先说身份：本文由大衍智联撰写。我们自己也做 GEO 服务 —— 是当事人，不是中立的第三方评测。 文中数据全部来自我们自己的实测，方法与样本量随文标注。
先说结论
在动手优化之前，先确认你测到的"没有"是真的没有。
我们做了重复测量，得到一个不太好接受的数字：
同一个问题、同一家 AI、隔开再问 —— 它引用的网站重合度只有 0.347 ~ 0.576。
意思是：你今天问一次得到"AI 没提到我"，这个结论的可靠性，比多数人以为的低得多。
下面三种"假没有"，我们每一种都亲自踩过。
假没有之一：你只问了一次
这是最常见的一种。
| 测量方式 | 真实性 |
|---|---|
| 同一问题问 1 次 | ⚠️ 只能算一次快照 |
| 同一问题重复问 3 次以上 | ✅ 可以看趋势 |
三家 AI 的重复测量结果：0.576 / 0.489 / 0.347。 最高也不到六成。 也就是说，即使你完全不做优化，换一次提问你看到的引用来源就会有明显变化。
★ 这一条我们自己踩过。 早期我们拿单次采集的结果当成结论写过一份报告， 后来重复采样发现那条结论站不住，已经撤回。 单次快照不是一个清单，它是一次抽样。
结论：任何"AI 提到我了吗"的判断，都必须建立在多次重复上。 问一次得到的"没有"，不足以下任何结论。
假没有之二：你问的那家 AI，不在你客户的圈子里
第二件反直觉的事：不同 AI 之间，取材来源几乎不重合。
| 对比 | 重合度 |
|---|---|
| 不同 AI 之间 | 0.00 ~ 0.21 |
| 作为对照：同一家 AI 自己重复测 | 0.35 ~ 0.58 |
AI 之间的重合度，比它自己重复测自己的重合度还低。
一个具体的例子：在某一类采购问题上，AI 甲引用的内容里有 38% 来自短视频社区， 而 AI 乙、AI 丙在同样的问题上一次都没有引到那里。
推论：你在 AI 甲那里没被提到，和你在 AI 乙那里没被提到，是两件不同的事， 需要分开处理。
★ 实务上要先做一步：搞清楚你的客户实际在用哪家 AI。 不要默认"AI 都差不多" —— 数据显示它们差得很多。
一个具体的做法：去问你的销售和客服，"客户提过他们在用哪个 AI 助手"。 这比任何行业报告都准 —— 你的客户用什么，才是你要测什么。
★ 补充：两类问题的"没有"，根本不是一回事
这是我们在采集里发现的、最能解释混乱的一条：
"AI 提到你了吗"这个问法本身太粗。 因为 AI 在两类问题上去的地方完全不同：
| 来源类型 | 问"这家公司是谁"（119 条引用） | 问"这个行业该怎么选"（130 条引用） |
|---|---|---|
| 工商 / 信用 / 黄页 | 26 条（21.8%） | 2 条（1.5%） |
| 内容社区 / 短视频 | 9 条（7.6%） | 40 条（30.8%） |
| 厂商官网 | 1 条（0.8%） | 16 条（12.3%） |
两套体系几乎不交叉。
所以"没有你"这句话，至少有两种完全不同的含义：
| 你测的 | "没有你"意味着 | 该怎么修 |
|---|---|---|
| 品牌问题（问你是谁） | AI 读的工商/信用材料里，你的信息不完整或过时 | 对齐公开信息 —— 快，且不需要写文章 |
| 行业问题（问该怎么选） | 你的内容没进那个池子 | 写内容 —— 慢，且不保证结果 |
★ 混着测、混着算，就会得出一个既不能解释、也不能行动的数字。
分开测，你才知道该修哪一边。
假没有之三：你问的那个问题，客户根本不会这么问
这是我们见过最隐蔽的一种。
很多企业测自己的方式是：直接搜自己的公司名，或者搜自己行业里的术语。 但客户不这么说。
| 你可能会问 | 客户实际会问 |
|---|---|
| 我们是做什么的 | 我们这个行业该怎么选供应商 |
| 某某技术方案 | 遇到某个具体问题该怎么办 |
| 我们的品牌名 | 某个具体场景下用哪个方案 |
前一类问题，AI 只要认得你就够了；后一类问题，才是真正能带来客户的。
而且这两类的考核标准完全不同：
- 问公司名 → 看的是AI 说得对不对（这是能守住的）
- 问行业问题 → 看的是AI 会不会把你放进候选（这个受很多因素影响）
把这两类混在一起算一个"AI 可见度"，是没意义的。
那怎么判断是不是"真没有"
排除上面三种之后，剩下的才可能是真没有。判断流程：
| 步骤 | 做什么 | 通过标准 |
|---|---|---|
| 1 | 同一问题重复问多次 | 至少 3 次 |
| 2 | 换成客户会问的话再问一遍 | 两类问题分开测 |
| 3 | 换 AI 再问一遍 | 至少 2~3 家 |
| 4 | 看引用来源，不只看有没有提到你 | 见下一步 |
★ 第 4 步是关键，也是最多人漏掉的一步：
如果 AI 在你的问题上引用了别的网站，说明这个问题是有答案的、是被取材的 —— 只是答案不是你。 这比"AI 什么都没说"要好办得多，因为你知道该去哪一类地方说话了。
反过来，如果 AI 在这个问题上什么网站都没引、纯粹自己讲了一通， 那说明这个问题还没进入取材环节，盲目发内容大概率是白费。
附：重合度是怎么算的（你可以自己复现）
上面反复出现"重合度"这个数，这里说清楚它怎么来的 —— 因为只有你知道怎么算，你才能自己验。
一句话定义：
把两次提问各自引用到的网站域名列成两个集合， 重合度 = 交集 ÷ 并集（0 = 完全不重合，1 = 完全一样）。
举个具体例子：
| 问题 | 第一次引用的网站 | 第二次引用的网站 |
|---|---|---|
| 同一个问题 | 甲、乙、丙 | 乙、丙、丁 |
- 交集 = {乙, 丙} → 2 个
- 并集 = {甲, 乙, 丙, 丁} → 4 个
- 重合度 = 2 ÷ 4 = 0.5
操作步骤（不需要任何工具，手工也能做）：
| # | 做什么 |
|---|---|
| 1 | 选 1 个问题，固定好原话 |
| 2 | 在同一家 AI 上问 3 次（每次都用新会话，不要追问） |
| 3 | 把每次 AI 引用到的网站域名抄下来 |
| 4 | 两两比较，各算一次重合度，取平均 |
| 5 | 换一家 AI，重复 1~4 |
★ 三个容易做错的地方（我们踩过）：
| 坑 | 为什么错 | 正确做法 |
|---|---|---|
| 在同一个会话里接着问 | 那是追问，AI 会带着上文，结果不可比 | 每次开新会话 |
| 用接口测 | 接口和网页版的结果不是一回事 | 若你的客户用网页版，就测网页版 |
| 只问一次就下结论 | 这正是本文说的问题 | 至少 3 次 |
做完你会得到一组自己的数字。 它可能和我们的不一样（品类、时机不同）， 但只要是按同样方法测的，就能反映你自己的情况。
★ 这就是我们说的"可复算" —— 你不需要相信我们，你可以自己跑一遍。
确认是真没有之后，按这个顺序做
第一步：先看 AI 现在怎么说你（不是行业问题，是你自己）
去问"这家公司是什么""这家公司靠不靠谱"。
我们的实测里，这类问题下 AI 引用的来源出现最多的是工商信息站和招聘网站。
这意味着你的第一手材料本身可能就过时或写偏了 —— 而这是最容易修的。
第二步：把 AI 会读到的那些页面对齐
工商登记、招聘信息、公开的资质页面 —— 这些不需要写作技巧，需要的是发现不一致然后改掉。
第三步：再考虑官网内容
实测已经证明厂商官网是会被引的（我们的样本里，某厂商官网被反复引用）。 但"写得多"和"值得被引"是两件事：
| 值得被引 | 不太会被引 |
|---|---|
| 具体数字、判断标准、可对照的表格 | 公司简介、愿景使命 |
| 回答一个真实存在的问题 | 产品功能罗列 |
| 说清楚什么情况下不适合 | 只说优点 |
第四步：定一个能重复的测法
固定一批问题、固定那几家 AI、固定重复次数，然后隔一段时间再测一次，看变化。
不要追一次性的数字。 理由见"假没有之一"。
一个必须说清楚的边界
上面整套方法的产出是"AI 现在怎么说、变没变"，不是"AI 一定会推荐你"。
- ❌ 我们不承诺推进某个具体问题后 AI 就会提到你
- ❌ 我们不承诺排名或"进榜单"
- ✅ 能承诺的是：测清楚、测准、看得见变化
为什么不能承诺？ 不是保守，是数据不支持： 不同 AI 的来源重合度只有 0.00~0.21，同一家 AI 自己重复测也只有 0.35~0.58 —— 在这个波动幅度下，任何"保证被推荐"的说法都是不诚实的。
小结
- 问一次不算数 —— 同一家 AI 重复提问的重合度只有 0.347~0.576
- 换一家 AI 等于换一个世界 —— AI 之间重合度 0.00~0.21，比噪声基线还低
- 先问对问题 —— "问公司名"和"问行业问题"要分开测、分开算
- 看引用来源 —— AI 引了别人说明这题有答案，只是答案不是你
- ★ 先修那些 AI 真正在读的页面 —— 工商、招聘这些，比写新文章更快见效
本文所有数字来自我们自己的实测，方法与样本量已在文中标注。 不利的数字照样写 —— 这是做这件事的基本要求。
关于本文的数据来源
以上实测由大衍智联完成。文中的重合度、样本量、口径都已逐处标注， 你可以照着同样的方法测一遍。
我们写这套方法，是因为要做这件事；也正因为要做这件事， 才把对我们不利的数字（比如"重复提问也只有 0.347"）照写出来。