这条在：GEO 图书馆 · 衡量
AI 可见度监测工具和 GEO 效果报告怎么看？测不到什么
截至 2026 年 9 月 30 日，按我们读到的海外监测工具和必应、百度的公开说明，服务商报告里的 AI 可见度分数不一定算错，但各家来路和分母不同，不同工具的分数不能横比。
可见度分数要在问题集、平台、模型、地区、分母、每题跑几次都写明而且前后不变时，才适合在这个范围里看走势。拿一组问题去跑的监测工具，测不到你的客户实际问了什么、登录以后看到的是什么。
服务商那份报告上的分数能不能信，得先弄明白这个数是怎么来的。我们翻了几家海外监测工具的方法说明、必应和百度的站长后台说明，还有国内今年一份 GEO（AI 搜索优化）团体标准。大体的印象是：分数不一定算错了，可它量的范围，往往比首页那个大字让人以为的窄得多。
这个数有三种来路
第一种，拿一组问题定期去问 AI。第三方监测工具很多是这么干的。Profound 的问题默认每天跑，每天跑几次没写。Peec 也每天跑，特意不走 API，在网页上提问，理由是 API 的回答常常跟界面上看到的不一样。Ahrefs 的问题从 Google 的「People Also Ask」和自家关键词库里扩出来，走各家免费的网页版。
第二种，从真实请求里采。Semrush 说它有超过 3.17 亿条提示词和回答，是从真实请求里采的，问题来自 AI 搜索的点击流和 Google 的关键词数据。可你自己填进去追踪的问题，又回到了第一种。
第三种，平台自己开后台给站长看。必应站长工具的 AI Performance 覆盖 Copilot、必应的 AI 摘要和部分合作方；百度搜索资源平台的「AI 引用概览」只管百度自家的 AI 搜索，我们 2026 年 9 月 30 日晚登录新站的后台看过，四个数：AI 引用量、AI 曝光量、AI 点击量、AI 点击率，另有按天看的引用量和引用页面量；每个指标旁有问号说明，定义我们还没抄下来。平台自己的数，也只管自家的场景。
三种来路量的不是一回事，混在一个数里又不写来路，就没法横比。报告里要是覆盖了一些平台，我们既没找到它们给站长看数据的后台，也没在第三方工具公开的平台清单里见到，那数据是怎么拿到的，就得另外问清楚。这只说明我们核过的材料里没有，推不出那份报告走的是哪种来路。
分数高，可能是问题挑得好
问什么会把分数拉开多远，我们手里只有一组数。卖监测工具的 Yozigo 今年 9 月底拿它客户品牌的 23 万多条回答算过：问题里带品牌名，回答提到这个品牌的比例在 77% 到 97%；不带名，只有 2.4% 到 4.8%。它说，追踪的大多是带名问题，就可以报出 60% 的可见度，而买家不带名去搜时，被提到的还不到二十分之一。
Yozigo 自己也在卖主打「只看不带名问题」的功能，读这组数时留意这个背景；题目是客户自己配的，也没测国内的 AI。别的工具差距有没有这么大，没有第二组数可比。
带名的问题也不是没用，拿来核 AI 点到你之后价格、功能说得对不对，正合适。要当心的是合成总分：带名和不带名混在一起算，就得披露各自占多少、给出分项结果，这个总分也不能拿来代表买家不带名提问时你被发现的概率。所以拿到报告，可以先请对方把带自家名、带竞品名、不带名的问题分开列。
问题集怎么来的，也要问。Ahrefs 按 Google 搜索量给问题加权算「估算曝光」，可它自己写明，这是建模上的选择，不主张 Google 搜索量跟 AI 里被问的次数有经过验证的联系。
同一个词，分母各算各的
报告上都叫「可见度」「提及率」，算法可能差得很远。Profound 的可见度，分母是至少提到一个品牌的回答，一个品牌都没提的回答不算进去。国内那份团体标准 9.4.1 更严：回答里提到你，而且这段提及在平台上有对应的引用信源，才算一次有效提及。可它在 3.7 给提及率下定义时只写了「提到」，没提信源，所以拿报告去对这份标准，还得问对方按的是哪一条。另有两种份额，分母压根儿不是这批回答：Ahrefs 的 AI 声量份额按估算曝光算，竞品怎么设，这个数「可以变很多」；必应的引用份额，是某个检索查询词下你的引用占已展示的全部引用的比例。各家的公式，指标那篇里逐个列过。
「排第一」和「涨了」，都得多问一句
先说排名。必应的帮助文档写得很直接：AI Performance 不衡量排名、权威或重要性，只显示哪些内容被引用了；引用份额也不代表排名、流量，不是质量分。平台自己都不认这是排名，报告里写「AI 排名第一」，就得问清指的是什么。有的工具倒是把位置定义出来了，比如 Peec 的 Position，量的是你出现时跟别的品牌比排第几，那份团体标准里也有「首位提及率」。这种第一，说的是回答里第几个被提到。
再说单次读数。SparkToro 找了 600 个志愿者，在 ChatGPT、Claude 和 Google 的 AI 上对同样 12 个问题反复提问，推荐名单和顺序都晃得厉害。所以一次回答里的第一位，只是那一次的位置。要跑几次才算数，这一篇算过。
报告里的「本月」，也不见得测了很多次。Ahrefs 常规的聊天机器人问题大约每月刷新一次；报告只给问题数、不给执行次数，看不出重复得够不够。看环比也得小心，Ahrefs 在 2026 年 8 月 31 日换过一次估算 AI 搜索需求量的算法，之前的数可能跟现在对不上。别家换没换过，得自己问：问题集、竞品名单、公式，这个月跟上个月是不是同一套。涨的那几个点，有可能就是从这儿来的。
测不到的
就算问题集、平台、次数都交代清楚了，还有几样东西这类工具测不到，或者只测到一小块。
- 你的客户实际问了什么。第一种来路的题是配出来、扩出来的。Semrush 采的倒是真实请求，可点击流背后是哪些地区、哪些人，它的说明里我们没看到。哪一种都不等于你的客户在 AI 里敲下的那句话。
- 登录以后看到的。Peec 按未登录用户去跑，Ahrefs 的网页版测试也没有存储的用户数据和历史上下文。而 OpenAI 说，ChatGPT 搜索通常会把问题改写成一个或几个查询，开了记忆，记忆也可能参与改写。同一句话你问和客户问，后台搜的未必一样，另一篇专门讲过。
- 平台内部的完整数据。就连必应自己的后台也写明：数据是抽样，很少被引用的可能不显示，查询词是聚合出来的，不是用户原话。百度那四个指标各自怎么定义、统计的是百度哪几个 AI 产品，问号里的说明我们还没抄下来。
- 谁看见了。Ahrefs 写明它展示的是 AI 里出现了什么，不是谁看到了。从被提到到有人来问价，中间那段账见《被 AI 提到了，客户却没见多，这账怎么算？》。
- 品牌被怎么说。被提到，不等于被推荐，更不等于说对了。带「可见度」的分数，各家掺的东西也不一样：Semrush 把显眼程度算进去，必应数的是引用。AI 到底怎么说你的，还得去翻原始回答。
拿到报告，照着问
国内今年有了一份可以照着问的清单：中国商业联合会的团体标准 T/CGCC 119—2026，7 月 1 日实施。我们读的是百家号上的全文转录，官方 PDF 没打开。它是自愿性团体标准，不是法规，写给商贸流通业的 GEO 服务。服务按它交付，下面几条就是要求；别的报告拿它当清单用就好，对不上也谈不上违反。
- 问题集、测试平台、终端、时间窗口、重复次数、取值方式，双方要在评测方案里事先确认、留痕（9.3.3）。
- 收集过程要留查询截图和结果原文（9.1.4）。
- 评价过程和原始数据要向委托方公开，支持委托方或第三方复测（9.1.1）。
它还把伪造 AI 问答数据、伪造提及率列为重大违规（8.4.2）。合上前面说的，拿到报告可以这么问：
- 这个数是哪种来路：平台后台、真实请求，还是自己拿题去跑的？
- 测了哪几家 AI、什么模型，登录没登录，什么地区、什么语言？
- 问题集谁定的，带自家名、带竞品名、不带名的各多少，能不能分开看？
- 每道题在每个平台上跑了几次？
- 「提到」怎么判：点了名就算，还是要有引用信源？分母是全部回答，还是只算提到了品牌的那些？
- 这个月和上个月，问题集、竞品名单、公式变过没有？
- 能不能把原始回答和截图给我，让我自己或者请别人复测？
第 7 条，服务要是按这份标准交付，没留截图和原文就对不上 9.1.4，原始数据不公开就对不上 9.1.1。不按它交付的报告，缺了这些材料，报出来的数也没法核。
「这种分数压根儿不能信」？
网上有从业者说，这类分数不能拿去考核。说对的部分是：不同工具的分数没法横比，单次读数不算数。可要说一概不能信，就过头了。SparkToro 那次名单晃成那样，作者还是认为，几十到几百个问题、每个跑多次，得出的出现比例是个说得过去的指标。问题集、平台、模型、地区、分母、次数都固定，而且写出来了，同一把尺子量出来的走势，是能看出点东西的，只不过能看的范围就那么窄。
反过来，工具商说自己贴近真实用户，也只能听一半。Peec 说未登录的网页版最接近普通用户的体验，Semrush 说采的是真实请求，可登录、记忆、个性化这一层，不登录的机器问不出来。倒是 Ahrefs 把话说在了前头：它给的是潜在的可见度，不是实际触达了多少受众。
这些结论别往外推
- 我们看的是 Profound、Peec、Ahrefs、Semrush 截至 2026 年 9 月 30 日公开的方法说明和帮助文档，文档会改；各家实际怎么跑，我们没有逐一核过。
- Yozigo 那组带名、不带名的对比，是这家卖监测工具的公司拿自家客户的数据算的，题目由客户配置，不含国内 AI。
- SparkToro 的测试限于美国市场、所选的推荐类问题和当时的产品版本。
- T/CGCC 119—2026 是自愿性团体标准，写给商贸流通业的 GEO 服务，我们读的是百家号上的转录本。
- 国内监测工具的跑法和算法，这篇没有覆盖。
核对记录
- 2026-09-30 打开 Peec 文档，API 的回答是「often differ」，Position 的定义也在这页；打开百家号转录本，3.7 的提及率定义没提信源，信源条件只在 9.4.1；打开 Profound 帮助文档，只写默认每天跑，没找到「企业用户可以调频率」，已删；Semrush 原文是「over 317 million」，自定义问题「each day」跑。
- 2026-10-01 再开转录本，9.1.1 管公开、9.1.4 管留存，分开写。二次复审后改出处包：Semrush 问题来源补上 Google 关键词数据，必应引用份额分母补「已展示」，删去对国内监测工具的无据概括。
- 2026-10-01 上线前收尾：按分寸审，去掉点名的几家国内 AI 和对 Yozigo 动机的定性；按复审，带名、不带名合成总分改成要披露占比和分项，出处包里两处泛化一并改掉。为压篇幅，删去一位作者跟三家工具 30 天的对比和信通院通稿，出处表同步删去。
出处 15 条，A 级 5 条、B 级 10 条 · 展开全部
Profound 帮助中心（创建要追踪的话题和问题）：「Each prompt runs daily by default, and Profound scores it across all selected platforms」，新问题从下一个「daily visibility cycle」开始跑，没写每天几次；问题由使用者自己写、用生成器生成或从文件导入。 原文
Profound 帮助中心（Answer Engine Insights 概览）：Visibility Score 的分母是「the total number of responses that include at least one brand」，一个品牌都没提到的回答不计入。 原文
Peec AI 官方文档《Welcome to Peec AI》：「Peec AI runs your prompts across AI platforms like ChatGPT, Gemini, and Copilot daily」；用浏览器自动化在网页界面提问，不走 API，因为「API responses often differ from what users see in the actual interface」，来源的数量和类型也「can differ」；「For most platforms, this means the platform decides which model to use and whether it runs a web search. This is the reality for a logged-out user, and the approach closest to the average user's experience.」指标里 Position 是「where you rank when you do appear, compared with other brands」，另有 Visibility、Sentiment。 原文
Ahrefs《Brand Radar Methodology》（Updated: February 26, 2026）：问题从 Google「People Also Ask」和 Ahrefs 关键词库扩展而来；「All prompts run through the free, publicly available web interfaces」；每月约 ChatGPT 1450 万条、Perplexity 1460 万、Gemini 1460 万、Copilot 1330 万、Grok 1300 万，AI 概览约 2.82 亿、AI Mode 约 2400 万；聊天机器人每月刷新，报告用 90 天窗口。估算曝光按 Google 搜索量加权，「This is a modeling choice, not a measured relationship: we don't claim a validated link between Google search volume and how often a query is asked inside an AI tool」；覆盖「Strongest in English」；「not *who* saw it」，「They show potential visibility, not actual audience reach」。平台清单里没有国内 AI。 原文
Ahrefs 帮助中心《AI Visibility Metrics》：AI Share of Voice 按估算展示量算份额，「can change a lot depending on how you've set up the entities」。 原文
Ahrefs 帮助中心（Brand Radar 是什么）：「AI Chatbots (ChatGPT, Gemini, etc.) | Once a month」；自定义问题另可按日、周、月刷新；网页版测试没有存储的用户数据或历史上下文。 原文
Ahrefs 帮助中心（AI adjusted volume）：2026-08-31 起「AI adjusted volume replaced the previous way of estimating AI search demand」，此前抓取的 Volume、Impressions 等数字可能与当前报告不一致。 原文
Semrush 知识库《Where does the data in Semrush's AI Visibility Toolkit come from?》：「over 317 million prompts and responses on ChatGPT, Gemini, Google AI Overviews, and AI Mode」；「Prompt responses are captured from real requests and not via any APIs of LLMs」；问题来自「AI search clickstream data and Google's keyword dataset for AI Overviews」；117 个地区库；可见度看的是品牌「how often and how prominently」出现。自定义问题由 Position Tracking 工具「querying your target prompts on your target platform (and location) each day」。 原文
Bing 站长博客（2026-02-10）：AI Performance 覆盖「across Microsoft Copilot, AI-generated summaries in Bing, and select partner integrations.」；总引用次数「without indicating placement or presentation within a specific answer.」 原文
Bing Webmaster Tools 帮助中心《AI Performance》及其 Citation Share FAQ：「AI Performance does not measure rankings, authority, performance, or importance. It simply shows which content was cited.」；检索查询词「reflect aggregated activity across AI‑generated answers, not individual user questions」；「The data shown represents a sample of overall citation activity」，低频引用可能不显示，各视图合计可能对不上。Citation Share 是你的引用占该查询词下「all citations shown」的比例，「does not represent rankings, traffic, or a quality score」，份额变化可能来自用户需求、全网内容变化、模型更新等许多因素。 原文
百度搜索资源平台「AI 流量分析」页面：「主要展现站点被AI搜索引用及产生曝光和点击的情况，同时提供热门关键词和热门页面的相关数据」。只覆盖百度 AI 搜索；指标定义官方页未展开，数据需登录后台。 原文
OpenAI 帮助中心（Searching the web with ChatGPT）：「ChatGPT search typically rewrites your query into one or more targeted queries」；开启记忆时，相关记忆也可能参与改写。 原文
Yozigo 博客《Branded vs Unbranded Prompts: Is Your AI Visibility Inflated?》（2026-09-28，数据 2026-06-29 至 09-27）：「In 232,838 AI answers, brands were named in 77–97% of branded answers but only 2.4–4.8% of unbranded ones. ... A team tracking mostly branded prompts could report 60% visibility while being named in fewer than one in twenty buyer searches. Nothing is wrong with the tracking; the prompt set is doing the flattering.」37 个品牌、6 个引擎，没有国内 AI；品牌是它平台上的客户，题目由客户配置。 原文
SparkToro，Rand Fishkin 与 Patrick O'Donnell（2026-01-27）：600 名志愿者在 ChatGPT、Claude、Google AI 上对 12 条问题提交 2961 次回答，推荐名单和顺序波动大；作者仍认为「visibility % across dozens to hundreds of prompts run multiple times is a reasonable metric.」 原文
中国商业联合会 T/CGCC 119—2026《商贸流通业生成式引擎优化（GEO）智能营销技术服务规范》（2026-07-01 实施），经百家号全文转录读到（转录说明称按官方 PDF 逐字转录、逐页比对），官方 PDF 未直接打开。第 1 章：适用于提供商贸流通业 GEO 智能营销服务的服务商，及商贸流通企业的采购、验收和合规自查。3.6 把「有效提问样本」定义为双方共同确认的提问集合；3.7 提及率定义只写「提到某个特定主体的次数」，9.4.1 计算规则另要求提及部分有对应引用信源，同一答案多次提及按一次计；3.8 信息准确率限于 AI 回答提及特定主体时，9.4.4 计算时分母是「评估设定的、期望 AI 平台在回复结果中输出的关键信息词条总数」；9.4.3 首位提及率；9.1.1「服务商应将评价过程与原始数据向委托方公开，支持委托方或第三方复测」；9.1.4 留存查询截图、结果原文；9.3.2 以「日」为最小执行单元连续滚动测试，按用户画像分布（省份/城市/时段）发请求，单日样本量应满足初步统计分析；9.3.3 问题集、测试平台、终端、时间窗口、重复次数、取值方式预先确认并留痕；9.2 信源引用分析「不宜作为强制性的服务交付考核项」，同条要求服务商具备解构信源引用特征的能力、据此指导信息布局；8.4.2 伪造 AI 问答数据、问答提及率属重大违规。 原文
大家也这样问
- 服务商给的AI可见度报告，上面的分数能信吗？
- AI可见度监测工具到底测的是什么？
- GEO效果报告怎么看？
- 监测工具测不到什么？