成为中文 AI
主动推荐的品牌
用户拿购买问题去问 AI 时，回答里有没有你、排第几、依据了谁的内容。
中文答案引擎
豆包
DeepSeek
通义千问
Kimi
智谱清言
腾讯混元
MiniMax
国际引擎
ChatGPT
Claude
Gemini
AI Overviews
Perplexity
Grok
Copilot
团队怎么用 Caudal
做 AI 可见度
同一份数据，市场、内容、公关、SEO 各自要看的东西不一样。
市场负责人
先知道自己在哪，再谈怎么改
把「我们在 AI 上表现怎么样」从一句凭感觉的回答，变成一张能拿去汇报的表。
- 品类问题集下的可见度、位次与趋势
- 与竞品放在同一张图上对比
- 每个数字都带样本量，经得起追问
- 月度报告可直接转给管理层
现在
被老板问起 AI 上的表现，只能凭印象回答
用上之后
一张按月可比的表，每个数字都说得清是怎么来的
内容团队
知道该补哪一类内容
不是让你多写，是指出哪一类问题下 AI 手上没有你的材料可用。
- 按问题聚类，定位缺口所在的话题
- 看清 AI 当前依据的是谁的内容
- 改动后回测，验证是否真的生效
- 避免铺量，短期数字上去会稀释信源
现在
知道要补内容，但不知道补哪一类，只能靠感觉排优先级
用上之后
缺口落到具体话题上，改完能回测是否生效
公关与品牌
盯住替你说话的那些信源
决定 AI 怎么说你的，很大一部分是官网之外的第三方内容。
- 引用来源分布与集中度
- 负面或过时信息被引用时及时发现
- 识别值得投入的媒体与社区
- 危机期间监测答案口径的变化
现在
过时或失实的说法在 AI 回答里流传，没人发现
用上之后
谁在替你说话、说的是什么，逐条可查可追
SEO 团队
把搜索的方法迁到答案引擎
这里没有第二页可以退，一个品牌要么出现在答案里，要么不出现。
- 提及与引用分开统计，含义不同
- 来源域名层面的表现拆解
- 结构化数据与可读性的影响回测
- 与现有 SEO 指标并行观察
现在
拿排名那套去量答案引擎，指标对不上，也说不清差在哪
用上之后
提及和引用分开统计，各自对应一组能做的动作
服务商与代理
给客户一份能自己复查的报告
同行交付的多半是一份 PPT。能让客户自己复查的数据，替换成本要高得多。
- 多品牌、多品类并行监测
- 每个结论可回溯到原始回答
- 固定采样次数，跨月可比
- 不承诺排名，只交付事实
现在
交付一份 PPT，客户想核对也无从查起
用上之后
每个结论都能点回原始回答，客户可以自己复查
可见度
31.7+4.2
品类位次
3+1
样本量
1,200
近六个月可见度
按话题看 AI 手上有没有你的材料
选购与对比
有可用材料
价格与套餐
材料过时
售后与保修
AI 找不到
技术参数
有可用材料
适用场景
仅第三方
常见故障
AI 找不到
AI 回答引用了谁
- 知乎31.4%
- 什么值得买22.8%
- 太平洋电脑网过时17.5%
- 品牌官网15.1%
- 其他13.2%
同一问题下，被提到 ≠ 被引用
同一控制台下的四个客户
本月每一行都能展开到原始回答与采样时间，客户可自行复查。
掌控 AI 如何描述
你的品牌
中文答案引擎优先，国际引擎同样在内。
品牌提及率
示意42.7%
AI 回答里的品牌份额
同一问题集下，各品牌被提到的分布
- 石头38.2%
- 科沃斯24.6%
- 追觅18.1%
- 云鲸11.4%
- 其他7.7%
整体 GEO 分数
加权可见度31.7
「国内 GEO 服务商 2026 上半年
收入约 35 亿元。」
你的品牌在这张表里吗？
数据来源：易观分析
定位 AI 引用了
哪些网站
AI 写这段回答时参考了哪些网页，决定了它会怎么描述你。
家用扫地机器人怎么选？
示意豆包
选家用扫地机器人主要看三点：清洁能力、避障、自清洁基站是否省心。综合口碑来看，石头1 的机械臂边角清洁做得比较扎实，科沃斯2 在避障上稳定性不错，追觅3 的越障能力在同价位里较强。预算充足可以优先考虑前两家。
引用来源 6
DeepSeek
建议优先看自清洁基站是否完善，这部分决定了长期使用体验。目前国内主流的几家里，追觅1 近两年迭代较快，云鲸2 在拖地方案上有自己的思路，石头3 整体均衡度更高。具体还要看你家是否多地毯、有没有养宠物。
检索到的来源 17 · 该接口不返回逐句引用
可见度
42.7%n=1,200 次回答
平均位次
2.4n=512 次提及
引用来源
37n=1,200 次回答
上面是一张示意卡片，说明一次测量会呈现哪些东西：回答原文、里面出现的品牌与位次、这条回答用到的来源。两侧的来源含义不同。豆包给出的是回答实际引用的链接；DeepSeek 的接口只返回检索到的结果，不做逐句引用。
找出内容缺口，
并采取行动
具体到哪一类问题下，AI 手上没有关于你的可用材料。
产品对比
选购建议
价格区间
售后与保修
技术参数
企业采购
示意数据。覆盖率指这个话题的回答里提到你的比例，浅色的两项几乎没有可用材料。
我们测三件事
下面是示意数据。注意每个数字右边的 n，这一页上没有不带样本量的百分比。
可见度
42.7%n=1,200
在设定的问题集里，回答中提到你的比例。
平均位次
2.4n=512
被提到时排在第几个。排第一和排第五，用户看到的差别很大。
引用来源
37n=1,200
这些回答一共引用了多少个不同的网站。
为什么每个数字后面都有 n
引擎的回答带随机性，同一个问题问两次就可能不一样。样本量不足 30 次时我们会直接标注样本不足，而不是给一个看着很精确的百分比。
从看见到改动，
是一个闭环
只给一个 42% 的可见度没什么用。要能接着说清下一步动哪里，改完还能验证。
监测
按你的品类整理一组问题，每天在每个引擎上各问固定次数。次数保持一致，不同日期的结果才能放在一起看。
归因
逐条拆开回答，看它引用了哪些网站。这里面官网通常只占一小部分，剩下的是评测、问答和媒体报道。
报告
可见度、位次、引用分布，每项都标注样本量和统计区间，拿去汇报不用另外解释口径。
行动
告诉你下一步补哪一类内容、在哪些站点争取露出。改完回到第一步，用同一组问题验证。
覆盖多个品类，
问题集各不相同
问题集按品类单独构建。下面是各品类的示例问题，以及这些回答通常引用的信源。
品类问题集 · 约 120 条
决策周期长、参数密集，用户基本都会先问 AI「怎么选」，而答案里出现的三到五个品牌就是这一轮的候选名单。
该品类的问题示例
- 家用扫地机器人怎么选？
- 洗烘一体机值得买吗？
- 两千元价位的净水器推荐
品类问题集 · 约 200 条
成分和肤质的组合让问题极度长尾，单个问题的量都不大，加起来却很可观，人工抽查覆盖不过来。
该品类的问题示例
- 敏感肌用什么防晒？
- 烟酰胺和 A 醇能一起用吗？
- 油皮适合的粉底液
品类问题集 · 约 150 条
客单价最高，AI 的一句「这款保值率偏低」就足以改变决策，所以负面信息被引用时要能当天发现。
该品类的问题示例
- 20 万预算的纯电 SUV 推荐
- 增程和插混哪个更适合我？
- 这款车的保值率怎么样
品类问题集 · 约 80 条
监管最严，引擎在这个品类下也最保守，多数答案会优先引用专业机构的内容。品牌能做的是让自己成为被引用的一方。
该品类的问题示例
- 体检套餐怎么选？
- 医美机构如何辨别资质
- 家用血压计推荐
品类问题集 · 约 110 条
选型阶段的第一轮筛选现在基本都在 AI 上完成。没进候选名单，后面的招标环节根本接触不到。
该品类的问题示例
- 国内 CRM 系统怎么选？
- HR SaaS 有哪些
- 数据仓库选型对比
常被引用的信源
zhihu.com
smzdm.com
ithome.com
bilibili.com
pconline.com.cn
xiaohongshu.com
zhihu.com
weibo.com
douban.com
dxy.com
autohome.com.cn
dongchedi.com
yiche.com
zhihu.com
bilibili.com
zhihu.com
douban.com
weibo.com
baidu.com
bilibili.com
dxy.com
haodf.com
zhihu.com
nhc.gov.cn
xiaohongshu.com
zhihu.com
36kr.com
infoq.cn
csdn.net
juejin.cn
我们怎么测
采样与样本量
每个问题每天在每个引擎上问固定次数，样本量跟数字显示在一起，不放进脚注。
结论可回溯
每条回答的原文都留档。任意一个数字都能展开，看到它是由哪几条回答算出来的。
和你自己搜的不一样
引擎会根据历史对话和地理位置调整回答。我们测的是尽量中性的结果，所以和你亲自去问大概率对不上。
我们测不了什么
引擎内部的排序权重
这属于各家模型的内部实现，外部拿不到。
你登录状态下看到的结果
那份结果被你的历史对话和位置个性化过，只代表你自己看到的情况。
不给引用链接的引擎
这类回答只统计提及，来源一栏标为未知，不会拿零去补。
我们不承诺什么
这个市场上承诺很多。我们先把不做的事列出来。
不承诺排名
AI 的回答没有人能保证。敢承诺的，通常是赌你不会回头复查。
不做内容铺量
批量灌稿短期能把数字推上去，代价是你自己的信源池被稀释。
不卖速成套餐
「7 天上首页」这类说法在国内很常见，我们不做这门生意。
拿不到的数据不补零
有些引擎不返回来源，这部分就标成未知。用零填上，报表会好看一些，但那个完整度是假的。
我们自己的分数，也放在这里
「GEO 工具怎么选」这类问题下，Caudal 自己的可见度会公开在这一页，分数难看的时候也照发。卖测量的公司不敢测自己，这事说不过去。
产品跑通后填入。现在空着是因为还没开始采集。
常见问题
- GEO 是什么？
- GEO 是 Generative Engine Optimization 的缩写，中文一般叫生成式引擎优化。它关心的是用户拿一个问题去问 AI 时，AI 会不会提到你的品牌、把你放在第几位、依据了哪些网站的内容。和网站在搜索结果里排第几没有直接关系。
- GEO 和 SEO 有什么区别？
- SEO 争的是一列链接里的位置，GEO 争的是一段生成出来的答案里出不出现。搜索给用户十个链接自己挑，AI 只给一个答案，没有第二页可以退。两边的信源有重叠，但统计口径完全不同。
- Caudal 覆盖哪些 AI 引擎？
- 中文侧是豆包、DeepSeek、通义千问、Kimi、智谱清言、腾讯混元、MiniMax，国际侧是 ChatGPT、Claude、Gemini、Google AI Overviews、Perplexity、Grok、Copilot。目前豆包和 DeepSeek 已经通过官方 API 接入、在正常采样，其余几个还在接。每份报告都会写清楚这个数字由哪些引擎、多少次采样得出。签约前也可以先要一份样例报告核对。
- 为什么我自己去问 AI，结果和你们的不一样？
- 两个原因。一是引擎的回答本身有随机性，同一个问题问两次就可能不一样；二是你登录之后看到的结果，被历史对话和地理位置个性化过了。我们测的是尽量中性的结果，靠增加采样次数把随机性摊平，所以每个数字都要标样本量。
- 提及（mention）和引用（citation）有什么区别？
- 提及是 AI 在回答里说出了你的品牌名。引用是 AI 写这段回答时用到了你的网页，并给出来源链接。两者可以分开发生：内容被当成依据但品牌没被提到，或者品牌被提到、依据却全部来自第三方网站。后一种在实测里相当常见。
- 数据多久更新一次？
- 每天对同一组问题、在每个引擎上问固定次数。次数保持一致是为了让不同日期能比：今天问 50 次、明天问 500 次，两天的百分比放进同一张趋势图没有意义。
- 怎么收费？
- 按项目谈，没有自助下单。品类规模、引擎数量和问题集大小差别很大，先把需求聊清楚再报价。
- 现在就能用吗？
- 产品还在早期，通过页面下方的联系方式排期，目前没有开放自助注册。