AI 搜索可见性指标可以分成三层:存在层(AI 是否提到你)、质量层(是否引用你、排在第几、描述得准不准)、生意层(能否登上购物货架、最终有没有流量和营收)。七个 KPI 覆盖这三层——提及率、Share of Model、引用率与引用信源、平均答案位次、情感与准确度、Share of Card、AI 引荐流量。如果只能先测三个,就从固定 prompt 集上的提及率、品类头部引用信源、以及一个点名竞品的对照数据开始。
核心要点
- 七个指标覆盖 AI 搜索测量的全链路:AI 可见率(提及率)、Share of Model、引用率与引用信源、平均答案位次、情感与准确度、Share of Card、AI 引荐流量。
- Share of Model 是 AI 搜索里最接近"市场份额"的数字:在固定 prompt 集上,你的品牌提及次数占全部品牌提及的百分比。
- 引用信源是杠杆最高的先行指标——每个品类里 AI 引擎依赖的域名清单其实很小、可枚举,而且你可以有计划地打进去。
- Adobe 数据显示,截至 2026 年 5 月,美国零售网站的 AI 引荐流量同比增长 138%——这个渠道已经是真金白银,滞后型营收 KPI 值得上管理层看板。
- 2026 年的"通用基准值"大多是噪音。与其纠结"提及率多少算好",不如对照本品类点名竞品做趋势对比。
为什么 AI 搜索需要一套自己的记分牌
用户先动了。ChatGPT 在 2025 年 10 月突破 8 亿周活用户,Google AI Overviews 的月活用户已超过 20 亿。这些行为在排名工具里完全不可见,因为根本没有"排名"这回事:AI 引擎合成一个答案、附上几条引用,购物类问题还会渲染一排商品卡片。三个不同的界面,三套不同的测量问题。
还有一个不那么显眼的原因:方差。同一个问题问 ChatGPT 五次,可能得到五个措辞不同、品牌名单也不同的答案。所以靠谱的测量必须是抽样式、概率式的——按计划反复跑一套固定 prompt,报告比率和趋势,而不是在浏览器里查一次就打勾。

七个 AI 搜索可见性指标逐一拆解
1. AI 可见率(提及率)
定义:在跟踪的 prompt 中,品牌出现在 AI 答案里的比例。这是地基指标——本文其余所有 KPI 都建立在同一批 prompt 运行数据之上。
要让它有意义,有三个决定要做对。第一,prompt 集:50–200 条购买意图 prompt,按用户的真实问法来写("300 美元以内适合养宠家庭的无绳吸尘器"),而不是按关键词思维来写。第二,fan-out 覆盖:Gemini、ChatGPT 会把一个问题悄悄拆成多个子查询,你可能恰好在决定答案的那个子查询里隐身。第三,分引擎拆分:Perplexity 上的提及率对 Gemini 毫无参考价值。具体操作见在 AI 搜索中跟踪品牌提及的方法。
2. Share of Model
在跟踪 prompt 集上,你的品牌提及占全部品牌提及的份额——为 AI 答案重建的 share of voice。如果品类 prompt 里各品牌总共被点名 1,000 次,其中 180 次是你,Share of Model 就是 18%。
这是最适合放进月报的 KPI,因为它天然修正了裸提及率的两个毛病:一是品类整体波动(模型更新后所有品牌的提及都涨),二是虚假安全感(你的提及率在涨,竞品涨得更快)。Share of Model 的变动几乎总是真信号。

3. 引用率与引用信源
两个相关的数字。引用率:你自己的域名作为链接来源出现在 AI 答案中的频率。引用信源分析:回答你品类问题时,引擎在引用哪些第三方域名——Reddit 帖子、测评站、媒体、YouTube。
后者更有行动价值。正如 Jake Ward 所说,AI 搜索的目标是被引用,而不是被点击:如果回答你买家问题的引擎总在引用五个测评站和两个 Reddit 社区,这份清单就是你的 earned media 路线图。引用信源份额是整个指标栈里最好的先行指标,因为它是你本季度就能直接影响的变量。
4. 平均答案位次
你在答案里出现的位置——第一个被点名的品牌、第三个,还是脚注。第一位的权重远超其他:在语音交互和 agent 流程里,第一个推荐往往是唯一被执行的推荐。
一个提醒:位次比提及率噪音大,因为答案结构每次生成都在变。用几十次运行的滚动平均来看它,对单周的跳变保持怀疑。
5. AI 描述的情感与准确度
AI 提到你时,到底说了什么。两个成分:情感(是热情推荐、平铺直叙,还是带着"但是"),以及事实准确度(说的是你现在的价格、功能和定位,还是幻觉出来的 2023 年旧版本)。
把它当质检指标来管:含事实错误的提及占比,加上情感趋势。"经常被提到但被说错"和"根本没被提到"是两种病,处方也完全不同。
6. Share of Card(AI 购物货架占位)
对电商品牌,钱在货架上。ChatGPT Shopping 和 Google AI Mode 不只是"写到"商品,而是直接渲染商品卡片——图片、价格、商家——agent 还能对卡片直接执行下单。Share of Card 就是在相关购物 prompt 中,你的商品出现在货架上的比例。它和文本提及的逻辑完全不同:取决于 feed 质量、结构化数据和商家信息,而不只是内容。我们写过 Share of Card 指标的完整拆解,以及一份拿下 AI 货架的实操手册。

7. AI 引荐流量与助攻营收
滞后型结果指标:来自 chatgpt.com、perplexity.ai、gemini.google.com 和 AI Overviews 点击的会话、转化与营收。这个渠道已经不是零头——Adobe 数据显示,2026 年 5 月美国零售网站的 AI 引荐流量同比增长 138%,自 2024 年 10 月开始统计以来累计涨了 13 倍多。
在 GA4 里给 AI 引荐来源建一个自定义渠道组即可测量——但要带着 zero-click 的前提去读:很多 AI 答案影响了购买却不产生点击,引荐流量只是影响力的下限,不是全部。
先行 vs 滞后:给 KPI 排个序
可落地的运营节奏,是把指标栈切成三段:
- 先行指标,每周看:引用信源覆盖面(品类内 AI 引用的域名中你有存在感的比例)、prompt 覆盖度、已交付的工作——发布的内容、修好的 feed、上线的结构化数据。
- 核心可见性,每周到每月看:提及率、Share of Model、平均答案位次、情感与准确度、Share of Card。
- 滞后指标,每月到每季看:AI 引荐流量、助攻转化、营收。
关于基准值:忍住。公开的"平均提及率"因品类、prompt 设计和引擎组合差异巨大,这个领域太年轻,还没有稳定的行业常模。2026 年诚实的基准是点名式的:盯住真正抢你订单的三个品牌,跑赢它们的趋势线。更多方法论见 AI visibility 专题。

按团队成熟度配置的最小可行 KPI 组合
一个人、零预算:每周盯三个数。25–50 条购买意图 prompt 在两个引擎上的提及率(ChatGPT 加上你的买家第二常用的引擎)、品类前十引用信源域名、以及一个点名竞品的提及率对照。这已经是一块完整、能驱动决策的记分牌,也是我给每个起步品牌的标准建议。
有成建制的 SEO/内容团队:加上全竞品集的 Share of Model、每月一次情感与准确度审计、平均答案位次,以及 GA4 里的 AI 引荐渠道组。到这一步,GEO 在汇报里应该有自己独立的一行,而不是藏在"自然流量"里。
电商品牌,或可见性已经不错的品牌:加上 Share of Card、分引擎拆解(Gemini 的行为和 ChatGPT 差别很大)、fan-out 查询覆盖,以及针对 AI 引荐的营收归因。到这个阶段,值得讨论的问题都是货架问题。
怎么落地这套测量
三条路,各说各的实话。表格加手动问答只能撑一周,之后必然崩:没有抽样、看不到 fan-out、口径不一致。通用 SEO 套件(Semrush、Ahrefs)已经带 AI 可见性模块,如果你本来就在付费,顺手用很方便,但购物货架层的覆盖很薄。专门的 GEO 平台可以持续跟踪全栈指标;利益相关声明:GEOly 是我们自家的产品,免费起步,上面七个指标全部覆盖,包括通用工具基本不做的 Share of Card。想横向比较市面工具,见最好用的 AI 搜索监测工具盘点。
FAQ
AI 搜索应该跟踪哪些 KPI?
跟踪七个:AI 可见率(提及率)、Share of Model、引用率与引用信源、平均答案位次、AI 描述的情感与准确度、卖货就加 Share of Card,再加 AI 引荐流量。从零起步的话,三个就够:提及率、引用信源、一个竞品对照。
如何测量 AI 搜索可见性?
固定一套 50–200 条购买意图 prompt,在对你重要的引擎(ChatGPT、Gemini、Perplexity、Google AI Overviews)上按计划反复运行,记录品牌是否被提及、是否被引用、位次和情感倾向。因为 AI 答案每次生成都有波动,要报告多次运行的比率,而不是单次抽查的结果。GEOly 这类平台可以把抽样和打分自动化。
什么是 Share of Model?
Share of Model 是在跟踪 prompt 集上,你的品牌提及占全部品牌提及的百分比——AI 搜索版的 share of voice。如果品类 prompt 里品牌总共被点名 1,000 次、你占 180 次,你的 Share of Model 就是 18%。它剔除了品类整体波动的干扰,是衡量竞争位置最好的单一 KPI。
AI 搜索里有没有类似关键词排名的指标?
最接近的是平均答案位次——你的品牌在合成答案或推荐列表中出现的位置。但它比 SERP 排名噪音大,因为答案每次都重新生成;应当用滚动平均看待,并把提及率和 Share of Model 作为主要的存在感指标。
Google Analytics 能测 AI 搜索可见性吗?
只能测最后一环。GA4 通过自定义渠道组可以捕捉 AI 引荐流量——来自 chatgpt.com、perplexity.ai 等来源的会话——但它看不到答案本身:没有提及、没有引用、没有货架占位,也看不到 zero-click 的影响。要看全漏斗,得把 GA4 和 prompt 级跟踪配合起来。

