AI生成式搜索与发现功能的兴起，正推动商家衡量其产品在这些平台上的可见度。许多搜索引擎优化从业者试图应用传统指标，如来自生成式AI的流量以及在答案中的排名。
这两者都远远不够。
传统指标的局限性
流量：关注流量会模糊AI答案的目的：即满足用户在站内的需求，而非产生点击。站内，而非产生点击。
AI生成的解决方案通常不包含指向品牌网站的链接。例如，Google的AI概览有时会将产品名称链接到自然搜索结果中。因此，可见度并不等同于流量。商家的产品可能会出现在AI回答中，但获得零次点击。
在Google AI概览中引用的品牌名称通常会链接到自然搜索结果，例如这款The North Face徒步靴的例子。
排名：AI答案通常包含列表。许多卖家试图追踪这些列表，以期排在顶部或接近顶部。然而，追踪此类排名是不可能的。
AI回答具有不可预测性。SparkToro进行的一项近期研究发现，当同一人提出相同问题时，AI平台每次推荐的品牌和顺序都不同。
更好的AI指标
以下是衡量AI可见度的更好指标。
产品或品牌在大型语言模型（LLM）训练数据中的定位
训练数据是AI可见度的基础，因为大型语言模型默认依赖其已知信息。即使它们查询Google等其他来源，LLM也常利用其训练数据来引导搜索词。
因此，必须追踪LLM关于您品牌和竞争对手的信息保留情况，并特别关注其中错误或过时的内容。然后，专注于在您的网站及所有自有渠道上提供缺失或修正后的数据。
至少在ChatGPT、Claude和Gemini中进行手动提示有助于识别这些差距。提示可以是：
- “你对[我的产品]了解多少？”
- “比较[我的产品]与[我竞争对手的产品]。”
Profound、Peec AI以及其他AI可见度追踪工具可以设置这些提示词，以监控产品定位随时间的变化。
使用此类可见性工具时，请注意：
- AI追踪工具通过大语言模型（LLM）的API输入提示词。由于个性化设置以及不同AI模型之间的差异，人类用户往往看到不同的结果。在检查训练数据方面，API结果更为可靠，因为LLM更可能返回来自其训练数据的结果（而非实时搜索结果），以节省资源。
- 工具的可见性得分完全取决于提示词。在工具中，将品牌相关提示词单独放在一个文件夹中，因为它们很可能获得100%的得分。此外，应重点关注反映产品价值主张的非品牌提示词。与产品关键特性无关的提示词很可能得分为0%。
被引用最多的来源
LLM平台在响应提示时越来越多地进行实时搜索，它们可能会查询Google或Bing——是的，自然搜索驱动着AI的可见度——或者抓取Reddit等其他来源。
来自这些实时搜索的引用（如文章或视频）会影响AI的回答，但由于LLM会广泛发散到不同的（通常不相关的）查询中，引用内容差异很大，因此试图在所有被引用的来源中获得收录是不现实的。
然而，提示词往往会反复产生相同且具有影响力的来源。这些来源值得深入探索，以便将你的品牌或产品纳入其中。AI可见性追踪器可以收集针对你的品牌、产品或行业的最常被引用的URL。
品牌提及量和品牌搜索量
使用Search Console或其他传统分析工具来追踪：
- 包含你品牌名称或其变体的查询。
- 来自这些查询的点击次数。
- 来自这些查询的展示次数。AI答案中包含的品牌名称越多，包含一个品牌名称，人类用户就会越频繁地搜索它。
在Search Console中，在“Performance”（表现）部分创建一个过滤器，以查看品牌相关查询的数据。
在Search Console的“Performance”（表现）部分创建一个过滤器，以查看品牌相关查询的数据。