品牌 AI 可见度，指的是你的品牌在 AI 引擎「说什么、卖什么、展示什么广告」这三个面上的存在感：文字答案、商品卡组成的购物货架、以及付费广告位。它完全可以量化。GEOly 2026 年 6 月 20–30 日对美国 ChatGPT 购物类回答的监测显示，88.8% 的回答带商品卡，同时 14% 的品牌提及没有可购买的卡——文字里看得见，货架上不存在。量化的方法是追踪四层指标：从 mention rate（提及率）到 Share of Model、citation share（引用份额），再到 Share of Card，在固定的 prompt 面板上跨引擎反复采样。
核心要点
- 品牌 AI 可见度覆盖三个面：引擎怎么说你（答案）、在你身边卖什么（商品卡）、收了谁的钱展示什么（广告——38.2% 的 ChatGPT 购物回答已带广告）。
- 四层指标按商业意图递进：mention rate、Share of Model、citation share、Share of Card。
- 被提及不等于能被买到：ChatGPT 购物回答里 14% 的品牌提及没有商品卡。
- AI 答案是概率性的，抽查一次会误导判断；正确做法是在固定 prompt 面板上反复采样。
- 一张表格加 20 个 prompts 就能手工起步；面板超出人力再上工具，价格从 $0 到 $199+/月。
三个面，不是一个面
多数团队对 AI 可见度的想象停在「ChatGPT 提没提我们」。2024 年这确实是全部，现在只占三分之一。第一个面仍是文字答案：提及、推荐、以及围绕它们的情感倾向。第二个面是购物货架：面对购买意图的 prompt，引擎会组装出带价格、评价和购买路径的商品卡，88.8% 的 ChatGPT 购物回答含卡。第三个面是付费位：GEOly 2026 年 6 月的 GEM 样本里，38.2% 的 ChatGPT 购物回答带广告，已有 3,042 个品牌在活跃投放。一个品牌完全可能赢下一个面、输掉另外两个而毫无察觉，所以测量必须三面齐上——这也是为什么在 AI 搜索中追踪品牌提及要做成长期程序，而不是一次性体检。
四层指标栈
每一层回答一个不同的问题，且一层比一层更贴近营收。
第一层：Mention rate（提及率）
在你追踪的 prompts 里，品牌出现的比例。这是采集成本最低的指标，也是正确的起点：提及率接近零时，上面几层都无从谈起。它的局限：完全不告诉你答案里还有谁。
第二层：Share of Model
你的提及数占同一批 prompts 全部品牌提及的份额——把可见度变成竞争指标。两个品牌可以同为 60% 提及率，一个霸占每条答案的首位，另一个永远排第四。按引擎切分的 Share of Model 是多数团队最终对上汇报的 KPI，如何给它定目标，见AI 搜索可见度指标与 KPI 指南。
第三层：Citation share（引用份额）
引擎组装答案时引用了哪些信源，这些信源里有多少提到你。这一层解释上面两层的成因。引用的头部效应极强：仅 Reddit 就拿到 5.5M 次引用，是 AI 品牌决策类回答的第一大信源。如果引擎偏爱的信源从不讨论你，提及率就有一块天花板，站内优化做再多也顶不上去。
第四层：Share of Card
货架层：购物回答里你的商品卡出现频次相对竞品的份额。可见度在这一层变成交易，而这一层的缺口从文字层完全看不见——那 14% 无卡提及说的正是这种失败。音频品类 2026 年 6 月的真实基准：ChatGPT 货架上 Sony 以 13.5% 领先，JBL 11.2%，Soundcore 10.2%；Google AI Mode 上则是 Soundcore 以 10.9% 居首。这个指标的完整拆解见Share of Card 详解。
怎么测：五个步骤
第一步，搭 prompt 面板。收集 20 到 50 个客户真实会问的问题，用他们的原话，并按意图打标：调研、比较、购买。面板就是你的测量仪器，面板含糊，数据必然含糊。
第二步，跨引擎采样。ChatGPT、Gemini、Perplexity、Google AI Overviews 的检索方式和偏好信源都不同，单引擎数据外推性很差。
第三步，重复采样。同一个 prompt 在同一个引擎上，隔一小时就可能给出不同答案。每个周期把每个 prompt 跑多遍，用比率说话，不用单次观测说话。
