术语 · 方法
AI 可见性审计
AI 可见性审计是对品牌在 AI 回答中的现状做一次系统盘点：测出当前指标，并定位问题出在实体、内容还是抓取这三层的哪一层。
AI 可见性审计是对品牌在 AI 回答中的现状做一次系统盘点：测出当前指标，并定位问题出在实体、内容还是抓取这三层的哪一层。
它的产出是两样东西——一份可复测的基线复测数据，和一份按层归类的问题清单。没有分层，“AI 里搜不到我们”这句话无法转成可执行的动作。
三层检查
- 实体层：模型说的”某某公司”是不是你。检查品牌实体信息是否唯一可辨、同名混淆率有多高、知识图谱与百科类记录是否存在且一致、sameAs 是否把各平台主页绑到了同一主体。
- 内容层：关于常见问题有没有一个能被直接摘走的答案页。检查是否符合 Answer-First、Schema 结构化数据 是否有效、事实是否带出处、第三方来源与自述是否相符（见第三方证据）。
- 技术层：抓取器能不能拿到正文。检查 robots.txt 有没有误屏蔽、正文是否依赖 JavaScript（见服务端渲染与客户端渲染）、站点地图与规范链接是否正确。
输出的口径
审计结论要标明测量所用的问题集、平台清单与日期，否则后续复测无从对齐。
局限
审计描述的是现状与可能的成因，不能证明改完就会好。三层里的技术与内容问题可以确认与修复，实体层的认知则要等模型重新抓取与更新，周期不可控。
开始前应提供哪些信息
提供品牌全称与常用简称、官方网站、目标市场、主要产品和可公开的竞争对手信息。再把客户会问的问题按了解、比较、采购三个阶段整理。品牌名称可能同名时，应加入行业与地域条件，并同时保留不带品牌名的品类问题。
官网初检和平台实测需要区分：前者可以发现页面打不开、资料缺失或口径矛盾；后者需要向指定平台实际提问并保存回答。仅抓取官网，无法证明某个平台是否推荐品牌。
一份可复查的结果至少包含什么
| 记录项 | 用途 |
|---|---|
| 问题原文、平台、日期与测试条件 | 说明测量范围，支持复测 |
| 原始回答与实际引用链接 | 让品牌提及和事实判断可以核查 |
| 有效样本数、缺失样本与失败原因 | 区分没有提及和没有测到 |
| 问题页面、证据、建议动作与优先级 | 把诊断转成可执行修改 |
例如，回答把公司行业说错，应先核对官方实体信息与引用来源；没有回答则先补测，不应直接归因于内容差。相关性也不等于因果：修改页面后提及率上升，还可能受到问题、平台版本或引用来源变化影响。
如何安排复测
保留原问题集，对新增业务问题另建分组，避免改动样本后直接比较总分。先确认网站修复确实上线，再记录复测日期和条件。平台无法访问时保留缺失标记，不生成替代分数。
服务范围与准备材料可查看 GEO 诊断与 AI 品牌可见度评估；方法背景见生成引擎优化。诊断的价值是找到可验证的问题与下一步动作，而不是承诺排名。