你手里那份「AI 可见度报告」，测的未必是客户看到的世界
老板把一张截图发给你：「都说客户现在问 AI 了，你查查上面有没有咱们。」你打开某个 AI 可见度工具，输入品牌名，跑出一份挺漂亮的报告：提及率 42%、被引用三十多次、领先同行。你把报告递上去，心里其实没底——这些数字，和客户在手机上真正打出的那句话、真正看到的那个答案，是同一回事吗？
近期一项研究给的答案不太舒服：**不是**。研究者把同一个商业咨询问题分别丢给消费者用的聊天界面，和开发者调用的接口，结果两边引用的网页**几乎不重合**（ConsumerQ 预印本，2026-09-16 提交 arXiv）。
这就是给执行者的第一道坎：**你是从哪个入口问的，决定了你会看到哪个世界。** 花了几千块买的月报、自己随手截图记的数字，都可能踩在同一个坑里。下面先说清这个坑有多深，再给一套你当场就能用的判断方法。
必须说明：这不是要你怀疑一切数据，而是提醒一句——**在 AI 搜索这件事上，测量方法本身就是结论的一部分**。同一句话，换个入口问，答案就分岔；分岔到一定程度，涨跌就不再说明你做得好不好，只说明你换了把尺子。先把尺子认清楚，后面的努力才不会白费。
同一个问题，换个入口，引用的来源就换了一批
那份预印本分析了 2,528 条真实商业咨询问题、1,536 条回答，几个数字很直观：
- **两家消费者界面之间**：同一个问题分别问 ChatGPT 和 Gemini 的网页版，两边显示的域名**平均只共享 5.4%**；更直接的是，**76.7% 的对比里，两边一个共同域名都没有**。
- **接口 vs 消费者界面**：ChatGPT 的接口与它自己的消费者界面，域名**平均只重叠约 12%**；Gemini 约 14.8%（同一预印本）。
- **另一家工具方的实测**：接口结果与真实网页抓取相比，**品牌重合仅 24%、来源重合仅 4%**；换到 Perplexity，来源重合也只有 **8%**（Surfer，AI 搜索研究）。
国内也有同向的证据。一项 2026 年 7 月的中文生成式搜索研究，覆盖 4 个主流平台、8 个 Web/App 接口、614 个问题，每个「问题—平台—接口」组合重复 3 次，从 **214,119 条原始记录**里整理出 **160,860 条引用级记录**；结论之一是：**同一平台的 App 端与网页端，引用来源集合存在系统性差异**（外贸 B2B 的 900 次测试方法论）。
把这些放在一起看：入口不同，来源就不一样——不是「略有出入」，而是**大部分都不重合**。所以任何一份 AI 可见度数字，第一个要问的不是高不高，而是**它是从哪儿问出来的**。
工具为什么更爱用接口，而接口看到的是另一个世界
不是工具方偷懒，是接口确实更好用：便宜、快、稳定、能一次跑几千条问题。而消费者界面又慢又贵，还经常改版。问题是，为了方便而选的路，恰好绕开了客户真正看到的东西。差距至少有五处（前四处出处见 GEO Scout 的接口与界面对比）：
- **系统提示不同**：App 背后有一长串设定语气、格式、怎么标注来源的指令，接口没有；一句话的差别就可能让回答转向。
- **联不联网、搜几次不同**：Surfer 的数据里，界面在 ChatGPT 上有 88% 的提示触发联网、接口只有 83%；另有平台界面为 100%。搜不搜、搜几个来源，直接决定谁会出现在答案里。
- **卡片和广告只有界面才有**：地图名片、商品轮播、带「推广」标识的广告位只画在 App 上。一份接口报告对这些一律返回零——你的产品在某个平台排进了商品卡，接口报表根本不知道。
- **位置和语言**：App 知道你所在的城市，接口默认不带城市；同一个问题在北京和在上海，答案可能不同。
- **追问过程不暴露**：模型回答前常先跑几轮检索、把问题拆成几个子问题，接口往往不返回这些子查询，你能看到的来源也就更少。
一句话：**接口给的是「模型会说什么」，界面给的是「客户看到了什么」。** 前者适合做对照实验，后者才是你要汇报的那份现状。
你可以用一个很简单的办法判断差距：拿三五个问题，同一个平台，一边在 App 里问、一边用接口问，把两次出现的来源列出来对比。如果两边重合的都不到一半，那么任何只基于接口的历史数据，都不该直接用来描述客户体验——它能说明趋势，但撑不起「客户现在能看到我们」这个结论。
先看这四件事，再决定信不信一份报告
不管是自研探针、第三方工具，还是服务商给的月报，拿到数字前先过这四问：
1. **从哪问的**：调接口，还是在消费者网页 / App 里问？报告里写没写？没写，就该打个问号。
2. **问的是不是客户真会问的话**：拿品牌名去问，AI 只会礼貌复述你的自我介绍；真正的测量要用「客户会遇到的那个问题」。
3. **跑了几个平台、几轮**：单平台单轮的结果，连自己都代表不了，更别说代表整体。
4. **记的是单次结果还是分布**：是「跑了一次，有没有提到」，还是「跑了五轮，五轮里出现几次」？后者才经得起下个月对比。
这四问不是挑刺，是省钱的。一份口径说不清的报告，给你的是**看起来精确、其实不可比**的数字——下个月再跑一次，涨跌都可能是换了个接口，而不是你真的变好了。
别用一次的结果下结论，AI 的回答本来就在变
就算入口选对了，还有一层：**AI 的回答本身不是固定的**。同一批问题重复问，结果会漂。
这也是为什么「单轮采样只是下限」。有研究把这件事讲成了数学结论——单轮问答里，「前面被引用过、后面就更容易被引用」的反馈项在数学上等于零，而真实使用是连着追问好几轮的，累积收益会超线性增长。所以自测时，**同一个问题在同一会话里追问 2 到 3 轮**，比只问一次更能反映实情。
另外，样本量决定你能下多细的结论。可见度在 50% 附近时，**20 个回答给出的区间大约是 30%–70%**，要收到 **45%–55%** 这样窄的区间，得攒到约 **400 个回答**。换句话说，用十几个样本算出来的「提升了 15%」，大概率只是波动。**只有两轮区间不重叠，才算真的变了。**
还有一条纪律：**别把几个平台合成一个「综合 AI 可见度」分数**。同一个品牌在五个引擎上的可见度，可以相差几十个百分点；把差异抹平成一个数，等于把最有用的信息删掉了。
落到汇报里就是：与其写「本季度 AI 可见度提升 15%」，不如写「在 A 平台的 20 个问题里，从 5 轮出现 2 轮变成 5 轮出现 4 轮；B 平台暂未观测到变化」。前一句听着漂亮但没法核对，后一句不好看，却经得起追问——而下个月的你，最需要的就是一句经得起追问的话。
想自己验一遍：三步，一个下午能跑完
你不需要先买工具，就能搭出一份能对比的基线。三步：
**第一步，定问题。** 凑 20 条客户真会问的话，分四类：品类推荐、场景痛点、对比选型、地域与预算。素材从销售被问过的话、客服接过的电话里抄，**不要用 AI 生成这份清单**——用 AI 出的题去问 AI，结果会偏乐观。这 20 条一旦定了就不要再改，下个月要拿它跟这个月比。
**第二步，用客户会用的那个入口问。** 就在浏览器或手机 App 里问，别用接口。每一条问题跑 3 到 5 轮，同一平台同一会话里连着追问 2 到 3 轮。
**第三步，按平台记三态。** 每一格只填三种状态之一：**没提到 / 提到但没给链接 / 提到并给了你网站的链接**；旁边再加两列——「那句描述跟事实对不对」和「它引用的来源是谁」。记「几次出现几次」，不记「有没有出现」。
这样一轮下来，你得到的是「问题 × 平台」的一张表，而不是一句感觉。这张表每两周重跑一次，才谈得上「有没有变化」。更细的自测方法，我们在这篇自测指南里单独展开过。
这套判断方法，也能用来挑工具和服务商
同样的口径，换个方向用，就是选供应商时的提问清单。当一个工具或服务商推销「AI 可见度监测」时，问三句：
- **「你们是从哪问的？」** 如果答案是接口、而且拿不出界面侧的对照，那它测的是「模型会说什么」，不是你的客户看到什么（NP Digital 对信任信号的研究 也指出，不同平台给出的可信信号分数差异极大，一份报告很难概括所有入口）。
- **「样本量多大、问我几个问题、跑几轮？」** 答不上来的，给你的是印象不是数据。
- **「能不能给我原始回答？不要截图。」** 能给原始回答、能让你自己复核的，才值得长期用；只给一张结论图的，慎用。
还有一条顺带提醒：**只给一个综合分的工具，直接跳过**。AI 可见度至少要拆成「有没有出现」「有没有给链接」「说的是不是事实」几件事，一个数要么遮掉了大部分信息，要么在几个平台之间做了没有根据的加权。
顺便说一句：这套问题清单也不是为了压价。恰恰相反，口径讲得清爽的供应商，反而更敢让你看到原始回答——因为他不怕你复核；怕你复核的，往往是把接口结果当客户视角卖的那一类。
你下周能做的三件事
1. **把 20 条问题定下来。** 来源是销售和客服手里真实被问过的话，不是你自己想的，也不是 AI 生成的。
2. **用客户用的入口，自己跑一轮。** 每条问题 3 到 5 轮，按平台记三态，两列补充信息（描述对不对、来源是谁）。
3. **拿到任何一份 AI 可见度报告，先问一句「从哪问的、跑了几轮」。** 答不清楚的，先把那个数字搁一边，别拿它去跟老板或客户汇报。
这三件事不需要预算，也不需要等谁批，一个下午就能起头。真正难的不是工具，是把测量的入口和口径先说清楚——因为**你测的入口，就是你汇报的那个世界**。
常见问题
我用某个工具查了，说我们被引用 30 多次，为什么客户在 App 里说没看到我们？
因为工具多半是调接口问的。研究测得 ChatGPT 的接口与消费者界面显示的域名平均只重叠约 12%，两家消费者界面之间平均只共享 5.4% 的显示域名，76.7% 的对比里一个共同域名都没有。先确认这份报告是从哪个入口问的，再决定信不信。
我该用哪些平台、每个问题跑几轮？
用目标客户真在用的那 2 到 3 个入口，在浏览器或手机 App 里问，不要用接口。同一个问题至少跑 3 到 5 轮，同一会话里追问 2 到 3 轮，记「几轮里出现几次」，而不是「一次有没有出现」。
一定要买监测工具吗？
不一定。20 条问题加浏览器界面加一张记录表，就能跑出一份能对比的基线；工具的价值在于省人力和长期留痕，而不在于替你决定测量口径。