AIGVR(AI-Generated Visibility Rate,AI 生成可见性率)是一个 0-100 的评分,用来衡量品牌在 ChatGPT、Gemini、Perplexity、Google AI Overviews 等 AI 引擎生成的答案中的可见程度。它不追踪结果页排名,而是对真实买家 prompt 做大规模采样,为三个信号打分:品牌出现在答案中的位置(position,权重 40%)、在整个 prompt 集合中出现的频次(frequency,25%)、以及品牌自有页面是否被列为引用来源(citations,25%)。AIGVR 由 GEOly AI 提出,是生成式搜索时代最接近「排名」的指标——用一个可追踪的数字表达品牌的 AI 可见性。
核心要点
- AIGVR 全称 AI-Generated Visibility Rate,是衡量品牌在 AI 生成答案中可见度的 0-100 综合评分,相当于 GEO 时代的排名追踪。
- 位置权重最高(40%):在答案里被首推,价值远高于在十个备选里被顺带提到;频次与引用各占 25%。
- 分数区间:0-20 不可见,21-50 起步,51-80 可见,81-100 主导。超过 50 意味着引擎把你视为品类内的可信选项。
- AI 答案是概率性的——同一 prompt 每次运行可能返回不同品牌——所以 AIGVR 必须跨 prompt、跨轮次、跨引擎采样才有意义。
排名为什么不再能描述现实
二十年来,「搜索可见性」有一个干净的答案:你的排名。这个数字正在失去参照物。用户越来越多地直接拿到一份完整答案,而不是十条蓝色链接,越来越大比例的查询以零点击收场——这正是我们在 zero-click search 指南中讨论的模式。在 ChatGPT 或 Gemini 的答案里不存在「第二名」:品牌要么在答案里,要么不在。这种二元状态需要一套新的度量,这正是 AIGVR 以及整个 AI 可见性指标体系要填补的空白。
分数是怎么算出来的
AIGVR 依靠重复采样计算。先准备一组品类 prompt——比如「最好的物理防晒霜」「适合卧室的静音空气净化器」——按计划跑遍每个引擎,再对每份答案解析三个信号。
位置(40%)。品牌在答案里处于什么位置?如果答案开头就是「对大多数人来说,Brand X 是最佳选择」,说明模型把这个品牌当作该意图下的默认答案;被埋在结尾「其他选项还包括」的列表里,得分则低得多。位置之所以权重最大,是因为它区分了「被推荐」和「被列为备选」。
频次(25%)。在整个 prompt 集合中,品牌出现在多大比例的答案里?这与我们在 AI 品牌提及词条中描述的提及率高度对应——100 条采样答案中被提到 60 次的品牌,和被提到 6 次的品牌,可见性结构完全不同。
引用(25%)。现代引擎会基于检索到的信源生成答案,并以脚注形式展示来源。当这些脚注指向你的域名时,你不只是被提到——你在直接喂养答案,这种可见性也更持久。AI citations 同时是你最能直接掌控的杠杆。
情感倾向作为品牌感知层与评分并行追踪,而不计入权重。一个频繁出现却被负面描述的品牌(「续航常被诟病」)和一个完全不可见的品牌,问题性质不同,AI 情感分析就是用来提前发现这类风险的。

采样上有两个细节值得注意。引擎会在底层把一个问题扩展成多个子查询(query fan-out),实际覆盖面比你的 prompt 列表更大;答案又逐次波动,所以在 ChatGPT 里手动测一次几乎说明不了什么——这个分数是一个「率」,不是一张快照。
分数区间怎么读
- 0-20,不可见。模型要么不知道这个品牌存在,要么在品类 prompt 下从不检索到它。第三方报道稀薄的年轻 DTC 品牌很常见。
- 21-50,起步。品牌会出现在长列表和小众查询里,但很少被推荐。可见性有了,偏好还没有。
- 51-80,可见。引擎稳定地把品牌列为可信选项,并有一定频率引用其页面。
- 81-100,主导。品牌是该品类的默认答案——被首推、被广泛引用、被准确描述。这就是语义护城河在数字上的样子。
AIGVR 与 Share of Model 的区别
两者互补,不是同义词。AIGVR 是绝对值:这个品牌在这个引擎、这组 prompt 下有多可见。Share of Model 是相对值:品类内全部品牌可见性中,你占多大份额。一个品牌可以拿到不错的 AIGVR 65 分,却仍输给 88 分的竞争对手——两个数字都要看,就像 SEO 时代既要看排名也要看声量份额。
实战中长什么样
在 GEOly AI 中,AIGVR 是品牌记分板上的头号数字,横跨七个引擎(ChatGPT、Gemini、Perplexity、Copilot、Grok、Google AI Mode、AI Overviews)计算,并按引擎拆分。工作通常从这份拆分开始:一个珠宝品牌可能在 ChatGPT 上拿 74 分、在 Gemini 上只有 39 分,这指向的是 Google 系信源引用的缺口,而不是普遍的认知度问题。评分旁边还并列展示预估 AI 流量与营收、提及率与引用率,以及各引擎实际如何描述该品牌——分数的波动因此可以被追溯到具体原因。想看自己品牌的分数,可以在 app.geoly.ai 免费试用三天。

如何提高分数
- 定义你的实体。按 schema.org 规范发布干净的结构化数据——Organization、Product、FAQ 标记——让引擎能识别你是谁,并在其知识图谱中正确归位。
- 赢得引用。检索偏爱具体、可验证的页面:原创数据、诚实的对比页、有真实 E-E-A-T 信号的专家内容。泛泛的博客文章很少被引用。
- 给爬虫放行。如果 GPTBot 等 AI 爬虫还被 robots.txt 屏蔽——这是 2023 年时期策略的常见遗留——基于检索的引擎根本无法引用你。OpenAI 在其官方爬虫文档中列出了全部 bot;再配一份 llms.txt 帮引擎找到你的权威页面。
- 先审计,再迭代。一次系统性的 GEO 审计(GEOly 的版本包含 29 项检查)通常能在任何内容工作之前找出两三个值得优先修复的阻塞项,之后按月复测,验证修复是否真的推动了分数。
常见误区
最常见的错误是把一次聊天当成测量——在 ChatGPT 里问一句「最好的跑鞋」就下结论。其次是只追频次、不管引用:纯靠训练数据带来的提及很脆弱,下一次模型更新就可能消失,而有引用支撑的可见性会在每次检索中自我续期。第三是跨品类直接比较原始分数,不同品类的 prompt 体量和竞争密度并不相同。引擎之间也确实存在分化——Google AI Overviews 依托 Google 索引,而聊天类引擎混合了训练知识与实时浏览——所以分引擎拆解比混合均值更重要。
FAQ
AIGVR 和 Share of Model 是一回事吗?
不是。AIGVR 用 0-100 度量品牌在 AI 答案中的绝对可见度;Share of Model 度量的是相对份额,即在品类可见性中你对比竞争对手占多少。两个一起看:AIGVR 告诉你「是否可见」,Share of Model 告诉你「是否在赢」。
AIGVR 多少分算好?
超过 50 通常意味着引擎把你视为品类内的可信选项;超过 80 说明你是默认推荐。不过要结合竞争环境解读——在强者林立的红海品类里拿 45 分,可能比在空白细分里拿 60 分代表更大的进展。
分数多久会变化一次?
原则上随时在变:模型更新、新的引用信源、竞争对手的内容都会改变答案。实践中,按周采样、按月复盘的节奏既能捕捉有意义的变化,又不会对逐次波动的噪声过度反应。
不改网站也能提高 AIGVR 吗?
能,但只能解决一部分。相当比例的引用来自第三方信源——评测站、Reddit 帖子、媒体报道——所以数字公关在网站原封不动的情况下也能推动分数。但实体清晰度(结构化数据)和爬虫可达性是站内问题,放着不修,会给其他所有努力封顶。

