这是就绪度审计,不是提及监测
← 返回扫描器对比

你需要哪一种测量?

四种不同的测量都被叫作「AI 可见度」。它们使用不同的数据,可能彼此矛盾,也没有哪一种能取代其余几种。本页是一张地图:每一种回答什么、需要什么,以及在哪里停下。

作者 Alex Xu(英文)最后审阅于

问题通常被表述为「我在 AI 搜索里有多可见?」,而这个说法把选择藏了起来。一个站点可以对爬虫完全可读,却从未被提及;它可以出现在回答里,而被引用的页面属于别人;它可以在传统搜索里排第一,却不在其上方的助手面板里。这每一种都是不同的测量,而测错了那一种,正是一个团队花一个季度去优化一个并不描述问题的数字的方式。

本页把四种测量并排放置。最常被彼此混淆的那两种各有自己的页面,表中链接了一次,结尾还会再链接一次。

这四种测量分别是什么?

每一行都是读者可能购买、自建或手动运行的一种测量。最能平息争论的是最后一列。

测量它回答的问题它需要的数据它无法告诉你的事
就绪度审计 (本站,英文)爬虫能否访问这个页面、解析它,并找到回答所需要的内容?你的 URL 被抓取一次,加上 robots.txt、llms.txt 和 sitemap;页面响应会按已公布的规则评分。是否有任何引擎真的提到或引用你。它测量的是就绪度,不是回答。
品牌提及监测我的品牌是否在 AI 回答中被点名,频率如何,出现在什么语境中?一套问题集和对模型响应的访问权限、一个品牌名及其别名,以及一种按时间统计出现次数的方法。被引用的页面是否属于你,或者一次提及为何出现。提及不是引用。
排名监测在传统搜索结果中,我的页面在一组关键词下出现在哪里?按计划收集你关心的关键词、国家和语言对应的搜索结果页。助手是否会引用或推荐你。排名位置和回答是不同的界面,而回答可以谁都不引用。
爬虫与服务器日志分析哪些 AI 爬虫抓取了我的页面、在什么时候,以及它们收到了什么?你自己的服务器或 CDN 日志:user agent、路径、状态码和时间戳。这是四种测量中唯一在你自己控制的基础设施上进行的。一次抓取是否变成了引用。爬虫抓取的页面远多于任何引擎引用的页面,而日志里的一个 200 并不等于一次提及。

我应该从哪一种测量开始?

从失败可以由你自己修复的那一种测量开始。这通常是就绪度审计,因为它读取你控制的页面,而且每一条未通过的检查都会指出一处修改。

  1. 如果爬虫访问情况未知,先做审计。它在本站免费,只读取一个 URL,而且它应用的每条规则连同分值都公布在方法页上。一次被屏蔽的抓取,会让另外三种测量都在描述一个没有引擎能读取的页面。
  2. 如果页面可读,而问题是存在感,你需要品牌提及监测。它用不同的数据源回答不同的问题,而与 DataForSEO 产品的对比说明了边界在哪里。
  3. 如果搜索流量仍然在养活业务,排名监测仍然是一项真实测量,测的是你的客户依然在点击的那个界面。它只不过不是对助手回答的测量。
  4. 如果你怀疑爬虫在边缘被拒之门外,去读日志。你的 CDN 是唯一能看到针对 bot 的 403 的地方,这也是为什么那项研究会用一次模拟浏览器的第二次请求,来区分策略屏蔽和网络屏蔽。

一种测量能代替另一种吗?

不能。这四种测量位于同一条管道的不同位置,而每一种恰好在下一种开始的地方失明。就绪度分数看不到回答。提及次数看不到被引用的页面。排名位置看不到推荐。抓取日志看不到引用。

这就是为什么这里有用的对比内容是关于如何在它们之间选择,而不是宣布一个赢家。扫描器在 12 个加权维度上运行 40 项检查,仅 AI 爬虫访问一项就占分数的 16%,因为无法被抓取的页面就无法被读取。相比之下,AI 上下文文件占分数的 5%——一个真实的信号,但被有意保持得很小。这些权重描述的是就绪度;它们对引擎是否会选中你只字未提。

这些页面接下来去哪里?

关于选择测量的问题

就绪度分数等同于 AI 可见度吗?

不是。就绪度分数是关于你页面的陈述:爬虫能否访问它们,以及它们是否携带回答所需要的内容。AI 可见度是关于回答的陈述:引擎是否点了你的名。一个页面可以既就绪又未被提及,而一次提及也可以在被引用页面并不属于你的情况下发生。

四种测量我都需要吗?

几乎肯定不需要。从就绪度审计开始,因为它免费,而且它的失败可以在你自己的页面上修复。当你有值得被引用的页面时,再加上提及监测;如果搜索流量仍然重要,再加上排名监测;只有当你怀疑爬虫被拒之门外时,才需要日志分析。

本站运行的是这四种中的哪一种?

就绪度审计:在 12 个加权维度上共 40 项检查,每次针对一个 URL 运行。它不查询引擎、不统计提及,也不读取你的服务器日志,所以上面四行中有三行描述的是本站有意不销售的测量。

证据与来源

GEO can boost visibility by up to 40% overall in generative engine responses, and in the paper's Table 1 the best of the tested methods improve on the no-optimization baseline by 41% and 28%. — Generative Engine Optimization, KDD 2024

就绪度的权重遵循那项测量,而不是个人偏好。分数看不到什么,写在方法页上,而不是由这个数字去暗示。

Primary sources