企业在 AI 搜索里的"能见度"，我们是这样量化的 - 九宸智能
发布时间：
· 更新时间：
45 个问题、3 家 AI、每条回答里的每一个参考链接。我们把“AI 会不会提到我们”变成了可以定期复查的数字。
"客户问 AI 的时候，会不会提到我们？" 这个问题我们被问过很多次，自己也好奇。但"感觉 AI 挺了解我们"和"AI 确实在推荐我们"之间差得很远。于是我们在自己的平台里做了一套采样工具，把这件事变成可以量化、可以复查的数字。 这篇分享我们的做法和目前的结果。 第一步：定下"要问什么" 我们整理了 45 个问题，分成四类，对应客户找供应商的不同阶段： 品牌类 ：客户已经知道我们，想了解我们是谁、做什么、服务过谁 地域 + 品类类 ：客户知道自己要什么，在找附近的供应商，比如"杭州有哪些做 AI 数字员工的公司" 场景类 ：客户有具体问题，比如 AI 客服、知识库问答怎么落地 决策类 ：客户在比较方案，关心价格、选型指标、部署周期、合规要求 这四类问题里，真正带来新客户的是后三类——客户还不知道你的时候，AI 会不会把你放进答案里。 第二步：在几家 AI 上同时问 同一批问题，分别在豆包、DeepSeek、通义千问的网页版上提问。必须用网页版：它们会联网搜索，和客户实际看到的一致；而 API 版只靠训练时的记忆，结果差别很大。 每条回答，我们记录三个指标： 提及 ：有没有提到我们 位置 ：排在第几个 引用 ：回答附带了哪些参考链接，其中有没有我们的网站 第三步：看引用来源，而不只是看结果 真正有价值的，是第三个指标。把所有回答的参考链接汇总起来，就能看出每家 AI 习惯去哪里查资料： 豆包最常引用抖音图文和今日头条 DeepSeek 最常引用知乎 通义千问更看重百度百科和企业信息平台 我们的官网被豆包引用了 9 次，被另外两家引用了 0 次。这个结果直接决定了下一步做什么：只优化官网，只能影响三家中的一家。 第四步：补内容，然后复测 知道了缺口在哪里，就在对应的平台上补充准确、有用的内容：技术实践发在技术社区，行业观察发在知乎，通俗解读发在头条和抖音，同时把百科和企业信息平台上的基础资料补完整。 补完之后，用同一批问题再测一遍。我们在豆包上做过一次前后对比：同样 11 个问题，能带出九宸的从 2 个变成了 5 个，新增的都是"地域 + 品类"类问题。 需要说明的是，大模型每次的回答都有波动，单次采样只能看趋势。所以我们把它做成了例行工作：定期复测，看长期变化。 我们目前的结果 豆包 DeepSeek 通义千问 45 题中提到九宸 9 题 4 题 3 题 其中排在第一位 5 题 4 题 3 题 引用我们官网 9 次 0 次 0 次 豆包的情况在变好，DeepSeek 和千问还有很长的路要走。在后两家那里，我们在场景类和决策类问题里几乎还没有出现。这正是我们接下来要补的内容。 几点体会 AI 不认识你，比 AI 认错你更好办。 不联网测试时，有一家 AI 把我们介绍成了另一座城市的一家工业机器人公司。在 AI 会去查资料的地方放上准确信息，是纠正这类错误的唯一办法。 内容要写给人看，不是写给 AI 看。 我们发出去的每一篇，都先问自己：一个真的在找方案的人读完，会不会觉得有用？堆关键词的内容，平台会拦，AI 也不会引用。 这是一件需要持续做的事。 AI 的回答会随着网上的内容变化，今天的结果不代表明天。定期复测，比一次性做完更重要。 九宸智能是杭州的国家高新技术企业，专注 AI 数字员工与企业大模型私有化落地。如果你对 AI 搜索里的品牌能见度也有想法，欢迎在后台留言交流。