品牌AI可见度工具测的数不准：同一品牌，三家工具给出三个数
摘要：同一家品牌、同一批问题、同一段时间，三家主流工具能给出三个不同的数。这篇说清楚这个分数为什么不能当考核依据，它哪两类用途还能用，以及一个下午能做完的三步自检。
先给结论：现在市面上那些品牌 AI 可见度监测工具，报出来的分数不能拿去考核。
这不是唱反调。工信部上个月底刚启动 AI 应用服务商培育专项行动，7 月 1 日国内首部 GEO 团体标准 T/CGCC 119-2026 已经实施两个多月，8 月 20 号 AISS2026 全球 AI 搜索峰会上，央视网、宝洁、知乎、36 氪坐在一起反复念叨”可验证”三个字。行业正在从”谁先做”转向”谁更可信、更可验证”。
方向没问题。尴尬的是，现在给品牌打 AI 可见度分的那些工具，自己就经不起”验证”这一关。
这篇就干一件事：把分数不准的原因讲清楚，告诉你它哪两类用途还塌不了，以及如果你老板非要一个数字，怎么用半天时间自己验一遍。
同一品牌，三家工具给出三个数
行业里跑得最多的是 Profound、Peec、Otterly、AthenaHQ，加上国内一堆名字都差不多的”AI 可见度监测平台”。我手头有一个公开的实测样本，2026 年中旬有人在 30 天里用同一批 40 个提示词、同时跑 Profound、Otterly、Peec 三家工具。结果很直接：Profound 命中 22，Otterly 命中 19，Peec 报 24。
三个数，谁都没算错。它们把”被点名”、”被链接”、”被提到”三件不同的事叫成了同一个词，所以同一家品牌能给你三个答案。
这意味着一件事：你拿任何一家的截图去汇报，截图都是真的，但它只截了它自己定义的那种”真”。跨工具比数字这件事，从一开始就不成立。
这分数到底是怎么算出来的
主流做法是厂商自己建一批提示词，拿去问各个 AI，跑很多轮，统计你的品牌被提到多少次，除一下，得出一个百分比。听着挺科学，问题出在四个地方。
第一个坑在被测对象本身。Thinking Machines Lab 去年做过一个实验，他们把 Qwen 那个开源大模型用 temperature 设成 0（这个档位一般被认为”完全确定”），跑同一个 prompt 一千次。结果你猜怎样，出来 80 种不同答案。根因挺反直觉，不是模型自己”心情不好”，是 GPU 跑的批次大小在变，浮点运算顺序跟着变，最后放大成不同的 token。所以”AI 可见度”本质上是个概率分布，不是一个你能读到小数点的刻度。工具报给你的，永远只是一次抽样。
第二个坑是抽样量。多数工具每个 prompt 只跑 10 到 30 次。今天跑 30 次测出 34%，明天再跑 30 次可能是 28%，不是你掉了 6 个点，是噪声。每个 prompt 至少 60 到 100 次才开始收敛，但绝大多数工具不公开这个数，你根本不知道自己买的是几轮采样。
第三个坑在提示词库，它是厂商替你猜的。我见过一份工具的 prompt 库，里面塞着”XX 品牌好不好用”这种词。模型既然在问题里看到了你的名字，回答里当然会提你，这不算”AI 看见你”，这算”AI 复读你”。真正有意义的是非品牌词，比如”这个品类哪个牌子靠谱”，但很多工具的可见度分数里品牌词占比还不小。另外，名字撞通用词也是雷区，”光年”、”信号”、”Pulse”这类品牌名，工具的实体消歧没做好的话，别的话题里被提到的次数也会算到你头上。
第四个坑是口径，还夹带利益冲突。被提到算不算引用？带链接和不带链接算不算一回事？我的建议只有一条：又做监测又卖优化投放的供应商，报告里你的位置天然难看，他们的下游生意就是赚这个”难看”的钱。优先选只做监测、不接优化单的。
既然不准，那还能怎么用
别一杆子打死。绝对值不可信，但有两类用途是塌不了的：看 14 天以上的趋势方向，看 AI 到底在引你的哪些第三方页面。这两个动作不依赖绝对精度，够你做内容决策。
如果老板坚持要看一个数字，这周末花半天做三件事，能筛掉八成水分。
抽 10 到 15 条工具的 prompt，自己去豆包、DeepSeek、腾讯元宝手敲一遍对比结果。工具显示 55% 你手测 30%，这工具就别续费了。
强制把品牌词和非品牌词拆成两组看，只信后者那组。品牌被点名（”XX 好不好”）和被推荐（”哪家最好”）是两件事，混在一起就是自己骗自己。
要求每条数据能回溯到 AI 当时的回答原文 + 信源 URL。给不出原文存档的，等于没数据。一个没有原文的可见度分数，跟算命没区别。
国内这摊，躲开这两个坑
现在很多服务商在宣传”监测精准度 99.5%”。这个数字我每次看到都打个问号，因为行业根本没有公认的 ground truth 让你去比，99.5% 是没法被证伪的。看到这种精确到小数点的承诺，跟看到”年化 30% 无风险”一样，绕着走。
另一个坑上面提过了，这里再说一遍因为它最容易踩：既卖监测又卖优化服务的，两份钱都从你身上赚，报告里你的位置一定难看。选的时候先问一句”你们接不接优化单”，对方犹豫就换一家。
我自己在 GEO 体检里，宁愿让客户多看两周趋势，也不拿一个分数去拍胸脯。打开你的同行群、CMO 群，谁没聊过 AI 可见度这事？聊归聊，可信比”高”重要得多。
8 月 31 号新华网在 GEO 日报里提了那么一句：行业进入”依规运行”新阶段。规是有了，但打分的人还在用手里那把没校准的尺。这才是当下最拧巴的地方。
如果你最近正好在选 GEO 工具，或者已经在为某个 AI 可见度分数头疼，评论区聊一句你的实际用法，我挑几个有代表性的，下一篇接着拆。
（完）
主要参考
- 工信部 AI 应用服务商培育专项行动，2026 年 8 月底启动，GEO 日报（来源：新华网、凤凰网）
- 《商贸流通业生成式引擎优化（GEO）智能营销技术服务规范》T/CGCC 119-2026，2026 年 7 月 1 日实施
- AISS2026 全球 AI 搜索峰会，2026 年 8 月 20 日
- “On the Sources of Non-Determinism in LLM Inference”，Thinking Machines Lab Connectionism，2025 年 9 月（实验对象：Qwen 235B / DeepSeek 3.1，temperature=0，1000 次生成出现 80 种不同输出）
- “Profound vs Otterly.AI vs Peec AI: I Tracked 3 Brands Across ChatGPT, Perplexity, and AI Overviews for 30 Days”，designcopy.net，2026