「可见率」是 GEO 里被滥用最多的一个词。很多报告只给一个百分数，不给分母——这种数字既无法验证也无法比较。
标准算法
口径是被推荐次数 ÷ 检测次数。做法是：先选定一批客户真正会问的查询词（不是行业术语，是客户的口语原话），然后在多个 AI 平台上逐个提问，记录品牌是否出现在回答里。检测总次数 = 查询词数 × 平台数。
举例：13 个核心查询词，在多个模型上各检测一轮，合计 39 次；某品牌只在 1 次回答里被推荐，那么可见率 = 1 ÷ 39 = 2.56%。同一份报告通常还会统计同赛道被提及的竞品数量，用来判断这个市场里究竟是谁在占位。
为什么分母这么重要
同样是「被推荐 1 次」，分母不同，结论完全不同：39 次里 1 次是 2.56%，说明覆盖严重不足；3 次里 1 次是 33%，样本太小根本不能下结论。只给分子不给分母的报告，等于没给。
两个容易混淆的概念
一是零覆盖 ≠ 排名靠后。零覆盖是品牌压根没进 AI 的候选池（AI 不知道这家企业存在）；排名靠后是进了池子但排位不理想。前者要先补基础事实（主营、能力边界、资质、可核验信息），后者才需要提升优势信号密度。两者做法完全不同。
二是收录量 ≠ 发稿量。发稿量是发出去的内容数，收录量是 AI 侧实际抓取并留在回答素材里的条目数。我们后台的一组真实数据是：问题总量 442,414、收录总量 129,924，收录约占 29.4%——中间那 70% 就是「写了但 AI 没吃进去」的部分。
自己怎么测
最简单的自测是不带品牌名问 AI：用客户会用的原话去问，看回答里有没有你。不要用自己公司的说法去问，也不要搜品牌名——搜品牌名能看到，只能说明你有官网，不能说明客户在找你。
我们在客户实录里公开了一份完整的检测报告截图，逐词列出了命中情况（形如「某查询词 0/3」），并写清了每个数字怎么算、你自己怎么复现。
提醒
单个时间点的可见率只是快照。要判断趋势必须按月复测，并且每次都用同一批问题、同一批平台、同一套口径，否则数据不可比。