你在 DeepSeek 里敲下「国内 AI 搜索可见度检测工具推荐」，答案里出现三个名字：两个是竞品，一个是没听过的公司。你在传统搜索的排名没掉，官网流量也没明显波动，但客户在 AI 里问「哪家靠谱」的时候，你压根不在候选名单里。
这不是排名问题，是「被引用」的问题。下面这套五步法是我们在做竞品 AI 可见度分析时反复用的流程：定问题集、同批次检测、读四项指标、拆解被引用的原因、把差距排成 30 天动作。整个过程只需要一份固定的问题清单，加一个能跨平台跑的检测工具，不需要自建全网爬虫。
竞品分析要回答的不是「我排第几」，而是「它凭什么被引用」
AI 搜索没有排行榜，只有一段被拼装出来的推荐语。模型先检索若干页面，再从这些页面里抽取事实，最后组织成一段带品牌名的回答。品牌能不能进这段回答，取决于两件事：它是否出现在被检索到的页面里，以及这些页面有没有给出足够明确的实体信息。
因此竞品分析的落点只有三个：提及（有没有被写进去）、顺位（在第几个被提到）、依据（模型引用了谁的页面）。多数团队只做第一项，结论就永远停在「我们 AI 可见度低」，却说不清低在哪一层，动作也就无从下手。
| 观测维度 | 传统搜索排名 | AI 答案可见度 |
|---|---|---|
| 观测对象 | 单条 URL 在结果页的位置 | 品牌在一段生成式回答里的出现方式 |
| 可见单位 | 第 1 位、第 2 位 | 是否提及、第几个被提、以什么身份被提 |
| 竞争单位 | 同一关键词下的其他页面 | 同一问题下被写进答案的所有品牌 |
| 优化抓手 | 关键词、外链、页面体验 | 可摘取的结论段、实体一致性、第三方提及 |
| 复盘方式 | 关键词排名工具按天抓 | 固定问题集按批次复跑 |
这张表的实用价值在于：它决定了你后面要收集什么数据。如果你的报表里只有「品牌被提及次数」，你永远做不出竞品对比，因为缺了顺位和依据这两个维度。
第一步：定一份 20–30 条的对照问题集
问题集是整份分析的标尺。改一条问题，前后两次的数据就不可比，所以它必须在第一次检测之前定好，并且长期固定。
问题要按客户真实的问法来写，分四类，每类 5–8 条：
- 品类推荐型：「国内 AI 搜索可见度检测工具推荐」「XX 行业哪家供应商靠谱」。这类问题最容易触发品牌列举，是提及率的主战场。
- 场景型：「制造业出海怎么做 AI 营销」「B2B 官网怎么被 ChatGPT 引用」。客户带着具体场景来问，答案更依赖长文内容。
- 对比型：「A 和 B 哪个好」「XX 和 YY 有什么区别」。这类问题会直接暴露竞品在第三方评测里的存在感。
- 问题解决型：「AI 可见度怎么检测」「GEO 优化从哪开始」。这类问题决定你在方法论层面的权威位置。
三个硬性要求：不要用内部术语提问（客户不会说「GEO 诊断」，他会说「怎么知道 AI 推不推荐我」）；每条问题记录平台、语言、地区、提问日期；问题集一旦定稿，只增不改，新增的问题单独标记生效日期。
如果你们已经有搜索词报告，从「带疑问词的长尾词」里挑，比凭空想象准确得多。没有报告也不要紧，让销售把最近 20 个客户开场问题抄下来，那就是最好的问题集来源。
第二步：把品牌和竞品放进同一个检测批次
同批次是这份分析能不能成立的前提。模型的版本在变，联网检索的结果每天在变，跨天对比出来的差异，很可能只是检索环境变了。
具体做法：一次批次里放 1 个自家品牌加 3–5 个竞品，跑同一份问题集、同一批平台、同一天完成。竞品的选法建议是「2 个直接竞品 + 1 个品类头部 + 1 个跨界替代方案」，前三类决定你在答案里的位置，第四类能暴露客户的替代思路。
平台覆盖上，国内业务优先 DeepSeek、豆包、通义千问、文心一言，海外业务优先 ChatGPT、Perplexity，再按客户实际使用情况补。不要一开始就铺满八个平台：先跑主战场两三个，把流程跑顺，再逐平台扩。
在 AiVisible 里，这一步是建一个检测项目、把品牌名和竞品名一起加进去、绑定问题集、跑批次，结果按品牌维度落成表格。手工也能做：同一天在几个平台逐条提问、截图存档，只是效率低、容易漏，而且很难保证每次都问同一批问题。
第三步：读四项指标，别只看「有没有被提到」
同一个批次跑完，至少要看四个指标，缺一个结论就会偏。
| 指标 | 怎么算 | 说明什么 | 常见误读 |
|---|---|---|---|
| 提及率 | 被提及的问题数 ÷ 总问题数 | 你在品类讨论里的存在感 | 提及率高就代表被推荐 |
| 推荐顺位 | 答案里品牌出现的次序 | 你是首选、备选，还是「其他还有」 | 被提到一次就算进入候选 |
| 引用来源 | 答案引用的域名分布 | 模型依据的是你官网、竞品博客，还是第三方媒体 | 引用数多就代表内容好 |
| 表述倾向 | 品牌被描述成什么角色 | 品类领导者、价格选项，还是某个细分场景的方案 | 正面提及等于精准定位 |
四项里最有诊断价值的是引用来源。如果答案引用的全是第三方评测站和行业媒体，说明你的官网内容压根没进检索池，这时候改标题、加关键词都没用，得先解决「内容能不能被检索到、能不能被摘取」。
表述倾向则决定转化质量。被写成「便宜的替代方案」和「制造业场景的首选」，提及率可能一样，进线质量差一个量级。这一项只能人工读答案，工具给不了，别省这一步。
第四步：拆解差距，竞品被引用通常有三个原因
拿到差距之后，最忌讳的动作是「多写几篇文章」。先定位原因，再决定写什么、改什么。
原因一：内容结构可摘取。AI 需要一段能直接搬走的结论。竞品的每篇文章开头都有一句 40–60 字的标准答案式定义，下面接 FAQ 和对比表，模型抽取成本极低。验证方法：把竞品被引用的那篇文章打开，看它的第二段是不是一句独立成立的定义。
原因二：实体信号一致。品牌名、定位语、产品名在全站是否统一，有没有 Organization 和 Product 的结构化数据，有没有 llms.txt 告诉模型哪些页面可以读。验证方法：在站内搜三个不同写法（全称、简称、英文名），看模型拿到的是不是一个实体。
原因三：第三方提及密度。行业媒体、目录站、问答社区、客户案例页。模型在检索时对第三方来源的信任度通常高于品牌自述，这也是为什么很多官网写得很一般的公司，AI 里反而常见。验证方法：看答案里的引用域名，第三方占比多少。
结构化数据这块可以直接对照 Google 的结构化数据文档 和 schema.org 的 Organization 定义，这两份文档把「机器怎么读你的品牌」讲得比任何二手教程都清楚。如果连 GPTBot 这类抓取器的规则都没放开，先看 OpenAI 的爬虫说明，把 robots.txt 的拦截清掉，这一步投入最低。
第五步：把差距排成 30 天动作清单
分析报告如果只输出「差距很大」，等于没做。真正有用的是把原因映射成动作，并且动作要能在四周内跑完一轮，好赶上下一次同批次复跑。
- 第 1 周，补内容缺口。挑问题集里提及率最低的那一类问题，写 3–5 篇「问题即标题」的文章，每篇开头给一句可摘取的结论，结尾带 FAQ。不要写品类综述，写具体问题。
- 第 2 周，做结构化。给核心页面加 Organization、Product、FAQPage 结构化数据；上线 llms.txt；把品牌名和定位语在全站统一成一种写法。
- 第 3 周，补第三方提及。行业媒体投稿、客户案例授权公开、目录站收录、合作方页面互链。这一周的动作见效最慢，但往往决定答案里有没有你。
- 第 4 周，同批次复跑。问题集、平台、竞品全部不变，只改日期。对比提及率、顺位、引用来源三项的变化，写成一页纸的复盘。
这里要说清楚一件事：不同行业、不同平台、不同问题类型的见效速度差别很大，我们不给统一的时间承诺。30 天是一个复盘节奏，不是一个效果保证。真正能保证的只有一件事——同题同平台复跑，你才知道动作有没有用。
三个容易把结论做错的坑
坑一：拿单平台结论当全局。DeepSeek 里有你、豆包里没有，这是常态而不是异常。分平台看，再决定资源往哪投。
坑二：样本太小就下判断。20 条问题里从 1 次提及变成 2 次，这叫噪声。至少 20–30 条问题、两三个平台，才有讨论趋势的资格。
坑三：把提及当推荐。被写进「其他值得关注的方案」和被写成「首选」，在报表里都是一次提及，商业价值完全不同。顺位和表述倾向必须一起看。
还有一个隐蔽的坑：用内部术语设计问题集。你问「GEO 服务商哪家专业」，模型给出的是一批同行；你问「怎么让 AI 推荐我们公司」，模型给出的才是方法论和工具。问题集的语言，决定了你拿到的是竞品名单还是客户决策路径。
把这件事变成固定动作
竞品 AI 可见度分析的价值不在第一次，而在第 N 次。第一次你得到一张差距表，第三次你才能看出哪个动作真的改变了答案。建议把它固定成双周节奏：问题集不动、平台不动、竞品不动，只换日期，用同一张表记录四项指标。
如果你还没有基线数据，先用 AiVisible 的免费检测 跑一次自己的品牌，拿到提及率和平台分布，再按上面的步骤补上竞品维度。基线比方法更重要——没有基线，后面所有的「提升」都无法验证。
常见问题（FAQ）
竞品 AI 可见度分析多久做一次比较合适？
建议每 2–4 周用同一份问题集复跑一次，站点结构或内容策略有大改动时额外加跑一次。频率再高意义不大，因为模型的检索结果本身有波动，样本间隔太短会把噪声当成趋势。
只分析一个 AI 平台够不够？
不够，但可以分阶段。先跑客户实际使用最多的两三个平台，把流程和指标口径跑顺，再逐平台扩。只跑一个平台得出的结论，换个平台往往直接反过来，不能作为投放依据。
竞品应该选几个？
3–5 个比较合适：2 个直接竞品、1 个品类头部、1 个跨界替代方案。直接竞品决定你在答案里的相对位置，品类头部告诉你答案的默认叙事，跨界替代方案暴露客户的替代思路。
没有预算买第三方监测数据，手工能做吗？
能。固定一份 20–30 条的问题集，同一天在几个平台逐条提问，截图存档并记录顺位和引用来源。代价是效率低、容易漏，而且很难保证每次问法完全一致，所以更适合作为起步阶段的基线采集。
分析结果能直接用来定内容选题吗？
可以，但要先区分两种缺口：一种是站内根本没有对应内容，另一种是有内容但没被检索到或被判定为不可引用。前者补文章，后者改结构和可摘取性，动作完全不同。