在两款不同的平台上查看您的 AI 可见性分数，它们很可能不一致——有时差距甚大。这未必是某个工具的缺陷，而是因为没有行业标准公式来定义"AI 可见性"在数字层面究竟意味着什么，这是一个可预见的结果。
该分数究竟在衡量什么
AI 可见性分数是一个综合指标，通常归一化到 0-100 的尺度，综合衡量一个品牌在 AI 生成回答中出现的频率、突出程度以及正面程度。与跟踪关键词位置的搜索排名不同，该指标衡量的是 AI 是否在其回答中真正使用了您——这是一种每个查询的近似二元的判断，而非平滑的位置排名。
形成公式的典型组成部分
大多数供应商在构建分数时，即使权重和标签不同，也基本源于以下五个相同要素的某种变体。
提及频率：在追踪的提示词中，您的品牌出现所占的比例。
提及频率 = (品牌出现的提示词数 / 测试提示词总数) × 100
如果您的品牌在 100 个追踪提示词中出现了 62 次，那么提及频率就是 62%。这是最基本的组成部分，也是最嘈杂的，因为 AI 的回答是概率性的，同一个提示词在不同运行中可能产生不同结果。负责任的测量会对每个提示词重复数次并取平均值，而非仅信任单次运行结果。
引用率：您的内容被明确用作来源的提示词占比，与仅仅被提及有所不同。
引用率 = (品牌被引用的提示词数 / 测试提示词总数) × 100
一条提及可能写为"Salesforce 是一款流行的 CRM。“而一条引用则写为"根据 Salesforce 的文档，其平台可集成超过 1,000 款应用”，并且通常附有链接。在实践中，引用率通常低于提及率——被提及比被直接引用更容易获得。
位置与突出性：在同一回答中，您相对于其他品牌出现的位置。一种常见的方法是使用反比位置公式加权，首次提及得分最高，后续每个位置依次递减。在"最佳选项"列表中名列第一，比被淹没在比较表格的底部具有更大的权重。
查询覆盖率：覆盖不同查询类型的广度——信息型、比较型、流程型、交易型——而不仅仅是单个狭窄的用例。一个品牌能出现在买家可能提出的各类问题中，标志着其具有更广泛的相关性，而不仅仅是在单一查询类型中出现。
声量占比：您的提及次数占该品类所有品牌提及总数的百分比。
声量占比 = (您的提及次数 / 所有品牌提及总数) × 100
这可以将您的分数与竞争格局进行归一化。60% 的提及频率听起来不错，直到您发现最接近的竞争对手平均达到了 75%。
综合计算
一个典型的加权公式大致如下：
可见性分数 = (提及频率 × ~25%) + (引用率 × ~25%) + (位置 × ~20%) + (查询覆盖率 × ~15%) + (声量占比 × ~15%)
举例说明：一个品牌在提及频率上为 58%，引用率为 42%，归一化位置得分为 72，查询覆盖率为 80%，声量占比为 28%，那么在 0-100 的尺度上，计算结果大约为 55-56 分——一个中等但颇具竞争力的结果，其中引用率和声量占比是最明显的改进空间。
为什么两个诚信工具会给出不同结果
相同组成部分的不同权重。 一家供应商可能将提及频率的权重设为 30%，引用率设为 20%；另一家则可能相反。两种选择都没有错——它们只是对"可见性"的定义做出了略有不同的优化。
不同的提示词集合。 各供应商在测试的提示词数量以及这些提示词是纯非品牌词、混合词还是针对您特定客户旅程定制的方面差异很大。一个品牌在某个平台上可能得分较高，因为其测试的提示词恰好与其优势相符；而在另一个测试不同提示词组合的平台上则可能得分较低。
不同的平台覆盖范围。 仅追踪 ChatGPT 和 Perplexity 的工具，与同时涵盖 Gemini 和 Claude 的工具，即使针对完全相同的品牌，也会得出不同的数字。
不同的刷新频率。 每周、每两周和实时测量以不同的方式平滑（或未能平滑）周与周之间的自然波动。