你覆盖范围的实际边界， 不是一个理论半径。

我们还会检查你谷歌商家资料的主品类（那是那里杠杆最大的一个字段）、 你的评价数量、评分、新鲜度和回复率，以及你的名称、地址、电话 在你自己的站和 AI 会读的那些目录站之间是否一致。

谷歌自己怎么说

一个页面要出现在谷歌的 AI 功能里， “no additional requirements … nor other special optimizations necessary” （没有额外要求，也不需要什么特别的优化）。
—— Google Search Central，AI features 文档

我们故意引这句，尽管它拆的是整个 GEO 行业的前提。 谷歌的立场是：一个页面需要被收录、并且有资格展示摘要，你不需要去造新的机器可读文件或特殊标记。 我们认为这大体是对的。

而这恰恰说明有价值的东西不是优化建议——是弄清楚 AI 现在到底怎么说你。 这件事不真的把查询跑一遍谁都告诉不了你，而认真跑一遍要花钱， 要 150 次 API 调用。那就是这个产品。

我们测不了什么

写在这里而不是埋起来，而且每一份报告的附录里都会再写一遍：

• 精度。23 个问题是抽样，不是普查。方向—— AI 知不知道你、它更愿意提谁——是站得住的。请把某个具体百分比当成近似值， 并且拿它去和你自己以后重跑的那次比，而不是和别人的数字比。
• 个性化结果。我们是登出状态查询的。一个带着搜索历史的登录用户可能看到不一样的东西，某些品类里差别很大。
• 提问量。我们能告诉你 AI 有没有点你的名。我们没法告诉你有多少人问过。
• 收入影响。今天没有人能严谨地把一笔生意归因到一次 AI 提及上。声称能做到的人是在猜。
• 未来。一条发现只在它上面那个日期上成立。模型会更新，其中一部分一个月后就过时了。
• 所有引擎，所有地方。谷歌 AI Mode 不是每个国家都有。哪一项检查在你那个市场跑不了，你的报告会写明，而不是悄悄丢掉。
• 中文 AI 助手。不在范围内，见本页开头。这份报告完全是关于英文提问、海外市场的。

版本政策

这套方法是冻结的。问题数量、分类规则和每一个指标的定义都固定在 v1.0。 我们要是改了其中任何一个，版本号就会变，而按旧版本跑出来的报告仍然写着旧版本—— 所以两份带同一个版本戳的报告永远可比。