AI生成搜索与发现的出现，正促使商家评估其产品在这些平台上的曝光度。许多搜索优化者尝试应用传统指标，如来自生成式AI的流量和AI回答中的排名，但这些方法都无法全面反映真实情况。 流量：强调流量忽视了AI回答的核心功能，即满足用户在站内的需求，而不仅仅是带来点击。 AI生成的回答通常缺乏指向品牌网站的链接。例如，Google的AI概览有时会将产品名称链接到自然搜索结果页面。 因此，曝光度不一定转化为流量。商家的产品可能在AI回答中出现，但不会因此获得点击。 排名：AI回答常含有列表内容，导致许多卖家试图监测排名，以争取排名靠前或第一名。然而，追踪此类排名几乎不可能。 AI回答本质上具有不可预测性。一项由Sparktoro进行的研究发现，同一个人在不同时间提问时，AI平台推荐的品牌和顺序都不同。 更好的AI指标 以下是提升AI可见性评估的改进指标。 在LLM训练数据中的产品或品牌定位 训练数据对于AI的曝光度至关重要，因为大型语言模型主要依赖其学到的知识。即使是查询Google或其他资源，LLMs也常常利用其训练数据来构建搜索词。 因此，监控LLMs关于你品牌和竞争对手的记忆内容，尤其是任何不准确或过时的信息，非常重要。然后，在你自己的网站和所有自有渠道上优先提供缺失或已更正的数据。 在ChatGPT、Claude、Gemini等平台上手动提示有助于发现这些空白，示例提示包括： - “你了解[我的产品]吗？” - “比较[我的产品]与[竞争对手的产品]。” 像Profound和Peec AI这样的AI可见性追踪工具可以自动化这些提示，监测产品在时间上的变化。 请注意： AI追踪工具通过LLM API提交提示，但由于个性化定制和模型差异，人类收到的结果可能不同。API生成的结果更适合评估训练数据，因为LLMs通常返回来自其训练数据（而非实时搜索）的信息，以节省资源。 这些工具中的可见性得分完全依赖于使用的提示。应将品牌相关的提示单独整理到不同文件夹中，因为这些通常会得满分（100%）。同时，也要重视反映产品价值主张的非品牌提示；不相关的提示通常得分为零。 最常被引用的来源 随着越来越多的LLM平台在生成回答时进行实时搜索，查询源包括Google、Bing甚至Reddit社区。的确，有机搜索影响AI的可见性。 来自这些实时搜索的引用，比如文章和视频，会影响AI的回答内容。然而，由于LLMs在探索多种不同（且常常无关）的查询，因此引用来源的差异很大。要在所有引用源中都出现是不现实的。 不过，某些提示会反复产生相同的重要来源，应考虑将你的品牌或产品加入这些源中。AI可见性工具可以整理出与你的品牌、产品或行业相关的最常被引用的网址。 品牌提及与品牌搜索量 使用Search Console或类似的传统分析工具，追踪： - 包含你的品牌名或变体的查询。 - 由这些查询产生的点击。 - 与这些查询相关的展示次数。 越多的AI回答包含品牌名称，用户搜索的可能性也越大。 在Search Console的“性能”部分应用过滤器，分析品牌相关的查询数据。