AI 能見度測量的邊界在哪裡？

不能，而原因是機制性的，不是統計性的：在通常情況下讀者根本不點，所以沒有任何事件可供分析系統記錄。皮尤研究中心 2025 年 3 月的瀏覽面板測得，點擊 AI 摘要內來源的比例約為造訪的 1%；至於一次引用作為曝光值多少，GEO 改變了什麼那一篇有談。² 該領域自己 2026 年的綜述，把「引用分數可以預測點擊、轉換或收入」這個主張評為極低置信度，也就是它的最低一檔。³

有三個機制切斷了這條鏈，而知道當下起作用的是哪一個，才知道哪種繞行方案值得一試。第一是缺失的點擊：一個被答案滿足了的讀者，永遠不會變成一個工作階段。第二是缺失的 referrer：聊天客戶端常常根本不送，所以確實發生過的造訪會以直接流量的形式抵達。第三是無法區分的代理：Tow 數位新聞中心 2025 年 10 月 30 日發表的分析寫道，對一個網站來說，代理型瀏覽器裡的代理「與一個使用標準 Chrome 瀏覽器的人無法區分」，而且這類瀏覽器取到了同一批廠商的標準介面取不到的訂閱專屬內容。⁴ 這一類流量增長很快：Cloudflare 的全網 2025 年度回顧報告，使用者觸發的抓取在這一年裡增長超過十五倍。⁵ 因此，你的 AI 中介觸點裡在分析工具中看不見的那一部分，佔比是在上升，不是下降。

沒有任何繞行方案能把那個缺失的係數找回來，凡是被端出來當成解方的東西都值得你懷疑。請改成把一個建模假設寫成一句話，輸入項寫明，未知項標為未知，而且絕不要畫成圖表。圖表到第二次開會時就會被當成測量結果引用。

不行，而這條限制最常被誤當成資料裡的雜訊。面板跑的是無塵室式的工作階段：全新的上下文、沒有登入帳號、固定的地區、搜尋開著、每條 prompt 只跑一次。買家不會把這裡面的任何一項摁住不動。Anthropic 在文件裡寫明，Claude「會在你聊天的過程中，把記憶存成一個個獨立的主題」，並把它帶進後續對話，同時讓使用者可以把它關掉；於是兩個問同一個問題的人，並不是在問同一個系統。⁷ 你跑的任何一次，都複現不出他們的狀態。

另一半是非確定性，而它和個人化不同，至少還量得出來。2026 年 3 月那篇談 AI 能見度的統計學論文寫道，「引用排名在不同樣本之間並不穩定，不只是排名靠前的網域，整個高頻被引網域集合都是如此」，而自助法區間顯示，網域之間許多看起來存在的差異，其實落在「這套測量流程的噪聲基底」之內。⁶ 2026 年那篇批判性綜述從審計那一側記錄了同樣的圖景：商業審計顯示出「很低的來源重合度、相當大的逐次執行波動，以及持續存在的保真度缺口」。³

由此得出的實操規則是：不要再把一次執行當成一次觀測。把每一條 prompt 重複跑，用區間而不是點估計來報比率，週對週的變動只有在超出那個區間之後才算真的；該綜述自己的檢查清單也正是出於這個理由，要求研究做多種改寫與重複執行。³ 要重複多少次是算術，統計檢定力那一篇算清楚了。重複永遠換不來的，是那位買家自己的那條答案；它始終觀測不到，所以請把你的工作階段設定寫在數字旁邊，而不是塞進附錄。

替一個問題劃出邊界，意思是用一個寫明的範圍加一個寫明的假設去回答它，而不是給一個點估計；這件事需要三句話。說出被估量：把你真正想知道的東西精確寫下來，例如「上一季有多少買家是在助手裡形成了對我們的看法」，因為含糊的版本正是讓代理指標悄悄頂替它的原因。說出儀器：說清楚你手上實際有什麼、它量的是什麼，於是一個 200 次觀測的面板，量的是在某個日期區間、在五個引擎上，你所選的那些問題裡有多大比例點名了你。說出證偽條件：說清楚什麼樣的觀測會顯示這個讀數是錯的；對一個邊界來說，這通常意味著點出那個一旦不成立就會讓它垮掉的假設。

寫出來的話，一個劃了邊界的主張長這樣：「在我們 60 條 prompt 的面板上，七月份五個引擎裡有四個在 28–36% 的答案中點名了我們，每個引擎 200 次觀測。我們不知道這些問題被問過多少次，所以這不是市佔率。如果我們的買家問的問題和我們的面板有實質差異，這個數字就描述不了他們。」這一段比多數的執行摘要還短，而且沒辦法被斷章取義，這正是重點。

研究文獻對自己提的也是同一套紀律。2026 年那篇批判性綜述的建議是先做出一個可檢索的頁面，然後「把檢索、引用與保真度分開量」；它的最低研究標準檢查清單要求，每一次讀數都要記錄產品、模式、模型、日期、地區、帳號，以及搜尋是否啟用，而且零結果要保留下來，不能丟掉。³ 這些都不會攔著你去測量。它們攔的是：讓一次測量去扛一個它從來就不是為此而造的主張。