AI 可见度打法分野：不同品类、不同平台，该盯的指标不一样

先给结论：测出现状之后该怎么打，不取决于你想做什么，取决于三件事——你所在品类的成熟度、目标平台的信源结构、以及你的品牌在不在核心信源池里。这三件事决定了同一笔预算该投向哪里，以及你该盯哪个指标。盯错指标的代价，是花了钱却看不出有没有效。

一、先看品类：成熟品类看名次，新兴品类别看名次

同样是「问 AI 推荐什么」，不同品类的答案稳定程度差得很远。我们做过一轮重复观测，把两个品类放在一起比：

最极端的一格出现在腾讯元宝上：问「GEO 优化效果好不好怎么衡量」，跨所有模式一共出现了 54 个品牌，而所有模式都稳定出现的只有 5 个——9%。

这个数字决定了指标的选择。在候选池 54、稳定核心只有 5 的品类里，AI 每次回答都在从一个巨大的池子里重新抽签。此时「我们这次排第 3」不是一个可复现的事实，名次的周环比变化几乎全是噪声——追求「排名提升」等于在优化一个随机变量。

新兴品类的正确目标是「挤进那 5 个稳定共有的核心集合」，不是「从第 8 升到第 5」。前者是可累积的，后者下周就会自己变回去。

二、再看平台：五个引擎吃的不是同一套内容

平台之间的差异，比品类差异和模式差异都大一个数量级。实测同一个品牌在两个引擎上的提及率相差 15 倍（94% 对 6%），而且两种模式下都一样——这说明不是采集方式的问题，是整个平台的信源池里没有这个品牌。

为什么会这样？看各引擎的信源结构就清楚了。以下数据来自我们2026 年 7 月的 AI 信源结构分析：

同一份内容，在豆包和在千问面对的是两套完全不同的取材偏好。所以「五个引擎都做了」不是一个策略陈述，它等于没说。有意义的说法是：「客户主要用哪两个平台，我们按这两个平台的信源结构分配预算」。

一个直接可用的判断：消费品类优先在抖音铺短视频（豆包的红利在这里）；B2B 与工业品类不要在视频上投钱（抖音供给稀缺、DeepSeek 与千问基本不引视频），把预算放在专业媒体与结构化图文上。全引擎共性是：榜单、教程、评测三类占图文被引的七成，资讯和单一案例几乎被忽略。

三、最后看位置：你在核心信源池内还是池外

这一条决定了你现在该做的是「守」还是「攻」，而它有一个很便宜的判断方法。

AI 在深度思考模式下会读更多网页——实测 DeepSeek 深度模式读 47 个源，快速模式只读 12 个，且快速模式的数量固定卡在 11–12。多读的那些源只影响榜单尾部，前几名由那 11–12 个高权重信源决定。

于是就有了这个信号：

这个信号比排名早。如果只盯排名，内容发出去之后的两到八周里你什么都看不到，然后某天突然跳变；而引用源构成的变化，能提前几周告诉你这个过程正在发生。

四、三个维度合成一张打法表

还有一条与品类无关的硬约束：内容不是发了就一直有效。我们的每日采集样本里，餐饮类内容在 AI 答案里的平均存活 5.3 天、工业类 3.9 天。这意味着按季度或年度采购、但只在期初投放一轮内容的做法，中后段基本是空转——补给节奏比单次投放量更重要。

五、什么阶段看什么指标

需要提醒的是：任何阶段的「变化」，都要先跟噪声地板比。我们实测同一个问题、同一个模式原地重跑三次，名次平均相差 2.74 位，推荐名单每两次之间约 62% 的品牌不一样。低于这个幅度的变化，与「什么都没做」不可区分。完整的测算方法与原始数据见《AI 给的品牌排名准不准：126 次重复观测与噪声地板实测》。

常见问题

我的品牌该在哪个 AI 平台投入？

先看客户实际在用哪两个平台，再看那两个平台的信源结构。消费品类优先豆包——它的视频引用占 34% 且全部来自抖音；需要权威背书的行业优先通义千问——它的专业媒体占比 33%，是五引擎最高；目标客群在 B 站的可以看文心，它的视频引用 62% 来自哔哩哔哩。DeepSeek 视频占比只有 0.4%，在那里投视频回报接近零。

新品牌做 AI 可见度，多久能看到效果？

看你盯什么指标。如果盯名次，内容发出后两到八周里通常什么都看不到，然后可能突然跳变——这段时间容易被误判为无效。如果盯引用源构成，能提前几周看到变化：内容第一次出现在深度思考模式的引用列表里，就说明已经被收录；等它开始出现在快速模式里，说明进了核心信源池，此时名次才会真正开始动。

为什么我们排名一直在变，是不是投放没效果？

先跟噪声地板比再下判断。实测同一个问题、同一个平台、同一个模式原地重跑三次，名次平均相差 2.74 位，推荐名单每两次之间约 62% 的品牌不一样。也就是说什么都不做，名次也会在两三位之间飘。低于这个幅度的变化不能解释成投放效果，也不能解释成失效。

在新兴品类里，排名指标为什么不适用？

因为候选池太大而稳定核心太小。实测新兴 B2B 品类的平均品牌池 28.6 个，所有模式都稳定出现的只有 24%；最极端的一格是候选池 54 个品牌、稳定共有仅 5 个。在这种结构下 AI 每次回答都在重新抽签，名次的短期变化几乎全是噪声。正确的目标是挤进那个稳定核心集合，而不是提升某一次的名次。

内容发一次就够了吗？

不够。我们的每日采集样本里，餐饮类内容在 AI 答案里平均存活 5.3 天、工业类 3.9 天。按季度或年度采购但只在期初投放一轮的做法，中后段基本是空转。补给节奏比单次投放量更重要，具体频率应该按你所在品类的存活中位数来定。

数据来源与边界：品类稳定共有率、模式差异、噪声地板来自 2026 年 8 月底的一轮重复观测实验（2 个品牌 × 3 个平台 × 3 个问题 × 2–4 种模式 × 3 轮，共 126 次独立观测），原始记录见该实验的完整报告；各引擎信源结构与内容存活天数来自我们 2026 年 7 月的AI 信源结构分析，口径为账号级判定、按真实引用事件加权。两份数据都是我们自己的抽样统计，能说明观察到的现象，不能外推为全行业规律。