GEOSCOPE RESEARCH  ›  方法论
GEOSCOPE RESEARCH · 方法论

AI Visibility Index
Methodology v1.0

一套衡量「实体在 AI 引擎里被看见、被准确描述、被引用」的公开评分体系。它是 GEOScope 三份行业研究报告与年度 AI Visibility Ranking 共同的可信地基——所有分数都来自这里定义的 8 个维度与探针方法,而非主观印象。

📐 8 维评分 · 合计 100 🔬 探针法:N 模板 × M 引擎 📊 评级 A–E 🔁 随引擎迭代 v1.0

Why a methodology

为什么需要一套公开的方法论?

当 AI 助手成为新的「搜索引擎」,品牌/门店/产品能否出现在 AI 答案里,直接决定了下一代流量入口的归属。但「AI 可见度」长期停留在一句口号——没有统一的测量口径,就无法比较、无法追踪、也无法优化。AI Visibility Index 把这件事变成可复现、可审计、可迭代的算式:同样的实体、同样的问题模板、同样的引擎,任何人跑出来的分数应当一致。

本法方法论定位:它是「地基」,不是「结论」。GEOScope 的每份研究报告与每年排名,都是在 v1.0 这套口径下对真实/样本数据的具体测算结果。

What we measure

测量对象:实体,而非单页

AI Visibility Index 把观测单位从「单个网页」上升到「实体」——品牌、门店、产品、网站本身,下面挂着官网、社媒、地图、新闻等多路信源。我们测的是这个实体在 AI 答案里被提及、被准确描述、被引用的整体表现,而不只是某一篇页面。

🏪 POI / 门店 🏷️ Brand / 品牌 🌐 Website / 网站 📦 Product / 产品

Probe method

探针方法:N 类问题模板 × M 个 AI 引擎

对每个实体,我们构造一组贴近真实用户口吻的问题模板(按实体类型区分),向 M 个主流 AI 引擎逐一提问,再对回答做三类抽取:

extractMention

用实体名(含别名/核心词部分匹配)判断 AI 回答是否「提到了你」→ 汇总为 mentionedRate(AI 提及率)。

extractAttributes

把回答中抽取的地址/电话/价格,与事实基准(facts)比对,统计正确 vs 幻觉 → 汇总为 accuracyRate(防幻觉核心)。

classifySourceMix

对回答引用的 URL 按域名归类到 官网/社媒/地图/新闻/其他 → 汇总为 sourceMix(信源构成)。

两种探针模式。MockProber:确定性、零成本,用实体名+问题+引擎做哈希种子生成可复现样本,用于验证方法学与公开体检演示。RealProbe:走已接入的 AI provider 真调 API 拿真实回答,用于付费监测与研究报告。当前公开免费体检使用 Mock 模式。

8 dimensions · 100 pts

8 维评分体系(合计 100 分)

每个维度按权重给出 0–max 的原始分,加总得实体总分(满分 100)。权重设计原则:准确性(防幻觉)权重最高(16),因为被 AI 说错比不被提到更危险;信源多样性、结构化、权威性次之;稳定性最低(8),因其依赖历史样本积累。

维度权重测量什么计分公式(原文)
D1 AI 可见度12多 AI 探针「是否提及」该实体的命中率round(12 × mentionedRate)
D2 结构化完备度14schema / NAP(名称·地址·电话) / officialUrl / sameAs / facts 共 6 字段的填充率round(14 × structureFill(entity))
D3 AI 发现文件10是否有 llms.txt,且 robots.txt 放行 AI 爬虫round(10 × (llmsTxt?0.5:0 + robotsAllow?0.5:0))
D4 信源构成14被引用信源覆盖 官网/社媒/地图/新闻 几类(cats)round(14 × (cats / 4))
D5 准确性(防幻觉)16AI 回答抽取属性 vs facts 基准的一致率round(16 × accuracyRate)
D6 跨平台一致性12各平台 NAP / 名称写法的一致率(缺信源时给保守基线)round(12 × consistencyRate)
D7 权威与声誉14sameAs / Wikidata 关联(0/0.5/1)+ 用户评分情感round(14 × (0.5×sameAsScore + 0.5×sentiment))
D8 稳定性8多期提及率方差(越小越稳);样本不足给临时分历史≥3期: round(8×(1−min(var×4,1)))
否则: round(8×0.65)
总分 total = D1+D2+3+D4+D5+D6+D7+D8(满分 100)。可引用度 citability(派生,不计入总分)= round(100 × (0.4×mentionedRate + 0.3×accuracyRate + 0.3×(cats/4))),用于衡量「被 AI 选为答案信源」的综合概率。

Grade scale

评级标尺 A–E

总分映射到五个等级,既给出「能不能被引用」的定性结论,也给出优化方向。

等级分数区间含义
A≥ 85AI 优选信源:结构与信号俱佳,AI 能轻松理解并信任,大概率被优先引用。
B70 – 84基本可被引用:骨架不错,补齐关键项即可冲击高位引用。
C50 – 69存在信息遮蔽:AI 能看到,但难判价值与可信度,引用概率偏低。
D30 – 49AI 几乎读不懂:关键 GEO 信号大量缺失,接近隐形。
E< 30对 AI 完全不可见:被爬虫拦截或几乎没有可引用信号,需从抓取放行与基础结构重建。

Engines covered

覆盖的 AI 引擎

探针默认覆盖支持搜索的主流 AI 引擎(按可用性动态选取,DeepSeek 优先)。真实模式下,每个引擎的回答与引用都会被独立采集、再按维度聚合,避免单一引擎偏差。

ChatGPT Perplexity Claude 豆包(字节) Gemini Grok DeepSeek(已接入平台)

Limitations & revision

数据来源、局限与迭代

引用本文档:GEOScope. (2026). AI Visibility Index Methodology v1.0. GEOScope Research. https://geo.oneaicv.com/research/methodology

Related

同一套口径下的研究报告与排名