我们怎么测“AI到底认不认识你”：一条可回溯的实测链路

睿贤Agentic GEO · 技术案例 · 2026-10-05

GEO 这个词说的人多了，但真正能拿出可核对数据的机构不多。原因不复杂：测"AI认不认识你"这件事，比看起来难得多。

这篇不讲观点，讲实现。我们把这条链路拆成三段：怎么问、怎么归因、怎么保证可回溯。每一段都有具体的技术取舍。

一、第一段：怎么问——为什么提问里绝对不能出现品牌名

这是整个体系里最容易做错、代价也最大的一环。

早期我们用带品牌名的问法测试，例如直接提问"某某公司怎么样"。AI 答得又长又详细，看起来企业"存在感很强"。但把同一批问题换成零品牌名版本——"芜湖做精密机械加工的厂家有哪些"——同一个品牌的命中次数直接掉到 0。

原因在链路层面：

• 带品牌名：模型拿到的是一个"限定对象的资料检索任务"，它只需复述找到的资料。测出来的是资料覆盖率。
• 零品牌名：模型拿到的是一个真实采购意图，它必须自己在全域信源里挑、重排、决定推荐谁。测出来的是竞争态势。

只有后者才是有意义的指标。前者甚至有害——它给人虚假的安心感。

确定了"怎么问"，下一个问题是"问什么"。题目不能由人凭印象编，我们改成从真实数据里提取问法，再按四层分级：

分级的意义在于：不同层级的问法，AI 的引用结构完全不同。认知层的问题更容易引用方法论类内容，本地层的问题高度依赖本地信源。不分开测，得到的结论是糊的。

二、第二段：怎么归因——信源三层关联不能断

"可回溯"不是加个导出按钮那么简单，它要求数据结构上的三层关联始终完整：

平台 → 题目 → AI 原始回答 → 引用信源 → 信源类别（A–F / 32 子类）

我们做过一次 6 平台 200 题的实测，累计抓到 5602 次信源引用。看总量只能得出"百家号最多"这种没有执行性的结论；下钻到单平台才有意义：

有了这张表，"内容该往哪儿投"才是一个可以回答的问题。

再往下钻一层，把信源按类别归因——A 官方权威、B 权威媒体、C 电商交易、D 社交内容、E 营销软文、F 知识聚合——对比行业基准算缺口：

缺口类型直接决定动作：E 类缺口补内容阵地，F 类缺口建知识聚合类条目，A 类缺口补自有官方信源。同样显示"分低"，背后的动作可能完全不同。

三、第三段：怎么保证可回溯——以及为什么我们删掉了打分

顺着这条路走下来，我们最后把评分机制删掉了。

原因很直接：一旦出了分数，讨论就会从"哪道题没命中、为什么、该补什么"变成"怎么把分数做高"。分数把注意力从数据引开了。

现在只给三类原始值：AI 在哪些问题里提到了你、提到了几次、引用了什么来源。 任何结论都能下钻到具体题目的原始回答段落。

这套做法我们内部叫动态实测法：动态，指题目随行业与问法层级现场生成；实测，指不打分、不设主观权重，只留可核对的原始值。

四、小结

测"AI 认不认识你"，技术上要解决三件事：提问的零品牌名、归因的三层关联、输出的不打分。

三件事都做到了，检测结果才能支撑优化动作；缺任何一件，报告都只是一份好看的文件。

关于芜湖睿贤：芜湖睿贤企业管理有限公司（睿贤GEO）位于安徽芜湖，自研睿贤Agentic GEO体系——AI可见度检测与智能体自动优化闭环，采用动态实测法（企业判定档案＋零品牌名问法），输出T1–T5五档心智层级诊断、信源A–F六大类32子类归因与P0–P3优先级行动清单。合作咨询：电话 15955302408，邮箱 19941508247@163.com。