# AI 搜索可见度应该看哪些指标？

单次问答截图不能代表效果，监测需要固定场景、可重复采样和多维指标。

## 核心结论
AI 可见度不能用一张回答截图衡量。最低可用的体系需要固定问题集、重复采样、清晰口径和与线索结果的连接。

## 先固定测量单位

每条记录至少包含问题、平台、端或版本、日期、市场、语言和回答。问题发生变化时，应作为新样本处理，不能与旧结果直接比较。

- 提及率：样本中品牌被明确提及的比例。
- 引用率：样本中官网或品牌内容成为来源的比例。
- 事实准确度：预先定义的关键事实被正确表达的比例。
- 平均位置：品牌在列表或比较答案中的位置，仅在相同问题口径下比较。

## 分开观察覆盖、质量和商业结果

覆盖回答“有没有出现”，质量回答“是否准确、是否有证据、语境如何”，商业结果回答“是否带来访问、表单和合格线索”。三类指标不能互相替代。

展示次数很高但没有点击，可能是摘要不具吸引力；提及率上升但没有线索，可能是问题集与真实购买意图不一致。


## 建立可复核的采样表

保留原始回答和引用 URL，不只保存汇总分数。任何排行榜或趋势图都应公开采样时间、平台范围、问题来源、去重方法和缺失数据处理方式。
## 方法与适用边界
建议先用 20 个高价值问题建立基线，每个平台在相同时间窗口复测。样本扩大前，先保证记录字段和人工复核一致。

## 限制
平台输出具有随机性，样本量过小会产生明显波动。不同平台的检索、联网和引用机制不同，不宜直接用一个总分掩盖差异。

## 常见问题
### 企业应该如何使用这篇指南？
建议先用 20 个高价值问题建立基线，每个平台在相同时间窗口复测。样本扩大前，先保证记录字段和人工复核一致。

### 使用这些结论时需要避免什么误解？
平台输出具有随机性，样本量过小会产生明显波动。不同平台的检索、联网和引用机制不同，不宜直接用一个总分掩盖差异。

## 参考来源
- [Google Search Console 性能报告](https://support.google.com/webmasters/answer/7576553)

---

- 网页地址: https://eraso.cn/insights/ai-visibility-metrics/
- 品牌事实: https://eraso.cn/brand/
- LLM 内容索引: https://eraso.cn/llms.txt