AI 是怎么回答你们这行的？
打开豆包、ChatGPT 或者 DeepSeek，输入一句话，你会看到一段答案。这段答案里可能有你的名字，可能没有，可能提了但说错了。
这篇文章讲的就是这件事：怎么自己查一遍，以及第一次查的时候最容易做错的四件事。
先看两个输入，差别在哪里
同样是查自己公司，两种输入方式：
输入 A：「XX 公司怎么样？」
输入 B：「做企业差旅管理的公司，哪家比较靠谱？」
输入 A 里带了你的名字。这句话一问出去，AI 大概率会顺着你说，回答里出现你的品牌、你的业务描述。看到这个结果，很多人会得出一个结论：AI 认识我们。
这个结论没有意义。因为它回答的是"AI 知不知道你"，而你的客户问的是另一件事。
客户不会带着你的名字去问。他们问的是品类、是场景、是"哪家好"。你的品牌在不在那个答案里，才是真正要查的东西。
这也是所有认真的测量研究都采用不带品牌名的提问的原因。查自己，就要用客户的问法。
误解一：用品牌词问自己
这是最常见的一个，也是后果最轻的一个，因为它至少让你知道 AI 有没有你的资料。
但它容易产生一种虚假的安全感。你看到 AI 能说出你的成立时间、业务范围，就认为"我们在 AI 里状态不错"。而真实的客户提问下，答案可能是零提及。
一个可查的数据：在一次覆盖 85 家 B2B 软件公司的测量里，中位公司只在自己品类 20% 的 AI 回答里被提到，35% 的公司一次都没被提到过。
这些公司如果只用品牌词自查，看到的全是正常。
误解二：查一次就下结论
同一句话问两遍，答案可能不一样。出现这种情况不算故障。它是这类系统的固有性质。
有研究测过：在同一批问题、间隔一天重复测量时，被引用来源的重合度大约只有 0.34 到 0.42。另一项覆盖两个月的审计发现，AI 回答引用页面的两月重合度是 18%，而传统搜索的自然结果是 45%。
更极端的一个数：把温度参数设为 0（理论上应该让输出稳定），重复运行时仍有 9% 到 28% 的决策会变。
所以查一次得到的结果，无论好坏，都不能当结论。 那只是一次抽样的落点。
做这件事的研究者给出的起步建议是：每个问题重复 7 到 8 次。
误解三：把「没提到你」当成自己的问题
有时候答案里没有你，跟你的内容质量无关。原因在更前面一步：这个问题根本不会触发 AI 的回答。
不是所有提问都会产生生成式答案。有研究统计了 40 天内的五万多个趋势查询：整体的 AI 回答触发率是 13.7%。但当提问以问句形式表达时，这个比例上升到 64.7%。
差别这么大，因为触发率高度取决于提问的形态和场景。
所以自查的第二步要先确认一件事：这个问题在你们品类里，究竟会不会产生 AI 回答。答案里有没有你，是这一步之后才看的东西。
如果十次里有八次引擎直接给搜索结果、不生成答案，那么"没提到你"是正常的，你要处理的是别的问题。
误解四：把几个平台的结果平均
不同的 AI 引擎引用的来源重合度很低。同一时间问同样的问题，五个引擎给出的答案可能是五个样子。
把它们平均起来看，会得到一个平滑的、看起来很全面、实际上不指向任何动作的数字。
平台之间应该分开看。 你在豆包上的表现和你在 Kimi 上的表现，是两件不同的事，需要两套不同的应对。
提到你但说错了，比不提更值得先处理
有一种状态比"零提及"更麻烦：AI 提到了你，但把你的价格、成立时间、服务范围说错了。
原因很简单。零提及是缺席，错误提及是主动传播一个错误信息，而且它会持续传播。客户在得到答案之后，可能不会再去核对。
这类问题在测量里可以专门统计，处理方式也和"提高提及率"完全不同：它要改的是你让机器抓取到的那份事实来源，而不是内容数量。
一次自查的六步做法
上面四条误解对应六步。每一件事当天都能做完，不需要工具。
- 列出 20 个提问。 用客户的说法写，不用内部的说法。来源可以是销售被问过的问题、客服对话、客户在电话里怎么开口。同行在讲什么话题也可以参考。
- 把品牌名从每个提问里拿掉。 一个都别留。有品牌名的提问全部作废。
- 先选两个平台。 不用一开始就铺五个。选客户最可能用的那两个。
- 每个提问问 5 到 8 次。 这是最小可靠的次数。少于这个数，你分不清结论和噪音。
- 记录三件事。 有没有提到你、提到了说了什么、有没有说错。这三列就够了，不要一开始就设计复杂表格。
- 只保留复现出来的结论。 问 8 次里提到 6 次的，可以记下来。提到 1 次的，先放着。
做完这六步，你手上会有一张表。它比任何一次截图都更有用，因为它能区分"事实"和"碰巧一次"。
多久看一次
不建议每天看。
原因和上面的测量性质有关：答案本身在波动，每天看会看到大量噪音，然后你会在噪音里做决策。前面那类研究给出的做法是固定问题集、固定平台、固定次数，然后按周或按双周复测。
看的时候只看两件事：整体趋势有没有偏离，以及有没有出现新的错误说法。 单次的涨跌不用管。
一个容易被忽略的后续
自查之后最常出现的动作是"去改内容"。
这里有一个顺序问题。改内容之前，先确认三件事：你的品牌事实来源是不是准确、是不是可被抓取、是不是同一个事实在不同页面上说法一致。
如果这三点没做，改内容只是增加数量。而前面的测量数据说明，数量的作用有限：在 149,912 条 AI 引用的统计里，只有 2.9% 指向品牌自己的域名，75.2% 指向同行业其他公司的页面。
也就是说，你在自己站上写多少，对 AI 引用的影响是间接的。 更直接的影响来自你在别处被怎么描述。
常见问题
问：我自己查要花多久？
六步做完，20 个问题、2 个平台、每个问 6 次，加起来 240 次查询。手工做需要几个小时。可以拆成两三天做，不必一次做完。
问：用免费的 AI 产品查可以吗？
可以，但每次提问要开新对话，不要在同一段对话里追问。同一段对话里 AI 会记住上文，第二问开始就受第一问影响。
问：查出来一条都没提到，是不是我们做错了什么？
不一定。先看第三步那个前提：这些问题会不会触发 AI 回答。如果不触发，那就不是你的问题。
问：AI 说错了，能改吗？
能，但方式不是直接告诉 AI。要改的是它抓取和引用的那份来源。这件事有一个顺序，先修事实来源，再复测确认改动生效。
这套事情我们是怎么做的
上面六步是自己能做的版本。它的局限是手工、样本少、口径靠自觉。
我们的 GEO 监测做的是同一件事的自动化版本，而且参数是公开写在产品页上的：
| 环节 | 做法 |
|---|---|
| 监测 | 豆包、DeepSeek、Kimi、通义、智谱五平台中立采样；每个品牌固定问题集 ≥100 题 |
| 采样 | 每周 14–21 题的周包、3 个引擎采样，答案原文留痕 |
| 判读 | 说错、竞品占位、漏提及自动分类；检索不到、没抽取、不信任三段归因 |
| 复测 | 每周 3 次同题集采样取中位，修复前后并排对比 |
| 验收 | 收录探测追踪 URL 引用，复测后 AI 引用到你的 URL 即算验收 |
有两个细节值得单独说，因为它们直接对应前面讲的两个误解。
第一，取中位而不是取单次。 每周采样三次然后取中位数，原因就是前面那条：单次结果落在哪一侧没有意义。手工自查时你很难做到这点，但它是区分结论和噪音的关键。
第二，验收标准是 URL 被引用，而不是"排名上升"。 产品页上写的是"不保证 AI 排名与上榜，改善是同一问题集上的复测对比"。这一点值得说清楚，因为市面上不少说法承诺的是排名，而排名在这类系统里不是一个能稳定交付的东西。
错误修复也在同一个闭环里：发现 AI 说错了你的价格或服务范围之后，先做三段归因定位是检索不到、没抽取还是不信任，然后产出纠错稿，过质量门禁并人工终审之后才发出，最后同题集复测确认改动是否生效。
如果你想先看一次结果，可以从免费体检开始：做一次品牌可见度自查，它会给出你的品牌在哪些提问下被提到、被怎么描述，以及哪里有事实错误。
相关阅读
延伸阅读：批量任务怎么用：一次上新批次，跑完一批商品的交付流水线、上架前必查的规则清单：六类最容易导致驳回和扣分的问题、六个真实编队拆开看：多岗位流水线是怎么串起来的。
三条交付线的额度与价格在定价页，基础版免费，可以先跑一次看结果。