一个被反复问起的问题
做 GEO 的品牌方常问我们：能不能给一个 AI 可见度总分，像 SEO 时代的权重那样，一个数字看全局。
我们的回答是不给。这不是因为做不出来，而是因为做出来会误导。
先看一组事实。Semrush 2026 AI Visibility Index 覆盖 2026 年 1—7 月共 7 次月度测量，ChatGPT、Gemini、Google AI Mode 使用固定月度提示池（英国 250 万条、美国 2500 万条），Google AI Overviews 使用真实搜索关键词的更大规模变长数据集，按 22 个行业各导出最多 1 万个提及品牌域名与 1 万个被引来源域名。其核心结论之一是：平均不到一半的 Top100 提及品牌同时进入 Top100 被引域名，7 个月、两个市场皆然。英国月度重合为 36.7—45.3/100，美国为 41.4—47.4/100；ChatGPT 重合最低，英国 28.7—32.3，美国 32.8—35.8。
需要说明口径局限：该指数不含 Claude、Perplexity、Copilot，也没有中国市场数据；AI Overviews 的数据集规模与其他三个平台不可直接类比。因此上述数字应理解为「在 Semrush 所测平台与提示池口径下」的观测，而非全球全平台的定论。
但方向是清楚的：被提及和被引用，不是同一件事，重合度也不高。
为什么这个区分重要
如果两个数只有一半左右重合，那么把它们加权成一个总分，等于把两种不同的机制混在一起。品牌方看到的「80 分」，可能来自大量提及但极少引用，也可能相反，而这两种状态对应的优化动作完全不同。
素材 1 中 Chen & Koudas 的研究提供了一个解释角度：在同一网站内部跨 158,099 条回答、468,037 条引用做比较，检索（是否被取回）解释 32% 的引用变异，所有页面属性合计仅解释 2.8%；100% 的被引页面都先被检索到，但只有 3% 的被检索页面位于 Google 前 50 名。该条目标注为待核实，且为单一研究团队的站内比较，不能外推为全行业规律。但它至少提示：能否进入检索环节，与页面本身做得多好，是两个不同层面的问题。
素材 2 中的三份研究进一步指向平台差异。复旦团队 2026 年 3 月用浏览器自动化跑 120 个查询、覆盖 10 个 AI 搜索平台，提取 17,211 条引用、6,356 个域名，发现任意两平台前二十域名重合度均值仅 0.201；豆包最高被引域名是头条（13.6%），文心给百度系 24.4%，DeepSeek 最扁平，前二十域名仅占 20.5%。Onely 用 31 个采购类提示词测五个引擎，ChatGPT 联网推荐中 119/210 条引用指向被推荐机构自有网站（57%），而 Perplexity、Gemini、Google AI Mode 与 AI Overviews 相反，48%—77% 的引用来自 best-of 榜单页。Semrush 则显示任意两平台在英国共享 63—70 个 Top100 提及品牌，美国 70—78 个。
这些研究的样本规模、提示词构造、平台覆盖各不相同，不能简单相加。但它们共同说明一件事：跨平台可见度不能相互替代，单平台数字也不能直接平均成「全网可见度」。
GEO之家的判断
基于以上，我们的立场是明确的，这是观点而非事实：在当前的测量条件下，一个跨平台、跨指标的「AI 可见度总分」不具备可解释性。它会把样本量差异、平台机制差异、提及与引用的机制差异全部压缩掉，最后剩下一个看起来精确、实际上无法指导决策的数字。
因此 GEOHO 在《docs/11》的口径设计中做了几件事，这里如实说明我们的处理方式：
第一，定义有效样本。不是所有抓取到的回答都计入统计，只有满足有效样本条件的记录才进入分母。
第二，库表用百分数，JSON 用小数。展示层与数据层分开，避免同一指标在不同接口下出现量纲混淆。
第三，unknownCount > 0 时置 null。当存在无法判定的记录时，指标不强行计算，而是返回空值，而不是把未知当作零。
第四，样本小于 5 时提示样本不足。小样本下的比率波动极大，我们不把它包装成结论。
第五，推荐率未启用时显示「未启用」，而不是 0%。零是一个测量结果，「未启用」是测量状态，两者不能混同。
这些设计的共同逻辑是：宁可显示「不知道」，也不显示一个假装知道的数据。
需要承认，这套口径本身也有局限。有效样本的阈值如何设定、unknown 的判定标准是否稳定，目前尚不能确定其在所有行业都同样适用，这一判断有待更多实测验证。
给品牌方的三条自查问题
如果你正在选 GEO 服务商，或者已经在看月度报告，可以用三个问题做初步筛查：
一，你的服务商有没有分开报「被提及」和「被引用」这两个数？如果只给一个合并指标，追问它的构成。
二，样本量是多少？分母是几百条回答还是几条回答，结论的可靠程度完全不同。样本过小时，比率不应当作趋势。
三，跨平台有没有做简单平均？如果做了，问清楚各平台的样本量是否可比、口径是否一致。在平台重合度有限的情况下，直接平均会掩盖结构性差异。
我们不提供总分，不代表我们反对量化。恰恰相反，我们认为量化只有在口径透明、样本可查、未知可标的前提下才有意义。一个诚实的「未启用」，比一个漂亮的合成分数更有用。
参考来源
1. Semrush 2026 AI Visibility Index，覆盖 2026 年 1—7 月 7 次月度测量，含提及与被引重合度、平台一致性、Universal Core 等数据；不含 Claude/Perplexity/Copilot 与中国市场。｜https://www.semrush.com/news/474244-semrush-releases-2026-ai-visibility-index-revealing-its-first-uk-benchmark
2. 对 Semrush 指数的二次解读，用于交叉核对提及与被引用的区分。｜https://www.relevantaudience.com/en/geo/semrush-ai-visibility-index-h2-2026-mentions-vs-citations
3. 含 Chen & Koudas 站内比较研究（158,099 条回答、468,037 条引用），该条目标注待核实，正文已说明其局限。｜https://geoaura.world/blog/aeo-vs-geo-answer-engine-optimization
4. Foglift 基于 59,964 条成功 AI 回答的统计，用于说明引用分布的长尾特征。｜https://foglift.io/research/generative-engine-optimization-statistics
5. 汇总复旦团队、Onely、Semrush 三份研究，说明平台信源池同源与跨平台差异；各研究样本与口径不同，不可简单相加。｜http://mp.weixin.qq.com/s?__biz=MzY5MzE2NDA5Nw==&mid=2247484047&idx=1&sn=8479c3d6be5aea23f1595081f55730f0