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。
