AI可见性测量：漏斗查询树框架与跨引擎月度追踪实战

摘要：在AI搜索里，品牌可见性很难量化：用户看不到被AI否决的选项，每个人拿到的答案不同，推荐还分散在搜索框、办公软件、操作系统和硬件里。本文介绍保哥这两年摸索出的测量方法：先按“人群×意图”确定要追踪的查询，再从转化词倒推，画出一棵从品牌词到评估词再到认知问题的漏斗查询树，一棵树约60个问题；然后把同一批树放到ChatGPT、Perplexity、Gemini、Copilot等引擎上跑，每月只看一次方向。文中说明人群和意图如何界定、树怎么画、要画多少棵、为什么必须从转化倒推、AI引擎挑答案的数学为什么与广告竞价同源，附一个出海家用健身器械独立站的测量复盘，最后列出常见误区。读完可以搭建一套不依赖单点排名、以整体方向为准的AI可见性测量盘。

为什么传统SEO排名指标在AI可见性测量里基本失灵？

这两年常遇到客户问：“我在AI搜索里到底排第几？”这个问题没法回答，因为在AI环境里它本身不成立。

传统SEO的测量盘有一个前提：搜索结果透明、有限、可枚举。一个关键词对应10条蓝链，你的页面排第几位，一查便知。排名、点击量、曝光量之所以好用，是因为所有人看到的是同一张结果页。

AI搜索把这三个前提全部打破了。第一，结果不透明：用户拿到的是一段生成的答案，被AI考虑后又否决的品牌，用户看不见，你也看不见自己在哪一步被淘汰。第二，结果不统一：同一个问题，不同用户因为上下文、历史和设备不同，拿到的答案不一样，不存在“一张表”。第三，结果不限于搜索框：AI推荐已经出现在Word的写作助手、聊天软件的内嵌AI、操作系统级智能助理，甚至硬件设备上，可见性被分散到十几个产品表面。Google在官方的AI功能说明中也承认，AI体验分布在多个产品表面上，不再集中在一个结果页。

举个具体场景。同样问“适合小公寓的可调节哑铃”，你在自己电脑上问ChatGPT，它可能列出三个品牌；同事在手机上问同一句，由于他之前聊过预算和品牌偏好，拿到的三个品牌可能完全不同。哪一份才算“真实排名”？两份都算，也都不算，因为根本没有所有人共享的结果页。传统排名工具能给出确定数字，依赖的正是“所有人看到同一个页面”这个假设，而这个假设在AI搜索里从一开始就不成立。

前提不存在，建立在其上的指标也就失去意义。你还在量“第几位”，可AI环境里没有稳定的“位”。问题出在测量对象变了，指标本身并没有算错。重新测量AI可见性，要先接受一点：你拿不到点对点的精度，只能拿到方向。这看似退步，实际上是换成一种更适合不透明系统的度量方法。央行测通胀时，不会追踪每一笔交易的价格，而是抽样一篮子商品看整体走势。AI可见性测量需要的也是这种“一篮子”式的宏观读数，而非某个查询当下的精确名次。

接受这一点后，压力反而会小一些。过去“今天排第3、明天掉到第5”的焦虑，来自用一把不适配的尺子量东西。换成宏观测量，你关心的问题会从“此刻第几”变成“这个季度我的覆盖面在扩大还是缩小”，后者才能指导决策，也能稳定测量。下文讲的就是这把新尺子怎么做。

衡量AI可见性为什么要先定人群，再选查询？

传统SEO从关键词研究起步：拉一批词，看搜索量，按量排优先级。这个习惯放到AI测量里会马上出问题：AI搜索中用户的问法分散、冗长、口语化，按搜索量拉不全，拉到的也多是泛词。

更可靠的起点是人群。这里说的人群，指的是会因为同一个刺激产生相似行为的群体，“25到34岁女性”这类人口统计标签不算。以家用健身器械品牌为例，人群可以是“刚开始在家练、怕买错的新手”“产后想恢复体态的妈妈”“长期居家办公久坐、想增加活动量的人”。即使这三类人年龄和收入相同，他们向AI提问的方式也完全不同。

这里要分清两个容易混淆的概念：品类和人群，差别在于一个归类东西，一个归类人。品类是“可调节哑铃”“弹力带”“壶铃”，它给货架上的商品分格子。人群是“小公寓里没地方放器械的人”，它给买东西的人分格子。同一件可调节哑铃，新手关心“会不会用不明白”，久坐人群关心“占不占地方、吵不吵”，妈妈人群关心“产后多久能用、安不安全”。按品类建测量盘，测的是货；按人群建，测的才是真实需求场景。AI引擎理解查询时，正是在还原“提问的是什么人、处在什么处境”，所以测量也要按人群来组织。

另一个常见问题：一个品牌该分几个人群？经验值是3到6个。少于3个，多半是把本该分开的人群合并了，测出来的结果会混在一起；多于6个，往往是把意图当成人群来切，切得越碎越难管理。如果列到第7、第8个人群还停不下来，回头检查一下，其中很可能有几个是同一人群在不同意图下的表现。把它们合并回去，只保留行为模式确实不同的几类。

选人群没有搜索量工具可用，要靠对业务的理解，不过有几类现成材料可以挖：客服对话记录里反复出现的提问场景；退货理由里反复出现的几种“买错了”；销售或客服私下使用的口头分类（“又是一个图便宜的”“这种是认牌子的”）。这些一线语言里有真实存在的人群。

判断标准是：能否想象出这群人具体的一天，包括他几点会想到你这类产品、在什么场景下产生购买念头、会先问谁。能想象出来，这个人群就成立；只能写出一个标签，说明还不够具体，需要继续挖。

人群与意图如何交叉成可测量的AI可见性节点？

只有人群还无法测量，因为同一群人在不同处境下的需求差别很大。这就需要第二个维度：意图。

意图是一个情境向量，描述“这群人此刻想完成的事”。仍以健身器械为例，“产后妈妈”这个人群可以叠加“想知道产后多久能开始练”的意图，也可以叠加“想在两百美元内配齐一套居家器械”的意图。人群相对稳定，意图随场景切换，两者交叉得到一个节点，即行为高度一致、问法可预测的最小测量单元。

检验节点是否合格有个实用方法：人群和意图，必须都能从查询本身读出来。比如“产后多久可以用可调节哑铃练力量”，能读出人群（产后、谨慎、要练力量），也能读出意图（判断安全的起步时间），这样的节点可解读、可测量。相反，“健身器械哪个好”读不出人群，也读不出意图，不构成有效节点，拿去测只会得到噪声。

搜索意图如何分类、如何对齐，搜索意图完全指南一文拆得更细，可以配合阅读，这里只取“意图要能从查询里读出来”这一条，作为建节点的硬标准。

走一遍建节点的过程会更直观。以“久坐居家办公族”为人群，叠加“想花最少的钱、占最小的地方先动起来”的意图，得到的节点对应这样的查询：“居家办公久坐，买什么健身器械占地方最小”“一百美元以内能配齐的居家小器械有哪些”“工位旁边放什么器械能随时练几下”。这几句查询都能读出人群和意图，问法也高度一致，就是合格节点。如果交叉出来的查询读不出人群或意图，这时问题不在查询写得不好，而在节点的人群或意图没有界定清楚，需要退回上一步重新界定。

可以把人群和意图看作经纬度，每个交叉点是地图上的一个坐标。AI可见性测量的工作量，主要就是把与业务相关的坐标逐个标出来，再检查每个坐标上AI有没有提到你。

漏斗查询树如何从转化层向上逐层绘制？

确定一个节点后，要测的是围绕这个节点展开的一整棵漏斗查询树，单个查询不够。一棵树分三层，对应买家旅程的三个阶段。

树根，是漏斗底部的转化层。这一层是带品牌词、带明确购买意图的查询，比如“XX牌可调节哑铃多少钱”“XX家弹力带套装值不值”。一个节点的转化层查询通常不多，几条到十几条。

树干，是漏斗中部的评估层。这一层查询不带品牌，但用户已经在对比和筛选，比如“小公寓适合放哪种可调节哑铃”“新手居家练力量买固定哑铃还是可调节的”。一个节点的评估层一般有5到15条查询，数量最多，价值也最高。

树梢，是漏斗顶部的认知层。这一层是更早期、更模糊的问题，用户还没意识到要买东西，比如“在家能不能练出力量”“居家办公久坐对身体有什么影响”。一个节点的认知层约3到10条。

三层合计，一棵完整的漏斗查询树约60个查询。这个数字不必卡死，关键是结构：底部窄、中部宽、顶部中等。绘制顺序很重要：从树根的转化查询起步，逐层往上推。先想清楚“这群人最终会带着品牌搜什么”，再倒推“在那之前他们会评估什么”，再倒推“更早之前他们会困惑什么”。一次画一棵，画完再画下一棵，不要一开始就铺开一张大网。

绘制时要注意，评估层最容易写空。很多人写到评估层，会顺手堆上“可调节哑铃推荐”“最好的家用器械”这类泛词。这些词看起来相关，却读不出具体人群和意图，属于无效查询。评估层应该写出转化层那个具体的人在付款前真正纠结的对比问题：他在比较什么、担心什么、在算哪笔账。一句“占地方还是哑铃数量优先，小户型怎么取舍”，比十句“哑铃推荐”有用。树的质量，八成取决于评估层写得是否具体。

认知层也不能写成科普百科。认知层问题要带上这群人特有的处境：久坐人群的认知问题应该是“每天对着电脑十小时，身体最先出问题的是哪儿”，而“运动有什么好处”读不出人群。三层都守住“能读出人群和意图”这条线，整棵树才站得住，也才适合拿去跨引擎测量。

每棵漏斗查询树约60个查询，需要建多少棵？

很多人到这一步会担心：一个节点60个查询，业务场景这么多，岂不是要管理几千个查询？算一下就会发现，规模可控，而且可以分阶段累积。

从表中可以看出，不需要一开始就上3000个查询。3到5棵树，就能得到低分辨率的方向读数；做到100棵树，是高分辨率读数。两者都有效，区别只在清晰度。这和拍照类似，低像素也能分辨是人还是猫，只是看不清睫毛。

实际操作建议：第一个月先建3棵树，选最核心的3个人群×意图节点，把整套流程跑通，包括画树、跑引擎、记录结果、判断方向。流程顺畅后，每个月按人群和意图逐步增加，覆盖到80%的营收来源即可暂停。覆盖度要逐步累积，不要试图一次铺满。一开始就想建满50棵树的人，通常到第三棵就放弃了。

先建哪3棵树也有讲究：选最赚钱、最了解、竞争相对不激烈的节点。最赚钱，测量才直接对应业务；最了解，才能写出具体的查询；竞争不激烈，早期才能看到正向变化，团队也更愿意坚持下去。第一批树挑成“能赢的仗”，这套测量盘才能撑过第一个季度。不少团队方法没问题，却在第一棵树就挑了难啃的节点，推不动就放弃了。

节奏上还要注意：树画完不能锁死。业务变化时，人群和意图也会变，比如推出新品类、进入新市场、客户结构改变，原来的树都要相应调整。比较合理的做法是每个季度审查一遍，删掉不再相关的节点，补上新出现的人群和意图。查询树需要持续维护，不能当作归档文件。想清楚这一点，就不会在第二个季度拿着一棵过时的树，测出一堆没有意义的数据。

漏斗查询树为什么要从转化层倒推，而不从认知层顺推？

传统漏斗思维是自上而下：先做认知，再做评估，最后做转化。画漏斗查询树时，强烈建议反过来：从转化层起步，倒着往认知层推。

原因在于，转化层查询最能反映理想客户的真实身份。会搜“XX牌可调节哑铃多少钱”的人，人群和意图高度确定：他就是要买，而且冲着你来。从这个确定的点倒推，得到的评估层和认知层查询都会紧紧绑定“这群人”，不会跑偏。

如果从认知层往下铺，问题在于认知层的问题太宽。“在家能不能练出力量”背后可能有十几种完全不同的人。从这里往下推评估和转化，会得到一大堆看似合理、实际没人拿来做购买决策的泛词，测了半天，测到的是与生意关系不大的流量。从转化倒推，等于先锁定终点再规划路线；从认知顺推，等于在十字路口随便选个方向走。

倒推还有一个附带好处：转化层定清楚了，“理想客户画像”也就落实了。很多团队的客户画像只是挂在墙上的PPT，从不指导具体动作。用转化查询倒推画树，画像就从一句口号变成一串可以直接拿去测、拿去写内容的具体问题。

这套倒推法还迫使你回答一个应该最先回答、却常被跳过的问题：到底是谁会带着你的品牌名去搜索、去付款。这个问题答清楚了，上面两层怎么铺都不会偏太远；答不清楚，认知层做得再热闹也接不住转化。

画转化层时有一个常见误区：只盯着自己的品牌词。成熟的转化层节点，除了“XX牌哑铃多少钱”，还应包含“XX牌和某某牌哪个好”这类带竞品的对比型品牌查询。用户付款前几乎都会做一轮品牌对比，这类查询正是AI最常被问到、对最终选择影响最大的。把竞品对比查询纳入转化层，树才完整，测出的可见性也更接近真实的购买场景。

AI引擎挑答案的逻辑与Google Ads竞价是否同源？

这一节是保哥认为全文最有价值的观察。做过付费广告的人会发现，AI引擎挑答案的逻辑与广告竞价的数学高度同源。

先看广告侧。Google Ads竞价的核心，是引擎在每次拍卖里实时算的一道概率题：这个人群带着这个意图看到这条广告，最终转化的概率有多大；再乘以与利润相关的权重，决定谁排在前面。它做的是“正向推算某人群带某意图走到转化的可能性”。

再看AI引擎选自然答案，做法非常相似：面对一个查询，先判断背后是什么人群、什么意图，再推算把哪些来源组合进答案，最能让这个人群在这个意图下得到满足、达成目标。两边算的是同一道概率题。区别在于，自然结果这边引擎没有商业数据，算式里缺少利润项。可以粗略写成：广告侧约等于“人群×意图×转化率×利润权重”，自然侧约等于“人群×意图×转化率”。少了利润项，前三项的结构相同。

这个观察的实际意义，是说明AI引擎在“奖励”什么。它奖励的并非关键词密度，也不单是页面权重，而是你能不能让引擎清楚地算出“这个人群带这个意图，沿着这条路径，最终会走到你这里转化”。漏斗查询树做的正是这件事：用内容把转化路径上每个节点答清楚，相当于告诉引擎这群人先困惑什么、再评估什么、最后带着什么品牌词转化。竞争对手还在逐个关键词优化，你交给引擎的是一整条标注清楚的路径，引擎更容易把你算进答案。

这也解释了一个常见困惑：有些网站单篇内容质量不差，AI却很少引用。原因是内容彼此割裂，一篇讲认知问题，一篇讲某个评估点，互不衔接，引擎拼不出“从困惑到转化”的完整链路，只能把它们当作孤立片段，命中率自然低。漏斗查询树的价值一半在测量，另一半就在这里：它要求你按真实购买路径把内容串起来，不再零散堆放。

有一个可以立刻自查的动作：把站内现有内容对照一棵画好的树逐一归位，看每个节点下有没有对应内容。多数情况下会发现，转化层和认知层内容很多，评估层却大片空白。这几乎是所有团队的通病，因为评估类内容最难写，也最不像“品牌内容”，大家本能地少写。而评估层恰恰是引擎判断转化路径时最关键的一环。这个简单的对照动作，往往比任何工具都能更快告诉你预算该投向哪里。

漏斗查询树如何同时用于内容策略、测量与诊断？

漏斗查询树最划算的地方在于一套树可以同时承担三项工作，不必为策略、测量、诊断分别搭建体系。

当策略用：树画好后，每个节点就是一个内容选题。转化层节点对应产品页和品牌对比页，评估层节点对应对比测评类内容，认知层节点对应科普和场景类内容。树上有多少个节点还没有内容覆盖，内容计划就有多少个明确的空缺要补，选题不再靠拍脑袋。优先级也随之确定：靠近转化层的空节点先补，因为离付款最近、见效最快；认知层的空节点可以往后排。

当测量用：把同一棵树的查询原样拿去问每个AI引擎，记录每个节点上有没有提到你、如何提到。这就是你的AI可见性读数。GEO可见性包含哪些维度、每个维度如何打分，GEO可见性指标体系一文给出了完整的评分框架，可以用来给每个节点的表现做标准化打分，与查询树配合使用。

当诊断用：测量跑几个月后，把数据铺开，可以看出三类信息：哪一片节点成块缺失（说明某个人群或某个漏斗阶段完全没有覆盖）、哪些单个节点特别弱（说明针对这个具体问题的内容不够好）、哪个引擎最稳定地把你纳入答案（说明你的内容风格更适合哪个引擎）。这三类诊断结论可以直接转成下个月的动作清单。

一套树画一次，策略、测量、诊断三项都能用上。这是它比“为AI搜索单独购买监测工具”更划算的根本原因：监测工具只覆盖测量，策略和诊断仍要另想办法。

三项工作统一在一套树上，还能降低团队沟通成本。内容、运营、增长几个角色过去各看各的指标，争论时谁也说服不了谁。有了同一棵查询树作为共同语言，讨论会变得具体：不再笼统地争论“要不要做AI优化”，而是指着某一片空缺的评估层节点问“这一块这个月谁来补”。一个共享、具体的测量对象，往往比任何方法论都更能统一团队的行动。

跨引擎AI可见性月度追踪该怎么安排？

测量工作中，节奏比工具更重要。先确定测哪些引擎：至少覆盖ChatGPT、Perplexity、Gemini、Google的AI模式、Copilot这几个主要引擎；如果你的人群会使用语音助理，Siri和Alexa也值得抽测。同一批查询，每个引擎都跑一遍。

再说频率，这是最容易出错的环节。AI引擎的答案每天都在波动：同一个问题今天提到你、明天没提，很可能只是模型当时的随机性，不代表可见性真的变了。因此追踪频率定为一个月一次比较稳妥。看得太频繁，会被日间噪声牵着走，频繁修改不该改的东西；按月对比才能过滤噪声，看出真实的方向和动量。

Prompt该怎么选、提示词池怎么建、监测时最容易犯哪些错误，Prompt Tracking完全指南讲得比较系统，建树时可以参照它规范每个节点的查询写法。

记录维度建议至少三个，整理成一张简单的表即可：

这三列数据积累三个月，趋势就会显现。最后说一下预期：这套测量法的设计，就是牺牲点对点精度，换取跨季度的方向一致性。你不会得到“本月AI可见性排名第7”这样的数字，得到的是“评估层节点的被提及率连续两个月上升”这样的方向判断。应该把它当作仪表盘上的油量表，而不是秒表。

跑追踪时还要守住一条执行纪律：每个月使用的查询、问法和引擎尽量保持一致。这是宏观测量成立的前提。你要比较的是同一批问题在不同月份的表现，如果这个月换了问法、下个月又加了引擎，数据就无法纵向对比，趋势线也就失去意义。可以增加新的树和新的引擎，但要记录“从某月起新增”，分析时与老数据分开看，不要混进同一条趋势线。测量纪律有时比测量本身更能决定结论是否可靠。

家用健身器械DTC案例：AI可见性缺口是怎么测出来的？

去年保哥手上有个出海北美的家用健身器械独立站，主营可调节哑铃和弹力带套装，客单价在70到180美元之间，团队规模不大。他们的困扰很典型：知道AI搜索重要，也零散优化过几篇内容，但完全说不清自己在AI里有没有被看见，做了也无法验证效果。

我们用漏斗查询树为他们搭建了测量盘，过程中踩过一个坑。第一版树画偏了：团队起初把“可调节哑铃用户”“弹力带用户”当作人群来分树，画到一半发现分的是品类，三棵树的查询几乎一样，测不出区分度。于是推倒重来，改按真实人群划分：“刚居家健身的新手”“产后恢复体态的妈妈”“久坐想加运动量的居家办公族”，每个人群配4到5个意图，最终形成13棵树、约780个查询。

第一个月跑完ChatGPT、Perplexity、Gemini、Copilot四个引擎，结果很清楚：转化层（带品牌词的查询）AI基本都能提到他们，品牌词这块没有问题；但评估层几乎是空的。像“小公寓适合放哪种哑铃”“新手在家练力量买可调节还是固定哑铃”这类查询，AI答案里反复出现的是那几个大牌，他们一次都没被提到。诊断结论是：在用户做购买决策的那一层，他们在AI里完全不可见。

后续动作按诊断结论执行：接下来两个月，集中为评估层的空节点写内容，一个节点对应一篇讲清对比和选择逻辑的文章，其他内容不动。他们没有调整认知层和转化层，因为诊断已经确认问题集中在评估层，集中投入一个层级比三层平均分配更有效。

第三个月再测，13棵树评估层的被提及率从接近0上升到肉眼可见的比例。具体数字不是重点，重点是方向：连续两次测量都在上升，而且是在没有调整转化层、没有增加预算的情况下实现的。这套测量盘给团队带来的主要价值，是“预算该投向哪个漏斗层”这个一直无人能答的问题，第一次有了依据。

用漏斗查询树测量AI可见性，最常见的误区有哪些？

下面集中列出最容易出错的地方，提前规避可以减少不少返工。

• 拿品类当人群分树。这是最常见的误区，上面的案例就出现过。判断方法很简单：分出来的几棵树如果查询差不多，多半分的是品类，需要推倒重画。
• 还在追单点精度。有人测了两个月，还在纠结“这个查询这周为什么掉了一名”。AI环境里没有稳定的“名次”，单次波动绝大多数是噪声。应该看一片节点的月度趋势，不看某个点的瞬时值。
• 节点读不出人群意图就硬测。把“健身器械推荐”这类读不出人群和意图的泛查询放进树里，测出的数据无法解读。建树时逐条检查“能否从这句话里读出人群和意图”，读不出就删除。
• 测了不接动作。有的团队把测量当成月度例行公事，报表做得很漂亮，诊断结论却从不转成内容动作。测量的唯一意义是决定下个月做什么，不落实到动作，这套测量盘就是摆设。AI引用率监控如何与优化流程衔接，AI引用率监控与迭代流程一文给出了从测量到迭代的完整步骤，可以接在查询树之后使用。
• 一开始就想铺满。坚持先建够50棵树再开始测，结果树还没建完热情就耗尽了。始终应该先跑通3棵，再逐步增加。
• 换人就断档。如果查询树和记录表只存在于某个人的脑子和个人表格里，他一离职，整套测量就无法延续。从第一天起就把树、记录表和判断口径写进团队共享文档，作为团队资产管理，不能成为个人私有资料。

还有一个预期上的误区：不要指望第一个月就有惊喜。第一个月拿到的，很可能是一张令人沮丧的表，许多节点空白、被提及率很低。这很正常，它只是把你之前“说不清自己有没有被看见”的状态量化了出来。测量的价值不取决于第一张表是否好看，而在于从第二张、第三张表开始，你能看到自己是否在变化、往哪个方向变化。坚持跑满三个月，才算真正用上这套框架。

衡量AI可见性，难点在于能否放下“我要一个精确名次”的执念，技术反而是次要的。AI搜索是不透明系统，对这类系统，看方向、动量和趋势，比追单点数字更科学。能接受这一点，漏斗查询树就能用顺；接受不了，买回再贵的监测工具，也只会每天对着噪声焦虑。先建3棵树，跑一个月，你对“方向读数”会有完全不同的认识。

常见问题解答

权威参考资料

本文的两处外部依据汇总在上方aside里。Google Search Central关于AI功能的说明，支撑的是“AI推荐已经摊到搜索框之外的多个产品表面”这个判断；Google Ads帮助里关于拍卖机制的解释，则是“AI引擎挑答案的数学和广告竞价同源”这一观察的对照来源。想把这套测量法的底层逻辑吃透，建议把这两份资料各读一遍，尤其是拍卖那篇，读完你会对“引擎在奖励什么”有更具体的体感。