六個彼此獨立的測量共用一個名字，它們各自變動，而大多數報告只顯示其中兩個。提及與引用之間的落差，才是會改變你週一做什麼的那一個。
AI 能見度是六種不同的測量頂著同一個標籤：提及率、引用率、聲量佔比、答案內位置、表述準確度、來源歸屬。它們各自變動，所以一個混成單一數字的能見度總分，恰好把你唯一能據以行動的東西平均掉了。它們會分開，是量得出來的，不是理論：一項針對生成式搜尋引擎的評測發現，生成句子中平均只有 51.5% 被其所掛的引用完全支撐，7 可見「被引用」和「被正確描述」顯然不是同一個量。
關鍵要點有六個彼此獨立的量掛著 AI 能見度這個名字在跑，而一個典型的儀表板只回報其中兩個。下面每一條定義都自成一體，因為這六者經常被彼此替換。
提及率是正文點到你品牌名的答案佔比，不論有沒有掛連結。它是讀者真正體驗到的那個量，因為多數讀者從不點擊來源。
引用率是把你的某個 URL 當成來源掛上去的答案佔比，不論正文有沒有點名。它是六者中唯一能被你的伺服器日誌部分佐證的量。
聲量佔比是你的提及數除以同一答案集合中所有品牌的提及數。它是一個比值，所以競品一動它就動，哪怕你這邊什麼都沒變。
表述準確度是關於你的那句話是否屬實。它是六者中唯一可以為負的量：一句自信而錯誤的描述，在另外五項上都算成出現了。
來源歸屬是一則答案引用過的全部 URL 清單，包括所有競品的和所有第三方的。它是六者中唯一能告訴你接下來該做什麼的量。
有兩個性質讓這六者不可互換，而且兩者都有據可查，不是斷言。第一，它們回答的是關於管線不同階段的不同問題：2026 年那篇關於生成式引擎優化的批判性綜述，最後落在這樣一句指令上：「做出一個相關、完整、可核驗、結構清晰、且技術上可檢索的頁面；然後分別測量檢索、引用與保真度。」2 檢索、引用、保真度在那句話裡是三種測量，不是一種。
第二，這六個量每一個都是按引擎索引的。SIGIR 2026 上一項 11,500 條查詢的研究測得，Google 自然結果、AI Overviews 與 Gemini 之間 URL 層的 Jaccard 相似度為 0.11–0.18，而這是同一家公司在同一套索引上蓋出的三個介面。3 六個量乘以五個引擎是三十個數字，不是一個；測量 AI 能見度這個階段寫明了它們該以什麼形態回報。
提及和引用出自系統的兩個不同半邊，所以兩者之間落差的方向是一個診斷，而不是一件趣聞。引用產生於一份被檢索到的文件被掛到某個句子上；提及產生於模型把你的名字寫進了正文。兩個決定，位置不同，輸入不同。
有連結卻不點名，意味著檢索成功、識別失敗。你的頁面被抓取了、被判定相關了、被掛上去了，然後引擎用的那個段落沒說清楚是誰在說話。這是整個領域裡最容易修的失敗，因為它是你自己頁面上的一個造句問題：被引用的段落寫的是「這個工具每月 $99」，而它本該寫「Bavior 每月 $99」。請把主語放進承載事實的那一句裡，而不是放在兩段之上。
被點名卻沒有連結，意味著模型調用的是訓練資料，而不是它剛檢索到的東西。這是個慢得多的問題。那段描述來自模型訓練所用的語料，你無法檢視、無法編輯，也不能指望它在一個發布週期內改變。站內工作動不了它；能慢慢動它的，是第三方怎麼寫你，那是站外 GEO 這個階段的主題。
這道落差並不小。2026 年 6 月發布的一項廠商研究，涵蓋 115 條 prompt、3,981 次域名出現、四個助手、十四個國家，報告約 62% 的來源出現屬於「答案正文從未點名其品牌」的連結，並發現這個比例在引擎之間是反過來的：一個助手在 83.7% 的答案裡點名品牌，卻只在 21.4% 裡引用；另一個點名 20.7%，引用 87%。4 請把這些百分比當成方向性的：115 條 prompt 的樣本撐不起兩位小數，也不存在任何學術複現。站得住的是那個定性主張：這兩個比率不是彼此的替代指標，在某些引擎上幾乎是反的。
聲量佔比完全取決於一個由你選定的分母，這讓它成為六者中最容易不幹活也能動的一個。往統計集合裡加兩個小競品，你的佔比就掉；把它們拿掉，佔比就漲。這兩種變動都不是關於引擎的事實。修法是流程性的而非統計性的：在報告裡寫明競品集合，本季度凍結它，並把版本記在每個數字旁邊，這樣兩份報告之間才談得上可比。
還有第二個分母問題，它專屬於基於引用的聲量佔比，而且不是靠紀律能解決的。不同引擎給一則答案掛的來源數量不同。在一項收集了 602 條受控 prompt、21,143 條搜尋層引用的研究中，每則回答的平均引用數為 ChatGPT 6.88、Google 的 AI 介面 12.06、Perplexity 16.35。5 成為七個被引來源之一，和成為十六個之一，不是同一件事。所以基於引用的聲量佔比，在偏好這個問題出現之前就已經不能跨引擎比較了，這也是測量 AI 能見度這個階段裡按引擎拆分並非風格選擇的又一個理由。
基於提及的聲量佔比是兩者中更穩健的一個，因為正文長度在引擎之間的波動遠小於來源數量的波動。就這樣報，並寫明你選的是哪一個。
表述準確度要單獨計，因為其餘每一個指標都會把一句關於你的假話記成成功。如果某個引擎寫下你的產品沒有免費檔，而事實上你有，並且它還在這句話旁邊掛上了你的定價頁，那麼你的提及率、引用率、聲量佔比和位置全都變好了。唯一朝正確方向變動的那個數字，恰恰沒人在收集。
基礎錯誤率本身就足以證明這份力氣值得花。Tow 數位新聞中心 2025 年 3 月 6 日發布的審計跑了 1,600 條查詢，涵蓋二十家出版方、每家十篇文章、八個引擎，發現超過 60% 回傳了錯誤答案，而表現最好的那個引擎仍有 37% 出錯。6 另一項關於生成式搜尋的獨立研究發現，答案中只有 51.5% 的句子被其所掛的引用完全支撐。7 這兩項研究測的都不是品牌，而它們測的正是這裡要緊的那個性質：掛上連結並不能讓那句話變成真的。姊妹篇站得住的指標寫了怎麼低成本地抽樣測這一項。
記錄每一個被引用的 URL，而不只是指向你的那些，正是把一個能見度數字變成這週該做的事的那一步。你自己的比率告訴你身處何處；完整的引用清單告訴你，站在你本該站的位置上的是什麼東西。
由它直接得出三件事。在你的候選清單類 prompt 中反覆出現的第三方頁面，比如一篇對比合集、一條論壇討論串、一個目錄收錄，就是站外工作的靶子，而且是按你自己面板裡的出現頻次排序，不是按任何人的權威分。你自己的頁面會分成被引用過的和從來沒被引用過的兩堆，這把內容待辦清單變成了一份有序的清單。而那些帶著關於你的過時事實的頁面，比如一個舊價格、一個已下線的整合，構成一份更正清單，那是與內容工作不同的另一件活。
在 Bavior 裡，Top Cited Domains 就是把這份清單按網域彙總後的樣子：你面板裡的答案最常引用的網站，包括競品與第三方，按 Citations 排序。Type 把每個網域標為 UGC、Reference、Editorial、Competitor 或 Other，可以先粗略分出哪些是站外工作的靶子、哪些是競品頁面。
這一切只有在日誌是原始記錄時才成立。每次執行請存下：引擎與模式、如果暴露則記錄模型版本、prompt 標識及其類別、時間戳、完整答案原文、按出現順序的每一個被引用 URL，以及一個正文中是否出現你的品牌名的標記。這六個量都能從這條記錄算出來，而從事後補寫的摘要裡則一個都算不出來。2026 年那篇批判性綜述的最低研究清單要求的是同樣的紀律，包括大多數團隊會破壞的那一條：把什麼都沒發生的那些執行留在分母裡。2
這六個量裡有兩個，沒有任何已發表的證據把它們和企業真正在意的東西連起來。答案內位置來自一個對著生成文本的其他屬性被驗證的指標，從未對著點擊或營收被驗證過。聲量佔比則完全沒有外部驗證：它是一個誰都能自行定義的比值，也沒有研究檢驗過把它推高是否會帶動別的什麼。該領域自己 2026 年的綜述把引用分數能預測點擊、轉換或營收評為極低置信度，而這個評級覆蓋全部六項。上文引用的 62% 有連結不點名，來自一份 115 條 prompt 的廠商樣本，沒有複現。使用這六個量，是因為這套拆分能讓你的決策變得清晰可辨，而不是因為其中任何一個已被證明是銷售的先行指標。
這六個量你完全可以手工收集，而上面寫的就是全部方法：定一份 prompt 清單，按排程跑，把每則答案連同它引用的 URL 貼進試算表，再標註正文裡有沒有出現你的名字。一個月一百次執行是一個下午的工作量，而它產出的是一個站得住腳的數字。Bavior 按排程把固定的 prompt 面板打到五個引擎上，記錄每一個被引用的 URL（包括不屬於你的那些），並按引擎分別回報，而不是給一個綜合分。它不做的事情是：從這六個量中的任何一個預測流量或營收，因為該領域自己的綜述把這條關聯評為極低置信度；它也不替你判定表述準確度，因為關於你產品的那句話是否屬實，要靠人去讀答案，而不是靠一個分類器。免費 AI 能見度檢測與免費 GEO 健檢不需要付費方案；付費方案為按月付費每月 $99 起，或按年付費每月 $79.17（截至 2026 年 8 月 29 日）。
給創業者的 GEO 學習路線圖：9 個階段、91 個知識點，完整涵蓋生成式引擎優化，從檢索管線到月度報告。每一個數字都標註樣本量與日期，可追溯到同行評審研究。
學習 GEO 上一篇：prompt 汰除三個汰除觸發條件，任一成立就把 prompt 移出 GEO 面板：失去區分力、不對應活問題、或不經檢索被回答。再談面板版本管理，以及變大的分母為何毀掉這個數字。
學習 GEO 下一篇：站得住的指標給創業者的 GEO 指標指南：八個指標裡哪些經得起檢驗，各自的失效方式又在哪裡，這一頁逐條給出結論。以及一個跨引擎混合分數，為什麼會毀掉它唯一支撐的那個決策。
產品 免費工具：AI 可見度檢測研究 AI 回答中的品牌提及和引用來源。 AI 可見度檢查應記錄什麼？
它們回答的是不同的問題，所以有用的做法是兩個都報、並且讀它們之間的落差。提及是讀者看得見的東西，而多數讀者從不點擊來源，所以一次沒有連結的提及照樣觸達了那個人。引用則是可被機器核驗的那一半：它意味著你的頁面被檢索並被掛上了，而這恰恰是你自己的工作能直接影響的部分。如果你被引用卻沒被點名，就去修頁面上的句子，讓事實和品牌名出現在同一句裡。如果你被點名卻沒被引用，那段描述來自訓練資料，只有第三方發布的內容才會慢慢改變它。
四個，而通常被跳過的正是第四個。按引擎分別追蹤提及率和引用率，因為它們會分開走，而分開的方向本身就是一個診斷；追蹤基於提及的聲量佔比，對照一個你明確寫出並凍結的競品集合；並且記錄答案裡每一個被引用的 URL，包括競品的和所有第三方的，因為這份清單是資料中唯一能指出行動的部分。答案內位置值得記錄，但不值得據以決策。表述準確度值得每月人工抽樣一次，而不是每次執行都測，因為它需要有人去讀那句話。
不能，因為它們量綱不同、分母不同，而且加總會毀掉它們唯一能支撐的那些決策。提及率和引用率是佔答案的比例；聲量佔比是品牌之間的比值；位置是序數；表述準確度是由人工判定的陳述佔比。把它們平均，得到的數字既無法告訴你該去修哪個引擎，也無法告訴你六項中哪一項出了問題。更何況每一項都是按引擎測量的：SIGIR 2026 的一項研究測得同一家公司旗下三個介面之間的 URL 層級 Jaccard 只有 0.11–0.18，所以跨引擎的綜合分，平均的是幾乎不重疊的東西。
七個欄位，原樣記錄：引擎與模式、如果暴露則記錄模型版本、prompt 標識及其類別、執行時間戳、完整答案原文、按出現順序排列的每一個被引用 URL，以及一個正文中是否出現你的品牌名的標記。這六個量都能從這條記錄算出來，而沒有一個能從事後寫的摘要裡算出來。請保留那些什麼都沒發生的執行：2026 年那篇批判性綜述的最低研究清單明確要求把零結果留在分母裡，而刪掉它們，是一個面板開始自我美化的最常見方式。