用一句话概括 Brand Radar：把 AI 引擎视为一个每次都可能给出不同答案的系统，反复提交相同问题，统计品牌被提及和引用的概率。它不查关键词排名，也不看网站流量，而是衡量“当潜在客户向 AI 寻找服务商时，你出现得有多频繁、获得了多少信任”。整套方法能否成立，关键在于采样设计，而不只是背后的技术。
首先要明确：Brand Radar 究竟在测量什么？
传统 SEO 工具可以告诉你某个网址在 Google 排第几，但 AI 引擎没有固定名次。你向 ChatGPT 提问：“台湾有哪些服务 B2B SaaS 的 GEO 代理商？”今天的答案可能列出三家，明天可能变成五家，顺序也会变化。因此，可见性不能用一次排名来表达，只能理解为“经过大量重复查询后，品牌进入答案的概率”。Brand Radar 会把这一概率拆解为可量化指标：提及率、引用率、平均位置、情感倾向，以及竞争声量。
Step 1：把买家的真实问题整理成提示词库
这一阶段最常见的错误，是从品牌希望被搜索的关键词出发。买家不会直接搜索“GEO 审计服务”，他们更可能问：“AI 搜索从来不提我们公司，该找谁解决？”或者“怎么判断 ChatGPT 有没有推荐我的产品？”我们通常从三个来源构建提示词库：业务团队实际收到的客户问题、客户访谈与销售对话中的原话，以及不同 AI 引擎给出的延伸提问和建议。样本量要足以形成稳定比例，但并非越大越好；过多提示词反而会稀释真正的业务问题。对潜在客户较少的 B2B 品类来说，通常抓取 40 到 120 个核心提示词就足以覆盖认知、比较和决策阶段。重点是，每个提示词都必须对应真实的采购场景。
Step 2：为什么必须反复采样？
AI 引擎的回答具有随机性。同一个问题交给同一个模型运行十次，可能出现八种不同表述，排序也各不相同。只运行一次，得到的是一条信息，而不是可用的信号。Brand Radar 会在每个引擎上重复运行每条提示词，再分析统计分布。假设品牌在十次回答中出现七次，提及率就是 70%，这个数字才具备参考价值。采样还必须覆盖多个引擎，因为 ChatGPT、Perplexity、Gemini 和 Google AI Overviews 对信息来源的偏好差异很大，同一品牌在不同引擎中的可见性可能相去甚远。
Step 3：获取回答，并区分“提及”与“引用”
每一条采样回答都要从两个维度判断。第一是提及：品牌名、产品名或关键人物是否出现在回答正文中？第二是引用：回答中的来源链接、脚注或参考资料列表是否指向品牌网站？两者经常被混为一谈，但含义完全不同。正文提及说明模型“记得”这个品牌；来源引用则说明在这次查询中，品牌内容被当作证据使用。健康的品牌可见性应同时具备两者。如果只有提及、没有引用，通常意味着品牌仍在依赖过去积累的知名度，但现有内容的证据覆盖不足。识别环节还有一个陷阱：品牌名可能被误判，同名公司可能混入结果，模型也可能拼错名称或只说出一部分。因此，必须建立清晰的消歧规则，把真正与品牌有关的内容和同名信息区分开，否则后续评分都会失真。
Step 4：如何计算可见性评分？
完成提及与引用数据清洗后，就可以将结果转化为可追踪的分数。核心逻辑是加权计算，而不是简单相加：
- 提及率：在全部采样结果中，品牌出现在回答正文里的比例。
- 引用率：在带有来源的回答中，来源指向品牌网站的比例，反映品牌内容被当作证据采用的程度。
- 位置：品牌是在回答前段出现，还是仅在靠后位置被顺带提到？
- 情感倾向：AI 对品牌的描述是正面、中性还是负面，这会直接影响曝光的实际价值。
- 声量占比：在同一组提示词下，将品牌与主要竞争对手比较，判断谁更经常被 AI 选入答案。
这些指标还要结合提示词的商业价值进行加权。处于决策阶段、采购意图明确的问题，应当比泛认知问题获得更高权重。最终可以汇总成一个便于沟通的可见性评分，但真正用于决策的，往往是各项明细，因为它们对应不同的改进方向：提及率或引用率偏低，需要补充内容与结构化证据；声量占比落后，则应优先覆盖竞争对手经常被引用的主题。
Step 5：把单次快照转化为长期趋势
某一时点的分数只能说明现状，无法解释原因或效果。可见性必须持续监测：按照固定的每周周期重新运行同一批提示词，并将分数绘制成时间序列，才能把“我们上个月新增了三篇对比文章”与“两周后 Perplexity 的引用率开始上升”联系起来。趋势也能更早暴露风险。如果某个竞争对手的声量连续三次上升，并不断挤占原本属于你的答案位置，这个信号往往会先于网站流量变化出现。
这些数字在实际工作中应该怎么用？
可见性评分不是用于汇报的虚荣指标。它真正要回答的是：下一篇内容应该写什么，哪个引擎存在最关键的覆盖缺口，以及投入的资源是否确实让品牌更频繁地进入 AI 回答。
走完整套 Brand Radar 逻辑就会发现，它本质上是把成熟的测量方法应用到不断变化的 AI 引擎矩阵中。难点不在于抓取数据，而在于选对提示词、清洗识别结果，并把评分重新对应到可执行的动作。如果你还不清楚品牌在主要 AI 引擎中的提及和引用表现，也不知道差距卡在哪里，可以预约一次 30 分钟的 GEO 诊断。我们会选取一组与你业务类型相关的真实问题进行测试，梳理可见性流失点和优先补强项。
