有位老板给我看他的AI 可见度报表，一个大数字：62 分。我问这个数是哪儿来的，他说四个助手平均出来的。我让他拆开看。拆开之后他半天没说话：ChatGPT 上他的出现率有 58%，Gemini 上是 3%。那个 62 分，把 3% 这件要命的事整个盖住了。结论先放这儿：把多个 AI 助手的可见度平均成一个分数，不是省事，是自欺。

一个平均数，是怎么把要命的事实抹平的

Arfadia的创始人 Tessar Napitupulu 在 2026 年 10 月 23 日的 Forbes 专稿里，把三组对照数据摆到了一起。BrightEdge 拿数万条完全相同的提示词去问 ChatGPT、Google AI Overviews 与 AI Mode，结果三者在 61.9%的查询上推荐的品牌不一致；只有17%的查询，三个平台给出同一批品牌。分行业看，B2B 科技领域的不一致率是 61.7%，医疗领域是 68.5%。

换句话说，你在三个平台上大概率是三个不同的公司。这三个数字平均一下会得到一个「还行」的分，但现实里没有哪个买家是在「平均平台」上做决策的，他只在某一个具体的助手里问了那一句。

引擎之间差的不是算法，是它们读的不是同一个网

Writesonic跑过 161,286 条提示词，测 ChatGPT、Gemini、Perplexity 与 Google AI Overviews 各自引了谁，结果是同一条提示词下只有 3.8%的信源被四个引擎共同引用，72% 到 73%的被引域名只在一个引擎上出现过。这个数字基本否定了「做一次覆盖所有平台」的幻想。

更微妙的是同一家公司的两个产品也不一样。Ahrefs比较 Google 的 AI Mode 与 AI Overviews，引用相同 URL 的比例只有 13.7%，可两个答案语义相同的比例有86%。意思是：说的是同一件事，引用的却不是同一批页面。你盯着其中一个做优化，等于只押了十三分之一。

问法的影响，比平台还大

同一份数据里还有一条被很多人忽略：把查询按问法分类后，「compare」类的品牌一致率是80%，「best」类只有 23%。原因是前者有相对明确的对比维度，模型容易被数据与评测类信源拉回同一批名字；后者没有锚点，模型就退回自己的记忆，谁的先验强就先说谁。

语言还会再加一层分裂。Tessar Napitupulu提到他同事 Nicolas Magor 做的一次测试：同样关于印尼出口商的买家问题，用英语和印尼语分别问八个助手，160 组配对里，两个短名单只共享约五分之一的公司。一家公司在每一种买家使用的语言里，口碑都可能不一样。

那品牌先验到底还有没有用

有用，但它只对「已经被记住的名字」起作用。2026年 10 月 10 日的 arXiv 研究（编号 2610.15033，统计 158,099 个回答与 468,037 次引用）给了一组很硬的对照：已知品牌被模型写进它自己生成的搜索查询里的比例是 67%，未知品牌只有11%；在排名相同的前提下，已知品牌被引用几率高1.6 倍。

同一批数据里还有一条让人后背发凉：46%的品牌提及背后，没有任何页面支撑。AI 有一半时候是靠记忆在说你的名字，而不是靠检索。这就是为什么要分开看——提及是记忆层的事，引用是检索层的事，两件事的修法完全不同。

按助手分开记录。某个平台上的零，应该是看得见的，不该被平均掉。」—— Tessar Napitupulu，Arfadia创始人兼首席执行官，2026 年 10 月 23 日于 Forbes

落到动作上，就三件事

其一，把分数拆开记。别再要一个总分，改成一行一个助手：ChatGPT、Gemini、AI Overviews、AI Mode、Perplexity、元宝、豆包、DeepSeek，哪个客户在用就记哪个。某一行是零，就让它红着，不许平均。

其二，固定问题面板。从销售的其一通电话和投标质疑里，攒25 到 30 个买家真正会问的句子，用他们的原话写下来。每次都问这一批，问三次，放在同一周里。问题一变，答案就变，趋势也就没了意义。

其三，被提到时去看信源，不只看名字。助手推荐了竞品而不是你，就把它引的那几页打开看——是行业媒体、是目录站、是社区帖子、还是对比类内容。那几页就是你缺的那块料。

判断标准：什么时候才值得动手

如果你的客户群集中在某一个助手上（做外贸的多在用ChatGPT，做国内消费的多在用豆包与元宝），就先把这一个吃透，别急着铺开。反过来，如果你的客户跨行业、跨语言，那分开记的成本就省不掉，因为平均出来的数只会让你在错的平台上继续投钱。

平均分这么受欢迎，是因为它替人省掉了难堪

我做过十二年B2B 渠道，见过太多这类报表。一家公司花了几万块买了一个「AI 可见度总分」，月度会上汇报这个数字涨了三个点，全场点头。没人问这三个点是哪个平台涨的，也没人愿意问——因为一问就可能发现，涨的那个平台客户根本不用。

更要紧的是，平均分对谁伤害更大。Tessar Napitupulu的判断是：在某个品类里覆盖又深又一致的头部品牌，各平台反而会趋同；真正被平均掉的是挑战者和中段品牌，也就是格外输不起的那批公司。所以我的建议很直接：如果你不是品类的头部，就更不能看平均分。

问：我们公司小，是不是先做一个平台就够了？

答：够，前提是你真的知道客户在用哪个。判断办法很土但有效——问问近三个月成交的客户，他们做决定前问过哪个助手。问十个人，答案会比任何行业报告都准。

问：平均分也不是完全没用吧？

答：用来看长期趋势可以，用来做决策不行。平均分能告诉你「半年有没有往前走」，但它回答不了「这个月该改哪一页」。做决策要的是分平台的数，不是汇总的数。

问：三次抽样真的够吗？

答：对中小企业起步够了。SE Ranking在 2026 年 10 月 22 日的研究里，每个词查三次，发现 11.4% 的关键词在三次之间来回切换。也就是说一次抽样会漏，三次的偏差已经小到可以做判断；再往上加到十次，边际收益很小，成本却翻三倍。