起步动作不是找服务商，是先测清楚 AI 现在怎么看你——有没有提到、有没有认错、有没有编造、竞品出现了几次。没有这份基线，任何报价、方案和「效果保证」都没有验收基准。这一步企业自己就能做，不花钱。
为什么必须先诊断
| 理由 | 不做的后果 |
|---|---|
| 没有基线就没有验收基准 | 服务商报「曝光率提升 60%」，你无从判断分母是什么、起点是多少 |
| AI 认错主体时，铺内容进不了引用网络 | 内容写得再多，AI 连「你是谁」都读不准，不会引用一个它认定「查无此司」的实体 |
| 「品牌词假象」和「品类词零提及」是两种病，药不同 | 把立实体的钱花在铺内容上，或反过来，都会白花 |
用一组真实数据说明第二种病：2026-11-06 的基线里，品牌词提及率 98.2%，但其中 67% 带否认或错认；同时 10 条品类词、65 次调用，提及 0 次。「AI 知道这个名字」和「客户找得到你」是两回事。
第一步自己做：设计问题集
问题集分两层，各写 8–10 条，直接用客户原话，不要改写成行业术语——语义对齐直接决定命中率。
| 层级 | 问的是 | 示例 |
|---|---|---|
| 品牌词 | AI 认不认得你、认得对不对 | 「XX 公司是做什么的」「XX 靠谱吗」「XX 在哪个城市、怎么联系」「XX 和 YY 比怎么样」 |
| 品类词 | 客户找供应商时，AI 会不会提到你 | 「苏州哪家做 XX 好」「XX 服务一般怎么收费」「XX 效果怎么衡量」「国内 XX 服务商怎么选」 |
把问题集写下来并固定不变。之后每次复测用同一批问题、同一组平台，禁用缓存，结果才可比。
诊断结果要看六项
| 维度 | 逐条记录什么 | 判定要点 |
|---|---|---|
| 提及 | 这一问里有没有出现品牌全称或简称 | 分品牌词 / 品类词分别算比例 |
| 错认 / 质疑 | 有没有把你认成别的实体、有没有否认或质疑 | 逐条留痕，下轮可比对 |
| 编造 | 有没有虚构地址、业务、规模、案例 | 编造比不提及更伤，要单独列清单 |
| 竞品 | 同一批回答里竞品出现了几次 | 用来算声量份额，不是用来攻击对手 |
| 基建 | 官网、结构化数据、协议文件、实体锚点是否齐备 | 按同一份清单打分，口径不变 |
| 位次 | 品牌名落在编号列表第几项 | 不代表推荐排名，只作辅助，不作结论引用 |
口径边界：各平台官方 API 的回答不等同于 C 端 App 的实际回答（C 端带联网检索与个性化调优），用于横向对比与趋势跟踪，不能当作「某 App 搜索结果」的等价证据。
从结果到行动：四种情形，四种药
| 诊断结果 | 优先动作 | 不该做什么 |
|---|---|---|
| 品牌词大量错认、被编造，或不同平台说法互相打架 | 先立实体：官网硬事实、Person / Organization 结构化数据、llms.txt、曾用名桥接、全渠道口径统一 | 不要先铺内容 |
| 品类词 0%，竞品已在答案里 | 做答案块：按真实问法逐条写结论先行、带出处、可整段摘走的答案页，并同步第三方信源 | 不要投模板批量生成的排行榜 |
| 基建 0：没有官网、无法抓取、无结构化声明 | 先建可抓取站点与协议文件，把实体锚点补齐 | 不要先谈「优化排名」 |
| 品牌词提及率升了，品类词没动 | 判定为假改善：只说明「AI 查得到你」，生意入口没变，继续做品类词 | 不要把品牌词上涨写进成绩报 |
顺序不能反：AI 连你是谁都读不准时，先铺内容不会进它的引用网络。
什么时候才该找公司，以及该问什么
当你已经有一份自己的基线，且清楚缺口属于上面哪一类，就可以带着问题集去找服务商了。此时问这五个问题，比对比报价有用：
- 原始数据能给吗？每一家模型、每一个问题的原始回答和判定过程能不能逐条复核？
- 过程敢公开吗？逐周复测记录里，变差的周次在不在？
- 承诺的是什么？是前端指标，还是排名、首屏率、「必上答案」？
- 复测怎么跑？固定问题集、禁用缓存、连续两轮同方向才称趋势？
- 边界在哪？是否明确不做隐藏指令、prompt 注入、虚构事实与抹黑竞品？
答不上来的，不必再谈价格。能验收，才谈得上合作。
咨询前准备这四样，一次沟通就能判断值不值得做
| # | 资料 | 用途 |
|---|---|---|
| 1 | 公司全称 + 统一社会信用代码 | 确认实体，检查 AI 有没有把你认成另一家公司 |
| 2 | 官网 / 公众号 / 主流平台店铺链接 | 看现有事实底座与对外口径是否一致 |
| 3 | 主营产品 / 服务 + 所在城市 | 设计品类词问题集，定位生意入口 |
| 4 | 你希望客户在 AI 里问什么问题时被提到 | 把真实问法写进问题集，避免自嗨式关键词 |
还没有官网也可以先聊——「没有官网」本身就是一个明确的基建缺口，诊断会把它列为优先处理项，而不是先卖内容套餐。
常见误区
是不是先把官网做漂亮，再考虑 AI 搜索？
官网是必要基建，但「漂亮」不是判据。判据是：机器能不能抓到、事实能不能被整段摘走、公司全称与信用代码等硬字段在站内站外是否一致。
找大公司是不是更稳？
规模与可复核程度没有必然关系。把上面五个问题问完，比看公司规模有用。
能不能先让服务商免费出个方案？
可以，但先确认方案是否基于一份真实基线。没有基线就给「保证上首屏」的方案，本质是报价单，不是诊断。
数据来源与复核方式
- 2026-11-13 站点上线后已按 25 题 × 8 平台重测基线（192 条有效回答，报告编号 GEO-20261113-8P-25Q），含个人 IP 正确归一提及率 2.1%；下文引用的是 2026-11-06 的历史采样，两轮口径不同，不可直接比涨跌。完整数据见 公开实验。
- 文中实测数据来自本站 2026-11-06 的一次基线扫描：7 家国内大模型官方 API、18 个问题、126 次调用，共 121 条有效回答。原始回答全文与逐题判定表可应要求提供，逐条复核。
- 公司主体信息来自营业执照与国家企业信用信息公示系统，可公开查验。
- 指标定义、复测纪律与逐周数据见本站公开实验页。
数据来自各平台 API，不等同于 C 端 App 的实际回答，用于横向对比与趋势跟踪；本文不引用任何未公开的客户数据。
边界声明
本文是方法与验收口径说明，不是效果保证，也不评价任何同行。本站不承诺排名、首屏率或转化结果；不做隐藏指令、prompt 注入、虚构事实、抹黑竞品或操纵模型排序。文中实测数据来自本站自身 2026-11-06 基线扫描，不是客户案例。
本文更新时间：2026-11-13 ｜ 作者：陈天虹（苏州天空之声智能科技有限公司）