AI 搜索时代很多潜在买家不需要进入网站。他们在 ChatGPT 里把供应商筛好了，直接带着采购需求来找供应商。
这就需要思考一个问题：在 AI 搜索时代，你怎么知道自己有没有被看见？
一、旧地图找不到新大陆
传统 SEO 关注点：关键词排名、SERP 位置、点击率、跳出率
但现在情况变了。
一个美国采购经理找供应商的路径可能是这样的：先在 ChatGPT 里问"best metal fabrication suppliers in China"，看了几个名字。
然后追问"which ones specialize in automotive parts"。
再缩小到三家，分别问"what are the downsides of Supplier X"。
全程一个网页都没打开。
如果他最后选了你的竞品，你连自己怎么输的都不知道。
这就是我今天想聊的问题。
Search Engine Land 最近有一篇文章讲得很透彻——AI 搜索里没有传统意义上的"排名"。
同一个问题，不同用户、不同时间、不同对话上下文，结果都可能不一样。
你没法像盯 Google 排名那样盯 AI。
但也不是完全没办法。
今天这篇文章，我把自己消化理解后的框架整理出来，希望能帮到有同样困惑的朋友。
二、先接受一个事实：AI 可见性是概率问题
我刚开始研究这件事的时候，最想不通的就是——为什么每次问 ChatGPT 同样的问题，答案会不一样？
后来慢慢明白了。影响 AI 回答的因素太多了：对话历史、用户所在地、个性化设置、模型版本、有没有开联网搜索、甚至问的时间不同，结果都可能变化。
所以别想着在 AI 搜索里锁定一个"第一名"。这不现实。
换个思路：把 AI 可见性理解成一个概率问题。你的品牌在相关对话中出现的比例是多少？是稳定上升还是下降？跟竞品比怎么样？这些问题比"排第几"更有意义。
关键心态转变： 从"我要排第一"变成"我要被提到，被正向描述，并且比竞品出现得更频繁"。
三、别只盯关键词，建一个 Prompt 库
做传统 SEO 的时候，我们会花大量时间做关键词研究。搜索量、竞争度、长尾词、LSI 词……但 AI 搜索场景下，光有关键词不够。
买家不是在搜索框里敲两个词就完事了。他们在对话。
我整理了一下，一个买家从产生需求到最终决策，大概会经历这些阶段，每个阶段问的问题完全不同：
① 发现阶段 — "最好的中国注塑模具供应商有哪些？"
买家还不知道你是谁，只是在探索选项。
② 对比阶段 — "Supplier A vs Supplier B，哪家更适合汽车零部件？"
你已经进入候选池，但还没赢。
③ 评估阶段 — "Supplier A 支持小批量试单吗？交期一般多久？"
买家在认真考虑你了。
④ 验证阶段 — "Supplier A 真的靠谱吗？有什么坑？"
这是最容易被忽视但最关键的一步。
⑤ 替代方案 — "除了 Supplier A，还有什么更便宜的选择？"
你可能因为价格被替换掉。
看到了吗？如果你只盯着"mold manufacturer China"这一个关键词，你只能覆盖发现阶段。后面四个阶段发生了什么，你完全不知道。
我的建议是：按购买阶段来建 prompt 库，而不是按搜索量。覆盖买家从"不知道你"到"决定选你"的全过程。
四、单条 Prompt 不稳，要看"簇"
这是我踩过的一个坑。
最开始我做测试，拿一条 prompt 反复跑，看品牌出现没出现。但发现今天有明天没的，波动很大，根本没法做判断。
后来换了个做法：把意思相近的 prompt 归到一个"簇"里一起看。比如：
-
类别簇： "best CNC machining service" / "top CNC machining companies" / "CNC machining service recommendation" -
行业簇： "CNC machining for medical devices" / "precision machining for healthcare" / "medical grade CNC supplier" -
功能簇： "CNC machining with 5-axis capability" / "precision CNC ±0.001mm tolerance" / "high precision CNC machining service"
单条 prompt 的结果可能因为模型随机性而波动。但 10 条、20 条同类的 prompt 加在一起看，趋势就稳多了。你的提及率是 30% 还是 60%，竞品是涨了还是跌了——这些数字才有参考价值。
小提示： 不要只靠 AI 生成 prompt。AI 生成的 prompt 太"标准"了，真实买家问得更口语化、更零碎。建议结合客户邮件、询盘内容来补充真实 prompt。
五、五个核心指标，比排名好用得多
既然传统排名不好使了，那该看什么？我结合原文框架和自己的理解，总结了五个维度：
① 被提及率（Inclusion Rate）
在你追踪的所有 prompt 中，品牌被 AI 提到的比例。比如你追踪了 200 条 prompt，品牌出现在其中 80 条里，inclusion rate 就是 40%。
这个数字最好按行业、地区、购买阶段拆开看——整体均值经常掩盖问题。
② 回答中的位置（Position）
被提到不等于被推荐。品牌是第一个被列出的？还是在"其他选择"那一栏？
如果是表格对比，你出现在第一列还是最后一列？位置直接影响买家对你的第一印象。
③ 品牌描述方式（Brand Framing）
AI 是怎么介绍你的？"行业领导者"和"适合小批量订单"都是正面描述，但指向完全不同的客户群。
你需要持续观察 AI 对品牌优势、弱点、价格、理想客户画像的描述有没有跑偏。
④ 情感倾向（Sentiment）
不是简单的"好话/坏话"。
比如"generally considered the strongest option"和"may be worth considering"——都是正面的，但推荐的力度差很远。
要注意 AI 语气中的确定性强弱。
⑤ 竞品声量份额（Competitive Share of Voice）
你被提到了 40%，这个数字本身没有绝对好坏。但如果竞品从 20% 飙到 55%，那就值得警惕了。反过来，如果你的 inclusion rate 没变但整个类目都在下降，可能是模型更新的锅，不是你品牌出了问题。
这五个指标放在一起看，比单独盯任何一个都靠谱。
六、多轮对话比单轮重要得多
有一次我模拟一个买家的完整路径，印象很深：
第一轮问"best packaging machine manufacturers in China"，我关注的品牌根本没出现。当时心里一凉。
但继续往下走。第二轮追问"which ones are good for food-grade packaging"，品牌开始出现在列表里。第三轮问"how does Brand X compare to Brand Y in after-sales support"，品牌成了被重点讨论的对象。到了第四轮价格对比，品牌已经被 AI 当作"中高端首选"来推荐了。
如果我只测第一轮，结论就是"品牌没被看见"。但事实完全不是这样。
买家的 AI 搜索路径通常是一个逐步收敛的过程——从宽泛到具体，从探索到决策。你必须在完整的对话链路里追踪品牌表现，不能只看第一问。
"真正的 prompt 追踪应该评估完整的 conversation path，而不是单次问答。"——这是原文里我最有共鸣的一句话。
七、别被工具宣传忽悠了
这两年 AI 可见性工具冒出来很多。老实说，功能都差不多：建 prompt 库、竞品对比、citation 追踪、趋势报告。
但它们有一个共同的局限——没有任何平台能看到"所有真实的 AI 对话"。
ChatGPT、Claude、Gemini 这些平台不会把用户对话数据开放出来。现在的工具都是靠"控制好的 prompt 库 + 可重复测试环境 + 抽样交互"来给出一个代表性视图。它有用，但不是全量真相。
这一点我特别想强调，因为我见过太多人被 vendor 的销售话术带偏了。人家说能"监测 AI 品牌可见性"，你就以为是全量数据——其实不是。现阶段能做到的就是趋势追踪，不是精确归因。
接受这个现实，反而能让你更务实。
八、一个可以马上动手的框架
说了这么多，具体怎么做？我把原文的建议消化后，整理成四个层面：
① 可见性层 — 追踪 inclusion rate、竞品声量份额、prompt 覆盖度、模型覆盖度。
回答"品牌被看到了吗"。
② 内容质量层 — 追踪品牌在回答中的位置、描述方式、情感倾向、信息一致性。
回答"品牌被怎么描述的"。
③ 技术信号层 — 追踪 citation 频率、内容检索成功率、实体一致性、内容新鲜度。
回答"为什么品牌被这样描述"。
④ 业务结果层 — 追踪 AI 推荐带来的流量、辅助转化、品牌搜索增长、直接流量趋势、受 AI 影响的询盘。
回答"可见性有没有转化成业务"。
这四个层面不需要一次性全建好。我的建议是：先把可见性层的基线跑出来，再逐步往下深入。
九、外贸独立站怎么落地
一直在想怎么把这套东西落到 B2B 独立站上。目前总结了几条比较务实的做法：
-
建一份高意图 prompt 库，覆盖发现、对比、验证、替代、实施等阶段，按行业、国家、产品线分组。 -
用真实客户语言补充 prompt，不要只靠 AI 生成。翻翻询盘邮件、客户调研——这些才是买家真实在问的东西。 -
定期跑 prompt 库，记录品牌出现的位置、语气、竞品对比方式。不用每天跑，一周一次或两周一次就够了，重点是看趋势。 -
把 AI 可见性数据和业务数据放在一起看——询盘量、品牌搜索量、直接访问量，这些数据结合起来才能讲完整的故事。
这套方法还在不断完善中，但至少比"盯着一个不存在的 AI 排名"强太多了。
十、写在最后
这篇文章想传递的核心信息其实就一句话：
在 AI 搜索里，品牌有没有被推荐，比页面排第几重要得多。
SEO 没有死。但测量逻辑确实变了。
过去我们看排名、看流量、看点击。
现在要看：品牌有没有被纳入回答、在第几个被提到、被描述成什么样、在竞品中保持了什么位置。
不要求完美数据。先建基线，再看趋势，边测边调。
这是我目前对 AI 搜索可见性这件事最真诚的建议。
参考来源：Search Engine Land - How to measure prompt-level visibility in AI search (Casey Nifong, 2026-07-06)
关于外贸老船长
专注外贸独立站运营与 B2B 数字营销。分享一线实战经验，不写官样文章。
觉得有用？转发给也在焦虑 AI 搜索的朋友。