免费 AI 可见度自查 vs 付费检测报告：差别到底在哪

数据核对时间：2026 年 8 月

免费自查能告诉你"AI 提没提到你"，付费报告要回答"为什么提、提得对不对、竞品凭什么排在你前面、下一步该改哪三件事"。核心差别在采样次数——单次提问的结果高度不稳定，同一个问题跑 10 次和跑 1 次，结论可能完全相反。

这篇文章先把自查方法完整给你，包括提示词模板和记录表；然后诚实地说明这套方法的三个天花板在哪。如果自查就够用，你不需要买任何东西。

一、先自己测一轮：完整方法

第一步：设计提示词

关键原则：用买家真会问的问法，不要加自己的品牌名。

加上品牌名（"XX公司怎么样"）的问句，命中率天然接近 100%，测出来的数字好看但毫无意义。你要测的是"买家不知道你存在时，AI 会不会主动提到你"。

四类提示词，各选 3–5 个，凑够 15 个：

A. 品类词（最重要）

• best [产品品类] suppliers in China
• top [产品品类] manufacturers for [目标市场]
• reliable [产品品类] factory with CE certification
• who makes the best [产品品类] for wholesale

B. 场景/需求词

• I need [产品品类] with MOQ under [数量], who should I contact
• looking for OEM [产品品类] supplier for small business
• 找 [品类] 代工厂，起订量低的有哪些

C. 对比词

• [竞品A] vs [竞品B] which is better for [场景]
• alternatives to [行业内知名品牌]
• [品类] 供应商怎么选，有哪些推荐

D. 验证词（测描述准确性）

• tell me about [你的公司英文名]
• is [你的公司名] a factory or a trading company
• [你的公司名] 的资质和产能情况

外贸企业特别提醒：A、B、C 三类一定要用英文测，因为你的买家用英文问。用中文测出来的结果，反映的是国内认知，不是海外买家看到的东西。

第二步：规范采集环境

这一步决定数据有没有用：

• 清除会话历史，或使用无痕/临时对话。带着历史记录问，模型会受之前对话影响
• 注意网络环境。测海外买家看到什么，不能用国内网络。这一点在国内做外贸的企业几乎都会踩
• 不要登录带有个人记忆的账号，或关闭记忆功能
• 每个问题至少跑 3 次，理想是 5 次以上
• 同一天跑完，跨日数据不要混

第三步：用这张表记录

建议覆盖的引擎：ChatGPT、Perplexity、Google AI Overviews（直接在 Google 搜英文问句即可）、Gemini。如果国内业务占比高，再加豆包、DeepSeek。

第四步：算三个数字

跑完 15 个提示词 × 3 次 × 4 个引擎（共 180 次观测）后，你能算出：

• 可见度分数 =（至少出现过一次的提示词数 ÷ 15）× 100
• 稳定性 = 出现次数 ÷ 总运行次数（这个数字比可见度更能说明问题）
• 错误描述清单 = D 类问题里所有说错的事实

二、怎么读自测结果

自查最大的价值不是拿到分数，是定位问题在哪一层。对照下表：

第四行值得单独强调。 对外贸企业来说，AI 把你的成立年份、认证资质、产能、起订量、工厂还是贸易公司说错，等于替你向买家做负面报价。这类问题往往几天就能改掉，是所有 GEO 动作里性价比最高的一项。

三、手动自查的三个天花板

说完能做什么，说说做不到什么。

天花板 1：采样次数不够，结论可能是反的

这是最根本的限制。生成式引擎的输出是非确定性的——Profound 在其购物类研究中的做法是，对同一提示词运行 10 次以上才把某个出现率视为稳定值；其数据显示，ChatGPT Shopping 中约 95% 的商品标题在同一提示词的重复运行中出现率不足 30%。

含义：一个确实会被推荐的品牌，随手跑三次也很可能"没出现"。反过来，跑三次出现一次，也不代表真的被推荐。

EMARKETER 首席分析师 Nate Elliott 的说法很直接：传统搜索里同一个问题问十遍，你基本知道结果会是什么；生成式回答几乎每次都不同（EMARKETER，2026）。

手动跑 15 个词 × 3 次 × 4 个引擎已经是 180 次操作，大约需要一整天。要跑到 10 次采样、50 个提示词，工作量就是不可行的。

天花板 2：没有竞品基线，数字无法解读

你算出可见度 30%，这是好是坏？取决于竞品是 5% 还是 70%。

而且竞品对照是唯一能区分"优化生效"和"引擎变化"的手段。Google AI Mode 与 ChatGPT 引用的来源每月有 40%–60% 发生变化（Search Engine Land 相关统计，2025–2026）——如果你和竞品同步上涨，那是引擎变了；只有你涨，才可能是你做的事起了作用。

手动测 3 家竞品，工作量直接翻四倍。

天花板 3：看不到信源归因的全貌

你能看到单条回答引用了哪些链接，但看不到整个提示词集合的引用分布：AI 在回答你这个品类的问题时，最常引用的 10 个域名是什么？其中有几个是你能影响的？竞品是通过哪些站外页面进入候选集的？

这一层决定了预算该投向站内还是站外，而它需要规模化采集才能看出来。

四、付费报告多出来的是什么

不是"更好看的图表"，而是四层手动做不到的信息：

1. 多轮采样与置信度 每个提示词跑到统计上可信的次数，并给出稳定性区间，而不是一个孤立的百分比。

2. 信源归因 整个提示词集合的引用域名分布，告诉你 AI 在这个品类里到底信任谁，以及你的差距在站内还是站外。

3. 竞品声量份额 同一套提示词、同一时间窗口下的横向对比，这样你的数字才有意义。

4. 优先级排序 把发现的问题按"改动成本 ÷ 预期收益"排序。这一层是经验判断，也是报告和数据导出的根本区别。

关于一份报告该包含哪些具体指标，我们写在一份合格的 GEO 报告应该包含哪些指标，里面有一张 12 条的验收清单，你可以拿它来检验任何一家服务商的报告，包括我们的。

五、什么时候该升级，什么时候不用

不用升级的情况：

• 目标市场单一、可测提示词不超过十几个
• 自查后发现的主要是错误描述类问题——改掉就行，不需要额外数据
• 还没有人负责执行。没有执行方的报告等于没买

建议升级的情况：

• 打算投入五位数以上预算做 GEO——基线检测的成本通常不到首月服务费的十分之一，但它决定了后面每个月的钱能不能被验证
• 需要向老板或客户证明效果，需要可复现的方法论
• 同时做多个市场或多条产品线，手动测不过来
• 自查发现"品类词里完全没有你"，需要知道竞品是怎么进去的

关于先测还是先做，我们完整讨论在GEO 报告 vs GEO 代运营。

常见问题

问：这套自查方法真的能自己做完吗？ 能，15 个提示词 × 3 次 × 4 个引擎大约需要 4–6 小时。建议分两天做完，第一天先跑 ChatGPT 和 Perplexity，把记录表填熟。

问：为什么不能问"XX公司怎么样"？ 因为这类问句里已经包含品牌名，AI 必然会围绕它回答，命中率接近 100%。它只能用来测描述准确性（D 类），不能用来测可见度。这也是很多服务商案例里"可见度 78%"看起来很高的原因之一——问句本身带了品牌名。

问：用手机 App 测和网页版测结果一样吗？ 不一定。不同入口的模型版本、联网设置、记忆功能可能不同。关键是保持一致，全程用同一种方式，否则前后数据不可比。

问：测出来完全没有我，是不是没救了？ 不是，这是大多数中小外贸企业的起点状态。有意义的下一步是搞清楚 AI 在回答这类问题时引用了谁——那些域名就是你需要出现的地方。

问：多久自查一次？ 建议每季度一次，用完全相同的提示词和采样次数。变量控制比频率更重要，换了问法的两次测量没有可比性。

问：免费工具能替代手动自查吗？ 可以省时间，多家产品提供免费的一次性诊断。但要注意两点：一是它跑几次通常不说明，二是提示词由工具生成，未必是你买家真会问的。建议至少手动跑一遍你自己设计的品类词，这是别人替代不了的。

先看看你现在的位置

如果自查之后你想要竞品对照和信源归因，那是付费报告的部分。

妙蛙GEO 检测报告：用买家真实会问的问题多轮采样，覆盖海内外主流 AI 引擎，包含竞品对照、信源归因与错误描述核查，交付一份可复测的基线和按性价比排序的行动清单。

👉 查看报告样例 ｜ 下载免费自查清单

作者：妙蛙GEO 研究团队 首次发布：2026 年 8 月｜最后更新：2026 年 8 月 本文的自查方法可自由使用与转载，注明出处即可。