案例背景：70 次「提问 × 平台」
2026 年 9 月，我们为一家稀土新材料企业（山东济宁，应客户要求脱敏，下称 M 企业）跑了一次完整的 AI 可见度检测：围绕它的产品词、品类词、地域词，设计了 10 条真实客户会问的探针问题，在 DeepSeek、通义千问、智谱 GLM、Kimi、腾讯元宝、豆包、文心一言 7 个平台各跑一遍——共 70 次「提问 × 平台」，每一次的回答都留档可复现。本文所有数字都来自这份报告。
总体画像：42.4 分，中游，「有印象，但没放在前面」
M 企业的综合认知分是 42.4（满分 100，行业中等水平）。拆开看：品牌曝光率 54.3%（70 次提问里被提到 38 次）、主动推荐率 28.6%、TOP 进前 3 率 30%。一句话概括：AI 知道它存在，但多数时候只把它当「也可以」的选项，而不是第一顺位的推荐。
平台落差：从 90% 到 0%，同一家企业是七幅画像
最有意思的是分平台数据。文心一言 90% 的提问能提到它，通义千问 80%、腾讯元宝 70%；智谱 GLM 和 Kimi 各 50%；豆包 40%；而 DeepSeek——10 次提问，0 次提及，0 次推荐。同一家企业，在不同 AI 眼里几乎是七家不同的公司。这说明 GEO 不是「一次优化全网生效」，必须分平台看缺口、分平台补内容。
关键发现一：前半段露出率只有 48.6%
报告里最该警惕的一个数字：前半段露出率 48.6%。意思是——即使 AI 提到了 M 企业，也有超过一半的情况是在回答的后半段才出现。而多数采购者的习惯是只认真看前半段答案。被提到但排在后面，效果约等于没被提到。这是典型的「位置缺口」，可以通过补结构化内容、强化资质与案例信号来改善。
关键发现二：323 条引用来源，暴露了内容盲区
70 个回答背后，AI 一共引用了 323 条来源。其中绝大部分是通用信息源（307 条），行业 B2B 平台 6 条、百科 5 条、三方媒体 3 条，官方自媒体只有 1 条。结论很直接：AI 关于 M 企业的信息，几乎全来自它控制不了的三方渠道，官方自己发布并被引用的内容近乎为零。这就是品牌知识档案要解决的问题——给 AI 一个可信、一致、可引用的官方源。
引用源的结构：三个特点，一个趋势
把 323 条引用来源摊开看，有三个特点。一是通用信息源占绝对大头（307 条，约 95%），行业 B2B 平台只有 6 条——AI 认识这家企业，靠的几乎不是行业渠道。二是官方自媒体只被引用 1 条：企业自己的声音在 AI 眼里近乎缺位，它「是什么样」基本由三方渠道转述决定。三是百科（5 条）、企业信用（1 条）这类底账信息虽然存在，但都很单薄，撑不起第一顺位推荐的信任。趋势上，我们近期的检测观察是一致的：AI 的引用来源正在从「认百科」向「认结构化内容」分散，行业垂类平台与官方口径一致的内容权重在上升——谁先把垂直渠道的结构化内容补齐，谁先吃到这波引用红利。这也是我们给 M 企业排的第一个动作落在知识档案上的原因。
我们接着做的三件事
检测只是底子。针对 M 企业的报告，我们排了三个动作：一是重校准品牌知识档案，统一 7 个平台能抓到的企业信息口径；二是按平台缺口补内容——DeepSeek 和豆包是重灾区，优先补它们偏好的结构化素材；三是逐周复测，用同样的 70 次提问看变化，把每一次的数字（含不理想的部分）都记进档案。AI 收录需要 1–3 周，像样的变化要看 1–3 个月。
这份报告对其他企业的意义
M 企业不是特例。我们检测过的企业里，「部分平台能提到、部分平台完全不认识」是常态。如果你从没测过自己的品牌，建议先跑一次基线检测：知道自己此刻在 7 个 AI 平台眼里是什么样子，比急着发任何内容都重要。云途的免费检测就是这个用途——先看清现状，再决定补哪里。
常见问题
为什么要把公司名脱敏？
检测报告涉及企业的真实曝光数据和竞争位置，未经授权公开具名信息不合适。本文已获客户授权发布脱敏版：所有数字真实未改，仅隐去公司名与可识别信息。
综合认知分 42.4 是好是坏？
中等水平。可以理解为「AI 有印象，但没放在前面」：54.3% 的曝光率说明一半左右的提问能提到它，但 28.6% 的推荐率和 48.6% 的前半段露出率说明它很少被第一顺位推荐。对采购决策而言，后半段的出现约等于缺席。
DeepSeek 完全不提及，还有救吗？
有。不同平台的收录机制和内容偏好不同，0 提及通常意味着该平台尚未收录足以引用你的信息源。针对性补结构化内容、建立该平台可抓取的权威源之后，一般 1–3 周可见收录，1–3 个月可见引用变化。我们逐周复测来验证。