因为用你自己词汇写出的面板，测的是引擎会不会复述你的营销文案，而它们通常会。它产出的数字会随着你发得更多而上涨，而且可能在你真实可见性下滑的同一个季度里上涨。
一条用你自身定位话术写出的 prompt 是一条自指 prompt：它的措辞基本只出现在你拥有的页面上，因此几乎不存在竞争语料，检索返回你的页面，答案点你的名。这样建起来的面板，会报出一个接近区间上沿、并且随着你发布内容而上涨的出现率，它测的是你自己的内容库存，而不是一个陌生人眼中的你。这个领域唯一一份受控基准里，54 个案例中只有 3 个取得了统计显著的排名提升；而在其零售领域，把一个来源移到上下文第一位平均能提升 2.77 个名次，而最佳内容改写只有 0.36 个名次。3
关键要点用自家定位话术写出的面板，问的是只有你自己的页面能回答的问题，然后把“你自己的页面回答了它们”这件事，记录为可见性的证据。那是一个挂着百分比的同义反复。所谓自指 prompt，就是措辞取自你的产品营销、而不是取自任何买家说过的话：里面有一个你造的词、一个只有你站点在用的功能名，或者一种因为你写了它才存在的问题表述。这类问题的竞争语料几乎为空，所以检索也几乎无处可去。
它之所以如此可靠地奏效，是有文档依据的，而不是理论推测。Google 表示其搜索里的生成式功能“根植于我们核心搜索的排序与质量系统”，8 并且一个页面要有资格出现，“必须已被收录，且有资格带摘要出现在 Google 搜索里”。1 因此，是普通的排序在决定哪些页面成为候选，而你在自己的词汇上几乎按定义就排第一。2026 年那篇批判性综述把“查询与文档的相关性、以及在上下文中的位置是主要决定因素”评为高置信度。2 一条由你自己的词造出来的 prompt，恰好把这种相关性推到最大，而受益的只有一份文档，正好是你的。
有三种机制会让一个自指面板随时间上行，而其中没有一种是“你的可见性变好了”。
在一项 602 条受控 prompt、产出 21,143 条搜索层引用的研究里，被它归为“官方”的来源是最大的单一类别：在 ChatGPT 上占 34.22%，在 Google 上占 46.35%。引擎很乐意去拿那个官方页面。
每一个新页面都会带来只有你在用的词汇，也就带来一批“只要有人把它写成 prompt，你就必赢”的问题。这个比率跟着你的发布日历走，而不是跟着买家找到你的方式走。
自指 prompt 最好写，所以面板扩容时被加进来的就是它们。分母的构成在无声地变化，而头条数字在没有任何一条答案改变的情况下上涨。
让第一种机制从“有帮助”变成“决定性”的，是在受控测试里“位置”对其余一切的压倒性优势。2026 年那篇批判性综述概括了为这个问题而建的唯一一份基准：在两类任务、六个领域、约 1 900 条查询与 16 360 份文档上，54 个方法与领域组合中只有 3 个显著为正。2 基准本身，也就是 NeurIPS 2025 的 C-SEO Bench，测试了十种方法；在它的零售领域里，把一个来源移到上下文第一位平均能提升 2.77 个名次，而所测最佳内容改写只有 0.36 个名次。3 把它当作关于自指 prompt 的一句话来读，结论毫不含糊：在你自己的词汇上，你本来就占着第一位，所以这条 prompt 测的是一个你丢不掉的杠杆，而不是一个你能拨动的杠杆。
一个被污染的面板数字长这样：头条出现率从 41% 爬到 45%，然后在真实可见性下滑四分之一的情况下停在 42%。下面用虚构但贴近现实的输入算给你看，这是示范算术，不是数据。
| 面板版本 | 真实 prompt | 自指 prompt | 头条出现率 |
|---|---|---|---|
| v1，40 条 | 28 条，20% | 12 条，90% | 41% |
| v2，又加了四条 | 28 条，20%（未变） | 16 条，90% | 45%，什么都没变好 |
| v3，一个季度之后 | 28 条，15%（下滑） | 16 条，90% | 42%，仍高于起点 |
| 你本来想要的那个面板 | 40 条，20% | 没有 | 20%，而且现实一动它就动 |
值得多坐一会儿的是 v3 那一行：真实 prompt 的出现率掉了四分之一，头条数字却仍然高于起点。这张表里没有任何一处需要恶意。每一版都是某个人加进了看起来合理的 prompt，而其中每一个单独的数字都是对的。污染完全发生在分母的构成上，这也是来源排序那一篇坚持“任何单一来源不超过面板约 40%”、并坚持“组配一变就升版本号”的原因。
防线是算术，不是警觉。请把可追证的那一半与自指的那一半作为两个比率分别汇报，这个效应就消失了：一个从不动的切片和一个会动的切片并排看很有信息量，平均之后则会误导人。2026 年一篇关于 AI 可见性测量的统计学论文讲的是这件事的一般形式，它提醒：引用分布服从幂律，而许多表面上的差异都落在测量过程的噪声本底之内。4 一个混合出来的头条数字，会把这两个问题一次性藏起来。
对措辞问三个问题，再跑两项机械检查，每条 prompt 大约十五秒就能分类完。里面有你造的词吗？一个功能名、一个方法论名、一个你为定位材料发明的品类标签。一个从没听说过你的买家会敲它吗？把它当作买家念出来；如果它只有读过你首页的人才看得懂，那就是自指的。你能指出一个说过类似话的真人吗？这就是给其余每个来源排序时用的那条可追证检验，也是能了结争论的那一条。
两项机械检查能抓住判断力漏掉的东西。把你的品牌名去掉再跑一遍：如果名字不在时这条 prompt 依然能把你检索出来，说明这个问题真的是关于品类的；如果它塌成一个点了另外五家公司名字的通用回答，那你测的是自己的品牌，而不是自己的主题。把这段措辞原样搜一下，看回来的是谁的页面：如果每条结果都是你自己的，说明不存在竞争语料，这条面板条目只能告诉你自己的站点有没有被收录。两项检查各花一分钟，都不需要工具。
检查解决不了的是那个常见的边界情形：一个由你带火、而买家确实采用了的说法。请把“是否被采用”当作一个经验问题，而不是一个让人得意的假设。如果这个说法出自买家之口出现在你的通话逐字稿里，它就被采用了，这条 prompt 是可追证的；如果它只出现在你自己的营销材料和链接到你的页面上，那就还没有。
在改动任何东西之前，先把面板冻结并给它一个版本号，因为条目一旦在没有版本号的情况下变化，你就彻底失去了跨季度比较的能力。接着用上面那两项检查给每一条条目分类，并把判定结果存进面板本身，让分类是可审计的，而不是靠记忆。然后按新的拆分方式重述历史，而不是重述那个混合值：把可追证比率回填到此前的每一次运行上，让自指比率作为第二条序列并排放着，永远不并入平均。
在有人宣布“修正后的数字动了”之前，还有一句提醒。对同一批查询在三个生成式搜索平台上的重复采样发现，引用分布服从幂律，而许多域名之间表面上的差异都落在测量过程的噪声本底之内。4 一个干净的面板，仍然需要跑好几轮，一次变化才算得上变化。
该有：一个固定的、独立汇报的小桶，因为品牌类 prompt 回答了一个别的类别都回答不了的真实问题：当引擎描述你时，描述准确吗？这个问题很重要，而证据表明它不该被默认为“准确”。Tow 中心对八个引擎、一千六百条查询的审计发现其中超过 60% 返回了错误答案；更早的一次两百条引文测试中，153 条回答部分或完全错误，而模型只有 7 次表达了不确定。5 那些研究测的是新闻归因而不是产品描述，所以请把它们当作“该去核查”的理由，而不是对你自身错误率的估计。
这个桶的规则很严，因为它的出现率按构造就没有信息量。请把它控制在四条左右，按准确性而不是按是否出现来打分，用异议 prompt 那篇里的三值结果，并且绝不让它们进入头条数字。一项针对某助手 2025 年 9 月引用最多的前 1,000 个页面的厂商分析发现，其中首页与落地页占 23.8%，并得出结论：最常被引用的页面里，只有约三分之一落在一家企业能够现实地参与竞争的类别中。6 你自己的页面很容易被引用；那是关于引擎的一个事实，不是给你的一个分数。
这一切背后的一般原则值得直说，因为它的适用范围远不止 prompt 面板：一个由你控制输入的指标不是测量。当你可以靠多写几篇自家文案把一个数字抬上去时，这个数字就已经不再描述外部世界了；而 2026 年那篇批判性综述里置信度最低的那一行提醒了这道缺口能有多大：它把“引用分数能预测点击、转化或收入”评为极低置信度。2
没有人测量过真实的 prompt 面板被污染到什么程度，因为面板是私有的，也不存在关于它们的数据集。这里论证的机制，是从两件被测量过的事情推出来的：官方页面是被引用来源中最大的单一类别，以及相关性与上下文位置主导着什么会被采用，再加上“出现率”这个定义本身。那项引用研究的类别标签由它自己定义，而且它明确提示自身的来源类型分类里含有噪声值，所以请把 34% 到 46% 读作一个边界偏软的区间。那段示范算术使用的是为贴近现实而挑选的虚构输入；其中的 20% 与 90% 都是示意性的，你自己的数字会不一样。
这里的整套防线都是免费的，一个下午就够：给每条 prompt 标上“可追证”或“自指”，把拿不准的那些去掉品牌名再跑一遍，把两个切片分别汇报，并把品牌桶控制在四条左右。这就是表格里的一列加一条规则，而它是本阶段里杠杆最高的一件事，因为它决定了其余每个数字有没有意义。Bavior 无法替你做这件事。它不替你写 prompt，无法知道你的买家实际使用哪些说法，而且你给它什么面板它就跑什么面板，包括一个糟糕的面板。它做的是执行：一份固定面板按计划跨五个引擎运行，记录每一个被引用的 URL，让你看清某条答案是来自你自己的域名还是别人的域名，这是事后识别自指条目最快的办法；当被引用的来源是一条活跃的讨论帖时，它会用你掌控的账号起草回复，在任何内容发出之前由你审批。免费 AI 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 30 日）。
它的措辞来自你的营销而不是买家，所以能匹配它的页面只有你自己的页面。三个标记能抓住其中绝大多数：一个你造的词、一个只有你站点在用的功能名，或一种“因为你写了它才存在”的问题表述。最快的确认方式是机械的：把这段措辞原样搜一下，看回来的是谁的页面。如果每一条结果都是你的，说明这条 prompt 没有竞争语料，而测量你在答案里的出现，只不过确认了你自己的站点已被收录。
不算错，前提是品牌类 prompt 只占一个独立的小桶、按准确性而不是按是否出现来打分，而且绝不并入头条数字。品牌类 prompt 回答的是一个真实问题：当引擎描述你时，描述是否正确？而 Tow 中心那项覆盖八个引擎、一千六百条查询、发现其中超过 60% 返回错误答案的审计，已经足以构成去核查的理由。它们无法告诉你的是：一个陌生人能不能找到你。因为在一个含有你自己名字的问题上，你几乎总是会出现在答案里。
把面板拆开，分别看两个比率，这大约需要一小时，而且能把问题定死。把措辞来自买家的条目算作一个数字，把措辞来自你自身定位话术的条目算作另一个。如果前者持平或在下降，而混合后的头条数字在上涨，那么这个变化来自组配而不是可见性：一个你总是能赢的切片，在分母里的占比变大了。另外还要检查是不是有 prompt 在没有升版本号的情况下被加了进来，因为一个靠添加而增长的面板，会自己往上漂。
在买家确实采用了它的地方可以用，而且要去检验采用与否，不要假设。一个由你带火、如今在通话逐字稿里出自买家之口的说法，是可追证的词汇，和其他任何买家措辞一样可以进面板。一个只出现在你的营销材料和链接到你的页面上的说法，就是还没有被采用，无论你多得意。证据就在你的逐字稿里，所以检验方式和本阶段里管着每个来源的那一条一样：指出一个说过它的真人。
负责调研与维护 Bavior 关于 Reddit 营销和 AI 搜索可见度的全部内容。文中每一个数字都注明了来源出处与核查日期，所有外链均非联盟推广链接。
发现数字有误？告诉我们，我们会重新核查：support@bavior.com