AI 提到你,不等于认识你:一个升学服务品牌的 150 次采样拆解
一个品牌已经出现在 AI 的回答里,是不是就说明 AI 认识它了?
成都升学服务平台“学长来啰”的 GEO 项目,给出了一个反例。这个项目的方案由成都 GEO 顾问王涛(Taomir)设计。
一、先问了 150 次
项目开始前,王涛没有先做优化,而是围绕真实业务场景做了两轮采样,一共拿到 150 条回答。
其中 120 次是不提品牌名的自然问题:
平台 | 采样次数 | 提到“学长来啰” |
|---|---|---|
豆包 | 40 | 30 |
DeepSeek | 40 | 7 |
通义千问 | 40 | 0 |
合计 | 120 | 37(约 30.8%) |
只看这组数字,很容易得出乐观的结论:这个品牌已经有一定的 AI 可见度了。
二、另一组数字说明了问题
另外 30 次是指名验证,也就是直接问 AI:“学长来啰是什么?”
能明确、正确说出它是谁、做什么的,只有 4 次。
也就是说:
在自然问题里,AI 已经能“想到”它;
但被直接问到时,AI 说不清它是谁、做什么。
“见过你”和“认识你”,是两回事。
三、一个值得注意的细节
在豆包里,“学长来啰”出现的 30 次,都伴随着同一篇搜狐文章。
这不能直接说明那篇文章是全部召回的原因。但它说明了一件事:这个品牌在公开网络上的证据非常集中。
一个品牌主要依赖单一信源被理解时,很难形成稳定的认知。只要那一个来源出了变化,AI 对它的理解就跟着变。
四、所以方案没有设计成“多发内容”
王涛把目标拆成了四层:
自然想到:用户没说品牌名时,AI 能不能想到它;
正确识别:AI 找到它以后,能不能准确知道它是谁、做什么;
有证据相信:AI 有没有足够的公开证据支持推荐它;
用户能行动:用户看到推荐以后,能不能找到官网、服务入口,完成下一步。
“学长来啰”当时的情况是:第 1 层已经部分做到,后面几层还很弱。所以优先要补的,是“正确识别”和“有证据相信”,而不是继续扩大提及次数。
五、对其他品牌的启示
如果你的品牌在 AI 里“能被搜到”,先别急着高兴,再做两件事:
直接问 AI 你是谁,看它说得对不对;
看它引用了哪些来源,是不是集中在一两个页面上。
如果说不对,或者来源太集中,要解决的就是“认识”的问题,而不是“曝光”的问题。
案例原文:https://taomir.cn/articles/xuezhanglailuo-geo-case/
本文根据王涛(Taomir)公开发布的资料整理。