AI可见度审计怎么做：一份能每月复用的监测方法

“AI可见度审计”这个词今年被用得很泛：有人把在 ChatGPT 里问两个问题、截个图就算审计；有人卖一份几十页的报告，却没有基线、没有记录模板，下个月换个问题集再跑一遍，数字根本对不上。这篇讲我们自己做这件事的方法，不复杂，但能每月复用。

第一步：问题库按购买阶段分层

问题不要拍脑袋想。从销售被问过的问题、客服记录、搜索词和竞品页面里捞，分成四层：

每层 8-12 个问题，总数控制在 30-50 个。问题用真实用户的口语，不要写成关键词堆砌。问题集一旦定了，至少三个月不要大改，否则看不出趋势。

海外和国内的 AI 搜索引用来源差别很大，建议分开跑：

不是每个项目都要跑满十个平台。目标客户在哪，就先跑哪三个。每个平台用同样的提问方式，记录时间、登录状态（是否登录会影响结果）和模型版本（如果平台显示）。

至少记录：平台、问题、品牌是否被提及、出现顺序、描述是否准确、引用了哪些 URL。推荐位没有统一标准，我们按回答中的出现顺序和推荐语气分三档，不追求一个看似精确的分数。截图要带 URL 和时间，方便复查。

只看自己有没有被提及，意义不大；和竞品放在同一批问题下比较，才知道差距在哪。重点看三个数：竞品被提及的问题数、竞品占据推荐位的问题数、竞品被引用的是哪些来源。第三个数往往最有价值，它直接告诉你下一步该去哪些平台补内容。

把每条回答引用的 URL 归类：官网、百科、媒体、知乎/公众号、行业目录、电商/点评平台、其他。官网缺失就补官网，第三方缺失就去治理第三方。只改官网不补站外，AI 未必引用；只发站外不修官网，用户点进来又对不上。

修事实错误优先，其次是结构化数据和答案型页面，最后才是批量内容。事实错误包括业务范围写错、电话过时、把两家公司混在一起，这类问题会直接影响客户判断，必须先修。

每月换问题：问题集不稳定，数字就没有可比性，容易把平台波动当成优化效果。

把一次提及当趋势：AI 回答有随机性，同一个问题跑三遍结果都可能不同。至少跑三遍，再看月度变化。

没有基线就投内容：内容做了一堆，却不知道做之前是什么样，最后只能靠感觉汇报。先花一两周把基线跑出来，比事后补报告便宜得多。

我们把这套方法做成了AI 可见度审计服务，也可以自己按上面的模板跑。想先了解 GEO 的整体打法，可以看GEO 推广服务；技术配置部分在llms.txt 与结构化数据。

描述你的需求，我们将结合本文涉及的场景给出针对性评估建议。