六种彼此独立的测量共用一个名字，它们各自变动，而大多数报告只显示其中两个。提及与引用之间的落差，才是会改变你周一做什么的那一个。
“AI 可见性”是六种不同的测量顶着同一个标签：提及率、引用率、声量份额、答案内位置、表述准确度、来源归属。它们各自变动，所以一个把六者混成一个的可见性总分，恰好把你唯一能据以行动的东西平均掉了。它们会分开，是可以量出来的：一项针对生成式搜索引擎的评测发现，答案中平均只有 51.5% 的句子被其所挂的引用完全支撑，7 可见“被引用”和“被正确描述”显然不是同一个量。
关键要点有六个彼此独立的量顶着“AI 可见性”这个名字流传，而一份典型的仪表盘会报其中两个。下面每条定义都可以独立成立，因为这六个在日常对话里被互相替换的频率高得惊人。
提及率是“答案正文里点到你品牌名”的答案占比，不论有没有挂链接。它是读者真正体验到的那个量，因为多数读者从不点击来源。
引用率是“把你的某个 URL 作为来源挂上去”的答案占比，不论正文有没有点名。它是六者中唯一能被你的服务器日志部分佐证的量。
声量份额是你的提及数除以同一答案集合中所有品牌的提及数。它是一个比值，所以竞品一动它就动，哪怕你这边什么都没变。
表述准确度是关于你的那句话是否属实。它是六者中唯一可以为负的量：一句自信而错误的描述，在另外五项上都算“出现了”。
来源归属是一条答案引用过的全部 URL 清单，包括所有竞品的和所有第三方的。它是六者中唯一能告诉你“接下来做什么”的量。
有两个性质让这六者不可互换，而且两者都有据可查，不是断言。第一，它们回答的是关于管线不同阶段的不同问题：2026 年那篇关于生成式引擎优化的批判性综述，最后落在这样一句指令上：“做出一个相关、完整、可核验、结构清晰、且技术上可检索的页面；然后分别测量检索、引用与保真度。”2 检索、引用、保真度在那句话里是三种测量，不是一种。
第二，这六个量每一个都是按引擎索引的。SIGIR 2026 上一项 11,500 条查询的研究测得，Google 自然结果、AI Overviews 与 Gemini 之间 URL 层的 Jaccard 相似度为 0.11–0.18，而这是同一家公司在同一套索引上建的三个界面。3 六个量乘以五个引擎是三十个数字，不是一个；而这些数字该以什么形态汇报，写在衡量 AI 可见度这一阶段 里。
提及和引用出自系统的两个不同半边，所以两者之间落差的方向是一个诊断，而不是一件趣闻。引用产生于“一份被检索到的文档被挂到某个句子上”；提及产生于“模型把你的名字写进了正文”。两个决定，位置不同，输入不同。
有链接却不点名，意味着检索成功、识别失败。你的页面被抓取了、被判定相关了、被挂上去了，然后引擎用的那个段落没说清楚“是谁在说”。这是整个领域里最容易修的失败，因为它是你自己页面上的一个造句问题：被引用的段落写的是“这个工具每月 99 美元”，而它本该写“Bavior 每月 99 美元”。请把主语放进承载事实的那一句里，而不是放在两段之上。
被点名却没有链接，意味着模型调用的是训练数据，而不是它刚检索到的东西。这是个慢得多的问题。那段描述来自模型训练所用的语料，你无法检视、无法编辑，也不能指望它在一个发布周期内改变。站内工作动不了它；能慢慢动它的，是第三方怎么写你，那是站外 GEO这一阶段 的主题。
这道缝并不小。2026 年 6 月发布的一项厂商研究，覆盖 115 条 prompt、3,981 次域名出现、四个助手、十四个国家，报告约 62% 的来源出现属于“答案正文从未提到其品牌名”的链接，并发现这个比例在引擎之间是反过来的：一个助手在 83.7% 的答案里点名品牌，却只在 21.4% 里引用；另一个点名 20.7%，引用 87%。4 请把这些百分比当作方向性的：115 条 prompt 的样本撑不起两位小数，也没有任何学术复现。站得住的是那个定性结论：这两个比率不是彼此的替代指标，在某些引擎上几乎是反的。
声量份额完全取决于一个由你选定的分母，这让它成为六者中最容易“不干活也能动”的一个。往统计集合里加两个小竞品，你的份额就掉；把它们去掉，份额就涨。这两种变动都不是关于引擎的事实。修法是流程性的而非统计性的：在报告里写明竞品集合，本季度冻结它，并把版本号记在每个数字旁边，这样两份报告之间才谈得上可比。
还有第二个分母问题，它专属于基于引用的声量份额，而且不是靠纪律能解决的。不同引擎给一条答案挂的来源数量不同。在一项收集了 602 条受控 prompt、21,143 条搜索层引用的研究中，每条回答的平均引用数为：ChatGPT 6.88，Google 的 AI 界面 12.06，Perplexity 16.35。5 成为七个被引来源之一，和成为十六个之一，不是同一件事。所以基于引用的声量份额，在“偏好”这个问题出现之前就已经不能跨引擎比较了；这也是衡量 AI 可见度这一阶段 里按引擎拆分并非风格选择的又一个理由。
基于提及的声量份额是两者中更稳健的一个，因为正文长度在引擎之间的波动远小于来源数量的波动。必须二选一时就报这一个，并写明你报的是哪一个。
表述准确度要单独计，因为其余每一个指标都会把一句关于你的假话记成成功。如果某个引擎写下“该产品没有免费档”，而事实上你有，并且它还在这句话旁边挂上了你的定价页，那么你的提及率、引用率、声量份额和位置全都变好了。唯一朝正确方向变动的那个数字，恰恰没人在收集。
基础错误率本身就足以证明这份力气值得花。哥伦比亚大学 Tow 数字新闻中心 2025 年 3 月 6 日发布的审计跑了 1,600 条查询，覆盖二十家出版方、每家十篇文章、八个引擎，发现超过 60% 返回了错误答案，而表现最好的那个引擎仍有 37% 出错。6 另一项关于生成式搜索的独立研究发现，答案中只有 51.5% 的句子被其所挂的引用完全支撑。7 这两项研究测的都不是品牌，而它们测的正是这里要紧的性质：挂上链接并不能让那句话变成真的。关于如何低成本地抽样测这一项，见姊妹篇哪些指标站得住。
记录每一个被引用的 URL，而不只是指向你的那些，正是把一个可见性数字变成“这周该做的事”的那一步。你自己的比率告诉你身处何处；完整的引用清单告诉你，站在你本该站的位置上的是什么东西。
由它直接得出三件事。在你的“选型类”prompt 中反复出现的第三方页面，比如一篇对比合集、一条论坛帖、一个目录收录，就是站外工作的靶子，而且它们是按你自己面板里的出现频次排序的，不是按任何人的权威分。你自己的页面会分成“被引用过的”和“从来没被引用过的”两堆，这把内容待办变成了一份有序的待办。而那些引用了关于你的过时事实的页面，比如一个旧价格、一个已下线的集成，构成一份纠错清单，那是与内容工作不同的另一件活。
在 Bavior 里，Top Cited Domains 就是把这份清单按域名汇总后的样子：你面板里的答案最常引用的站点，包括竞品和第三方，按 Citations 排序。Type 把每个域名标为 UGC、Reference、Editorial、Competitor 或 Other，可以先粗分出哪些是站外工作的靶子、哪些是竞品页面。
这一切只有在日志是原始记录时才成立。每次运行请存下：引擎与模式、如果暴露则记录模型版本、prompt 标识及其类别、时间戳、完整答案原文、按出现顺序的每一个被引用 URL，以及一个“正文中是否出现你的品牌名”的标记。这六个量都能从这条记录算出来，从事后补写的摘要里则一个都算不出来。2026 年那篇批判性综述的最低研究清单要求的是同样的纪律，包括大多数团队会破坏的那一条：把“什么都没发生”的那些运行留在分母里。2
这六个量里有两个，没有任何已发表的证据把它们和企业真正在意的东西连起来。答案内位置来自一个对着生成文本的其他属性被验证的指标，从未对着点击或收入被验证过。声量份额则完全没有外部验证：它是一个谁都能自行定义的比值，也没有研究检验过“把它推高”是否会带动别的什么。该领域自己 2026 年的综述把“引用分数预测点击、转化或收入”评为极低置信度，而这个评级覆盖全部六项。上文引用的 62%“有链接不点名”来自一份 115 条 prompt 的厂商样本，没有复现。使用这六个量，是因为这套拆分能让你的决策变得清晰可辨，而不是因为其中任何一个已被证明是销售的先行指标。
这六个量你完全可以手工收集，而上面写的就是全部方法：定一份 prompt 清单，按计划跑，把每条答案连同它引用的 URL 粘进表格，再标注正文里有没有出现你的名字。一个月一百次运行是一个下午的工作量，而它产出的是一个站得住脚的数字。Bavior 按计划把固定 prompt 面板打到五个引擎上，记录每一个被引用的 URL（包括不属于你的那些），并按引擎分别汇报而不是给一个综合分。它不做的事情是：从这六个量中的任何一个推算流量或收入，因为该领域自己的综述把这条关联评为极低置信度；它也不替你判定表述准确度，因为“关于你产品的这句话是否属实”要靠人去读答案，而不是靠一个分类器。免费可见性检测和免费 GEO 体检不需要付费方案；付费方案为按月支付每月 99 美元起，或按年支付每月 79.17 美元（截至 2026 年 8 月 29 日）。
它们回答的是不同的问题，所以有用的做法是两个都报、并且读它们之间的差。提及是读者看得见的东西，而多数读者从不点击来源，所以一次没有链接的提及照样触达了那个人。引用则是可被机器核验的那一半：它意味着你的页面被检索并被挂上了，而这恰恰是你自己的工作能直接影响的部分。如果你被引用却没被点名，就去修页面上的句子，让事实和品牌名出现在同一句里。如果你被点名却没被引用，那段描述来自训练数据，只有第三方发布的内容才会慢慢改变它。
四个，而通常被跳过的正是第四个。按引擎分别跟踪提及率和引用率，因为它们会分化，而分化的方向本身就是一个诊断；跟踪基于提及的声量份额，对照一个你明确写出并冻结的竞品集合；并且记录答案里每一个被引用的 URL，包括竞品的和所有第三方的，因为这份清单是数据中唯一能指出行动的部分。答案内位置值得记录，但不值得据以决策。表述准确度值得每月人工抽样一次，而不是每次运行都测，因为它需要有人去读那句话。
不能，因为它们量纲不同、分母不同，而且加总会毁掉它们唯一能支撑的那些决策。提及率和引用率是“占答案的比例”；声量份额是品牌之间的比值；位置是序数；表述准确度是由人工判定的陈述占比。把它们平均，得到的数字既无法告诉你该去修哪个引擎，也无法告诉你六项中哪一项出了问题。更何况每一项都是按引擎测量的：SIGIR 2026 的一项研究测得同一家公司旗下三个界面之间的 URL 层 Jaccard 只有 0.11–0.18，所以跨引擎的综合分，平均的是几乎不重叠的东西。
七个字段，原样记录：引擎与模式、如果暴露则记录模型版本、prompt 标识及其类别、运行时间戳、完整答案原文、按出现顺序排列的每一个被引用 URL，以及一个“正文中是否出现你的品牌名”的标记。这六个量都能从这条记录算出来，而没有一个能从事后写的摘要里算出来。请保留那些“什么都没发生”的运行：2026 年那篇批判性综述的最低研究清单明确要求把空结果留在分母里，而删掉它们，是一个面板开始自我美化的最常见方式。