不是预测，不是案例宣传——是他们自己的内部数据，附完整方法论。
本文完整复盘他们的5步框架，以及对每个想做AI可见度优化的团队的启示。
衡量难题：传统归因看不见AI影响
核心挑战：
标准归因看不见AI的影响——因为LLM塑造决策时，既不发送点击，也不发送转化。
用户在ChatGPT看到推荐，几小时后直接搜品牌名进网站——传统归因把这归为”直接流量”，看不到AI的作用。
更难的：
- AI回答非确定性：同样的Prompt，几小时内可能给出不同结果
- 引用模式快速变化：Reddit的引用占比可以在几周内从约60%降到约10%
- 难以检测准确 vs 不准确的描述
解决方案的转变：从”追踪内容使用”转向”追踪竞争定位”。
两个核心衡量指标
| 指标 | 定义 |
|---|---|
| **可见度（Visibility）** | 二元指标：你的品牌是否出现在目标Prompt的AI回答中 |
| **声量份额（Share of Voice）** | 在那些回答里，你被提及的频率 vs 竞品 |
追踪平台：ChatGPT、Google AI Mode、AI Overviews。
这两个指标的设计非常聪明：
- 可见度告诉你”在不在牌桌上”
- 声量份额告诉你”在牌桌上你赢了多少”
只看引用次数会误导——你可能被”提到”了，但竞品被”推荐”了。
5步优化框架
步骤1：识别目标Prompt
不是关键词研究，是Prompt研究。
Semrush的起步：
- 39个底层漏斗、购买意图Prompt，比如 “best enterprise AI visibility platform”
- 后来扩展到 726个Prompt——权重偏向高意图查询
- 加入小量信息类Prompt，展示权威定位
关键差异：目标是 “best enterprise AI visibility platform” 这种具体的、有竞争维度的Prompt——而不是 “AI tools” 这种通用查询。
通用Prompt难赢，但赢了之后竞争对手很难撼动。
步骤2：建立基线衡量
- 初始测量：13% 声量份额——揭示了竞争上的”隐形”状态
- 扩展到726个Prompt后：约 15% 基线
- 每天追踪——AI回答的非确定性需要持续观察
- 用范围而不是点值汇报：比如 “30% ± 10%”——反映自然波动
- 用 Enterprise AIO 跨平台自动化追踪
教训：单点报告”今天35%”会误导——AI回答有自然波动，用范围更诚实。
步骤3：审计并升级现有内容
三种升级方式：
① 产品提及
在讨论相关问题的现有文章里，自然地整合自家工具——而不是硬塞产品广告。
② 格式优化
把密集的长文重构成：
- 直接的答案
- 清晰的标题
- 对比表格
- 可扫描的格式
③ 话题覆盖
深化已有页面，覆盖话题的多个措辞变体（query fan-out）。
关键原则：
提及必须帮到读者；不相关的插入应该被排除。
不是”在每篇文章里都塞产品名”——是”在用户真的会想了解的地方推荐”。
步骤4：扩展到自有域名之外
测试的渠道：
- Reddit — 单独的战略项目，引用份额波动大
- LinkedIn — 上升中的引用源，支持直接发布
- Medium — 支持直接发布
- 被高度引用的页面 — 跨网络的高权威节点
关键焦点： 跨被引用源的品牌描述准确性。一个不准确的提及，会在多个AI回答里被放大。
战略转变：内部外联——和”被高度引用页面”的所有者建立关系，确保对你的描述是准确的。
不是请人写广告——是确保你的真实数据、定位、价值被准确传达。
步骤5：创作新鲜、可被引用的内容
目标格式：清单、对比。
写作要点：
- 在开头句镜像标题（让H2和首句呼应）
- 在第一句话就完整回答问题
- 用具体数据点支撑论断
- 避免类比、习语、隐喻
- 保持清晰的指代关系
- 优先清晰胜过修辞
示例：
写 “AI visibility is essential for discovery”——
而不是 “AI visibility is the north star guiding ships through digital fog.”
LLM喜欢直接、可提取的句子。比喻和修辞反而阻碍AI识别核心信息。
6个月后的真实结果
难的726-Prompt集合
- 从 15% 增长到 25% 声量份额
- 时间：6个月
更广的SEO相关Prompt集合
- 追踪约 1,000个Prompt
- 从 49% 增长到 55% 声量份额
- 时间：6个月
关键洞察： 强SEO和AI可见度同向移动——做好传统SEO的页面，在AI回答里也更容易被引用。
这呼应了Google的官方指导：扎实的SEO基本功，依然是AI可见度的基础。
两个意外发现
发现1：结果的速度
变化在几天或几小时内出现——远快于传统SEO，但失去可见度时衰减也快。
含义：
- 做得好，几天就能看到反馈
- 但一旦内容失去AI青睐，掉得也快
- 需要快速响应 的内容流程，不是季度计划
发现2：营收归因依然困难
即便有微软Bing Webmaster Tools等平台的数据改善，把AI影响和付费搜索、邮件、其他渠道分开 仍然难。
短期内，可见度和声量份额 是更可靠的指标——营收归因还在发展中。
对SEO团队的4个关键调整
调整1：预期顶层内容流量下降
AI直接给答案 = 用户不再点击你的”什么是X”类文章。
这是结构性变化，不是临时下滑。
调整2：衡量可见度和定位，不只是流量
新的KPI：
- AI回答中的可见度
- 声量份额
- 引用 vs 推荐的区分
- 跨平台对比
调整3：在预算讨论之前，让利益相关方接受新指标
不要等老板问”自然流量为什么下降”才解释——主动用新指标重新教育组织。
调整4：建立为速度优化的内容流程
可见度波动快——传统的”季度内容计划+月度发布”赶不上。
需要的是：
- 每周的Prompt监测
- 快速识别”哪些内容失去引用”
- 周级别的修复迭代
一个关键定位
这是SEO的延伸，不是一个独立学科。同样的基本功——权威、清晰结构、相关内容——决定你是否出现，无论是人还是机器在查找。
不要把GEO当成”全新的事业线”另起团队——它是SEO团队的扩展能力。
立即可执行的5个动作
- 选30-50个底层漏斗的目标Prompt——具体、有竞争维度
- 建立基线：手动或用工具跑一遍，记录声量份额
- 审计Top 10高意图页面：能否被AI干净提取？格式是否清晰？
- 优先做对比和清单格式：Semrush数据证明这些表现最好
- 建立每周AI可见度复盘：不是季度，是每周
结语
Semrush的案例最有价值的部分：这是真实数据，不是营销话术。
13%→32% 一个月内（单一目标集合）
15%→25% 六个月（难的Prompt集合）
49%→55% 六个月（广SEO Prompt集合）
这些数字告诉每个团队：
- AI可见度是 可被系统提升的
- 提升速度比传统SEO 快得多
- 但需要 持续投入——不是一次性项目
那些今天就开始建立”AI可见度运营能力”的团队，会在接下来12个月看到不成比例的回报。
微信扫一扫 或 点击链接联系我