一句话结论：判断一份 AI 可见度报告能不能用，先看三个数字——这轮观察了多少次、失败了几次、哪些维度这轮没测。这三个数字缺一个，分数就没法验收。
显迹（seenji）是一家做 AI 可见度诊断与修复的服务商。我们的诊断报告不给综合评分，每一条结论都要能回链到具体证据，测不到的写“未测”。本文说明这套做法的理由，并公开一份真实报告的口径（案例已脱敏）。
一、什么是 AI 可见度
买家过去在搜索框里查“这类产品怎么选”，现在越来越多是在豆包、DeepSeek、通义千问、ChatGPT 里问。
区别在于：搜索引擎给一页链接，买家自己挑；AI 直接给一份候选名单，替买家筛完了。
不在那份名单里，约等于不存在。
AI 可见度，指的就是：当买家用真实场景问题提问时，AI 的回答里会不会提到你、会不会把你列入推荐名单，以及网上有没有足够的公开证据支撑 AI 这么做。
这件事可以测量。问题在于，怎么测才算数。
二、“AI 里没提到我”，底下是三件不同的事
企业测完发现 AI 没提到自己。这个“没有”，至少对应三种情况：
第一种：问了，AI 确实不知道你。 这是真缺口，需要补内容。
第二种：这一轮压根没问这个。 题目没覆盖到。这不是缺口，是观察边界。
第三种：问了三次，一次提到、两次没提到。 样本不足以定性。
多数报告的处理方式，是把三种情况一并放进分母，输出一个百分比。
于是“可见度 41 分”这个数字里，混着真实缺口、未覆盖范围和不确定样本。你拿到手，无法判断哪部分该花钱修，哪部分压根没看过。
下个周期涨了 8 分，也没人能说清是内容起了作用，还是这次多测了两道题。
这不是精度问题，是口径问题。口径不立，分数再准也没法验收。
三、显迹的做法：把“没测”写进报告
以下是我们一份实际交付报告中的原句，未作改动：
另有 3 项企业事实本轮未探测；未探测不等于缺失，未计入上文的缺口数量。
有 2 条第三方链接尚待核验；待核验不等于已确认相关，也不等于已确认无关。
这不代表它不是现实竞品，只说明本轮选型回答没有把它放进候选名单。
完整度是输入侧分数，只衡量你提交并确认的企业事实是否完整；不代表互联网已经证明，也不代表 AI 已经外部引用。
观察集合：计划 24 次 = 完成 24 次 + 失败 0 次。
最后一条看似冗余，实际是整份报告的记账起点。
这轮计划观察 24 次，实际完成 24 次，失败 0 次。如果失败了 6 次，报告里会写失败 6 次，而不是用剩下的 18 次算一个好看的百分比交出去。
这种写法牺牲了报告的观感——通篇“待核验”“未探测”“不等于”，没有一眼定论的说服力。换来的是另一样东西：下一轮复测时，每一格的变化都有出处。
四、一份真实报告的结构（案例已脱敏）
某上市公司，企业软件行业。这一轮先建立了 12 道题的题库，分为五类：
- 品类发现 3 题（买家还不知道有哪些服务商，在找方案类型）
- 比较选型 3 题（买家已进入比较阶段，在判断怎么选）
- 问题解决 2 题（买家带着具体问题在找解法）
- 品牌认知 2 题（直接问企业名，看 AI 说不说得对）
- 信任验证 2 题（查有没有第三方背书）
本轮从题库中选取 8 道执行题，每题跨 3 个国产模型独立观察，共计划 24 次。其中 6 道为不含品牌名的中立场景题，模拟真实买家提问；2 道为品牌题，用于核对企业身份与事实复述。
结果：
| 维度 | 结果 |
|---|---|
| 公开证据 | 核身 38 个页面：官网自有域 9 个、第三方 29 个；另有 2 条待核验，不计分 |
| 候选名单 | 24 次观察中 15 次形成具体名单；目标企业入选 0 次 |
| 自然提及 | 18 次不含品牌名的提问中，AI 主动提到 0 次 |
| 事实复述 | 6 项企业事实纳入核对，实际探测 3 项，另 3 项未探测 |
最后一行值得单独说明。那 3 项事实很可能确实存在问题，但因为这轮题目没有覆盖到，报告里既不计为缺口，也不给出结论，只标注“本轮未覆盖，需用对应问题单独验证”。
未探测不等于缺失。这是我们最基本的一条规则。
五、关键在那个 15
“提及率 0%”和“15 次形成名单、0 次入选”，表面等价，含义相去甚远。
如果 24 次观察中只有 3 次形成名单，其余 21 次 AI 根本不列举厂商——说明题目选错了。AI 在这类问题上不产出名单，这组题是无效的。此时 0% 是假信号，该改的是题目。
而 15/24 意味着名单在稳定形成：场景成立、买家真在这么问、席位被其他实体占据。这是真实的内容缺口。
同样是 0，一个指向题目设计，一个指向内容建设。只给百分比的报告，无法区分这两者。
题目本身选错了，后续所有数字都是错的，而且错得非常好看。这是当前 AI 可见度服务里最隐蔽的风险。
六、为什么这件事在现在特别要紧
AI 可见度是个新指标，新指标最大的风险不是不准，是你没法独立验证。
传统 SEO 至少有一个共识锚点：排名是公开的，你自己搜一下就能核对。
AI 不一样。回答千人千面、每次都在变，同一个问题问两遍答案可能都不同。企业方没有独立验证的手段，只能信服务商给的数字。
这种结构下，一份报告最容易滑向的形态是：给一个看着专业的分数，配一堆看着专业的图表，下个周期让它涨一点。涨没涨只有出报告的人知道；为什么涨，有时候连出报告的人也说不清。
诊断的价值不在于当期判断有多准，而在于下一次能不能被检验。
所以我们的复测规则是：默认沿用同一套题；修改业务场景或题目时建立新版本，不覆盖上一次结果。前后可比，是复测有意义的前提。更完整的测量框架，可以参看显迹 AURA 方法页。
七、你可以拿这五个问题去问任何一家服务商
包括我们。
- 这轮一共观察了多少次？失败了多少次？ 答不出失败次数，说明没有“计划—完成—失败”的记账机制。
- 有哪些维度这轮没有测？ 如果回答“全都测了”，大概率缺少边界意识。任何一轮测量都有未覆盖的部分。
- 题目由谁设计、依据什么？ 题目是整个测量的地基。
- 分数变化如何区分是企业变了还是 AI 变了？ 模型本身在持续迭代，缺少对照机制的话，环境漂移会被计为服务效果。
- “AI 未提及”与“本轮未测量”，报告里是否分开呈现？
第五条最简单，也最能筛选。
如果想先看一次实际诊断如何拆分品牌识别、候选名单与公开证据，可以阅读这篇脱敏的 AI 可见度案例。
常见问题
AI 可见度诊断是什么？
用一组买家真实会问的问题去问各个 AI，记录 AI 有没有提到你、有没有把你列入推荐名单，并核查网上有哪些公开证据支撑 AI 这么说。显迹（seenji）做的就是这件事，每条结论都要能回链到具体证据。
和 SEO 有什么区别？
SEO 优化的是搜索结果页上的排名，用户看到一页链接自己挑。AI 直接替用户筛完了——不在回答里，约等于不存在。此外 SEO 的排名可以自己搜索验证，AI 的回答每次都在变，验证方式完全不同，因此更依赖测量口径。
报告里的“未探测”是什么意思？
指本轮题目没有覆盖到这条事实，因此既不能判定 AI 知道，也不能判定 AI 不知道。它不计入缺口数量，留待下一轮用专门的问题验证。
什么叫“未入座”？
指 AI 确实产出了候选厂商名单，但目标企业不在其中。这和“AI 没有产出名单”是两种不同状态，修复方向也不同。
什么叫“待核验”？
指发现了一条可能相关的第三方链接，但尚未确认该页面确实指向目标企业实体。待核验不等于已确认相关，也不等于已确认无关，不计入证据得分。
诊断完了，接下来做什么？
诊断输出的是“哪些场景你缺席、缺什么证据”。下一步是内容建设：把买家的问题、你的解法边界和可核验的证据放在同一个页面上。然后进入复测，用同一套题观察名单里有没有开始出现你。
有没有“保证被 AI 推荐”这回事？
没有。AI 的引用机制没有人能控制，承诺“保证收录”“保证推荐”“快速霸屏”的服务建议绕开。可以承诺的只有三件事：测量过程可复核、修复动作有出处、复测结果可对照。
显迹的报告为什么不给综合评分？
因为综合评分会把“真缺口”“未测量”“样本不足”三种情况压进同一个数字，压完就拆不开了。我们选择先把口径立住，再考虑要不要给分。顺序反过来，那个分数就没有意义。
从一份快照开始
显迹的 AI 可见度快照报告，会告诉你：
- 买家用真实场景问题提问时，AI 有没有把你列进候选名单
- AI 现在怎么描述你的企业身份和核心品类，说对了几条
- 网上有哪些公开证据支撑 AI 这么说，哪些还没有
- 基于本轮证据，接下来优先做哪几件事，以及每件事的完成标志
报告里的每一条结论都能回链到具体证据。这一轮没测的，会明确写出来。
显迹（seenji），AI 可见度诊断与修复。官网 seenji.com。本文案例数据来自真实交付报告，企业名称与行业细节已隐去。