AI可见度主题主导权研究：5万品牌实测与85%无主品类的机会

摘要：过去半年常被引用的一个判断，这次有了跨5万品牌的实测支撑：在AI搜索里，竞争单位是整个主题，单个关键词决定不了输赢。1094个美国品类里，只有15.2%能找出明确的主导品牌，其余85%还没有主人。自然流量、权威分这些传统指标几乎预测不了谁能拿下一个主题，唯一有统计意义的是品牌搜索量。本文拆解这份研究，说明主题层竞争的机制、热门品类为什么更难被主导、被提及和被引用为什么只有21%重合、主导权拿下后能否守住，以及出海独立站应如何重新排列优先级。

很多人没意识到这里有个错位。打开一个AI可见度工具，看到的往往是一条条关键词、一个个引用链接，于是人们下意识把AI搜索当成又一个排名榜：盯住某个词，争取被引一次。AI答案的组织方式并非如此。它不会一个词配一个链接，而是围绕一个主题，把几个来源合并进一段话，最后给用户一个结论。

用户记住的是在这个主题下AI推荐了谁，而不太在意你被引用了。所以这份新的实测数据发布后，做GEO的人纷纷转发同一句话：AI可见度是主题层的游戏。这句话听上去像口号，但这次背后有5万个品牌的样本作依据。

这个错位的影响在于，它决定你的精力投向哪里。如果把AI可见度理解成关键词的加总，你会继续把预算分摊到几百个词上，每个词只做浅层优化，结果没有一个主题真正占住。如果按主题层竞争来理解，动作就完全不同：先划定要争的主题，把资源集中到少数几个上，做到被模型稳定提名，避免在大量关键词上平均用力、哪里都没有存在感。同样的预算，两种认识带来的结果差距很大。本文要做的，是把研究里看似抽象的百分比，逐条转成明天就能用来调整策略的判断。

为什么AI可见度按主题层竞争，而非按关键词排名？

在传统SEO里，你可以为几百个长尾词各做一个页面，每个词单独带来一点流量，累积起来就很可观。这套做法在关键词检索中成立，因为搜索结果是一排蓝色链接，排名靠前就拿到点击，竞争单位就是单个查询。

AI搜索改变了这个竞争单位。用户提出一个问题后，模型不会只返回一条链接，而是先在内部把问题扩展成一组相关子问题，这就是查询扇出。我在查询扇出Query Fan-out的底层机制那篇里分析过它如何把一个问题拆成十几个。扇出之后，模型把这组子问题的答案汇总成一段，落到几个反复出现的品牌上。你能被点名，前提不在于某个词排第一，而在于模型在整个主题的语义空间里，把你识别为这个领域应当提到的名字。

因此，竞争单位从关键词上升到了主题。你可能在单个查询里被引用过一次，却在整个主题下从未被提名。好比一场会议，你的名片被放进资料袋发了下去（被引用），主持人介绍嘉宾时却一次都没念到你（没被推荐）。影响生意的是后一种。

关键词并没有因此失效，只是在关键词这张地图上又叠加了一张主题地图。具体查询仍然要靠具体页面承接，这是基础，不能丢；但衡量成败、分配资源、判断输赢的单位，要上升到主题层。只统计关键词排名的团队，在AI搜索里会一直困惑：几个词明明排得不错，AI为什么从不提我。常见原因是，这几个词分属不同主题，每个主题你都只覆盖了一点，哪个也没占住，自然没有一个主题会把你当作代表。

Semrush这份5万品牌AI可见度研究是怎么设计的？

这份研究由Semrush与Growth Memo创始人Kevin Indig合作完成，标题就是《AI可见度是一场主题层的游戏》。它的规模在同类研究中少见：覆盖1094个美国品类、5万多个品牌，数据来自22万个域名、60万条引用、22万个URL，时间跨度为2026年1月到6月，使用Semrush自有的AI可见度工具箱追踪ChatGPT的答案。

方法上有个细节需要记住：每个品类不只问一句，而是配了5种提问，分别对应买家旅程中的5类问题，即定义、对比、找替代品、使用场景和购买决策。这样设计是为了避免某一种问法的偶然结果影响结论。一个品牌要在某个品类里算数，必须在这5种提问中稳定出现，偶尔在某一句里被提到一次不算。

强调这一点，是因为市面上很多AI可见度研究结论相互冲突，一个重要原因是提问集设计随意、样本量太小，换一批提示词结论就反转。这些研究为什么相互矛盾、应按什么顺序阅读，我在AI可见度竞品分析全流程里专门梳理过。Semrush这份研究的样本量和受控设计，在同类研究中属于可信度较高的一档。

设计上还有一层考虑：用5类买家问题覆盖一个品类，相当于要求模型从5个不同角度给出答案，避免只在一个角度上碰运气。如果一个品牌只在其中一类问法里出现（例如只在对比类中被提到，定义、场景、购买类中都没有），它最多算在这个主题里有一点存在感，谈不上主导。研究把主导权的门槛设为多数提问中都要稳定出现，目的就是过滤掉这种单点偶然。

这对你自己做测试也有提示：不要凭一句提问的结果下结论，一个主题需要从多个角度问过一遍，你在其中的位置才有参考价值。

85%的品类没有主导品牌，意味着什么？

研究先定义了主导权：一个品牌要算某个品类的明确主导者，必须在该品类的多数提问中稳定被提及，并且领先其他品牌。按这个标准，1094个品类里只有15.2%存在明确主导者。

其余品类中，31.2%属于有冒头的领先者，即该品牌至少在3种提问里出现，但与其他品牌的差距还不够大；另有53.7%处于未定局状态，没有任何品牌能在5种提问中的3种以上稳定出现。两部分合计，85%的品类没有一个明确的主导者。

不同的人读这个数字，结论完全不同。悲观的解读是连主导者都这么少，我更没机会。另一种解读是，这正是AI搜索早期最大的红利：绝大多数主题还没有主人，谁先在某个主题里建立品牌存在、拉开差距，谁就有机会长期占据。这和成熟的关键词SERP完全不同。那里前三名早已被牢牢占住，想进入就得把别人挤下去；这里更像刚开放的空地，先到先得的窗口仍然开着。

为什么会有这么大一片空白？一方面，AI搜索还处于早期，大多数品牌仍按关键词层做优化，没有意识到要按主题占位，自然也没人认真去做。另一方面，主题主导权无法靠短期砸预算买到，它依赖品牌需求和第三方语境的长期积累，这个时间门槛挡住了很多想走捷径的品牌。

两方面叠加，形成了目前这种少见的局面：大量机会空着，用对方法去争取的品牌却不多。对愿意扎实投入、又能尽早行动的品牌来说，这是一个难得的错配窗口。

对资源有限的出海独立站，这一点更有意义。你不必硬拼一个已有主人的大品类，可以挑几个还没定局、又与自家产品相关的细分主题，集中资源先拿下它们。

主题主导权的三种状态，各自该用什么打法？

先分清状态，再定打法。把85%的无主品类笼统当成一块空地会吃亏，它其实分成性质不同的两部分，加上已有主人的那部分，一共三种状态，每种状态的应对方式都不一样。

第一种是已有主导者（15.2%）。这类主题里已有一个拉开差距的品牌，正面竞争的投入产出比很低。应对方式是转向相邻的细分主题，或者按长期项目来做，不要指望三个月内取而代之。

第二种是有冒头者（31.2%），即某个品牌在多数提问里都出现了，但差距还不够大。这类主题最不稳定：一个月后可能固化为有主人的格局，也可能被后来者拉回未定局。如果冒头的是你，要尽快追加投入、扩大差距；如果冒头的是别人，而你也有一定积累，这是少数还来得及争取的窗口，行动要快。

第三种是未定局（53.7%），没有任何品牌能稳定占位，是最干净的空地。这类主题里，谁认真投入、先把品牌名和主题绑定，谁就有机会从零建立主导权。

所以，看到空着的主题就直接进入，是新手做法。有经验的团队会先判断它属于哪种状态：相邻主题有强势主人、自己只是陪跑；真正未定局、值得投入；还是已有人冒头、必须抢时间。状态判断错了，投入就会用错地方。

为什么高需求品类的主题主导权反而更分散？

研究还发现一个反直觉的对比：高需求的热门主题中，只有11.3%存在明确主导者；低需求的冷门主题中，这个比例是19%。越是大家都在争的大市场，越难有一家独占。

原因不难理解。热门品类里品牌众多，各家都在发布内容，也都会被提到几句，模型面对的候选太多，很难把推荐集中给某一家，于是长期处于多家并存、没有谁占绝对优势的状态。冷门主题候选少，只要有一两家认真投入，模型很快就会把主题和它们关联起来。

这里有个陷阱要提醒：头部高需求主题虽然很少有主导者，却占了样本中98%的AI搜索量。无主的热门主题是一个规模很大、同时极其拥挤的竞争场；无主的冷门主题容易占，但带来的实际曝光有限。真正需要做的是判断：哪些主题还没定局，需求又没有小到失去意义，这些才是优先投入的对象。这和传统SEO挑选长尾词的取舍思路一致，只是单位从词换成了主题。

对出海独立站，我更倾向从中间地带切入：不要直接进入占了98%流量的顶级热门主题和众多品牌竞争，也不要选没人搜索的极冷门主题。优先找需求中等偏上、尚未定局、又与自家产品强相关的主题，它们没有热门到人人争抢、格局固化，也没有冷门到占住了也没曝光。

先在几个这样的主题里把主导权做扎实，形成一块稳定的AI可见度基本盘，再以此为基础，向相邻、更热门的主题扩展。一开始就去争最难的主题，大概率投入很多却拿不到结果。

为什么传统SEO指标预测不了主题主导权？

这可能是整份研究里最不留情面、也最有用的一部分。研究团队拿主导者与非主导者对比几个经典SEO指标，检验它们能否预测谁会拿下一个主题，结果如下：

• 自然流量：主导者只在48.4%的对比中领先，基本相当于抛硬币，统计上不显著。
• 权威分（Authority Score）：主导者在52.5%的对比中领先，同样没有达到统计显著的门槛。
• 品牌搜索量：主导者在55.7%的对比中领先，是唯一达到统计显著性的指标。

Kevin Indig对这部分的总结很直接，大意是：传统SEO指标不足以解释谁能拿下一个主题。还在用自然流量汇报AI进展的人，应该把这句话记下来。自然流量翻倍、权威分涨了十分，与你在AI答案里是否被提名，几乎是两件不相关的事。

这也解释了很多人遇到过的情况：传统SEO做得扎实，各类工具评分都不错，AI答案里却完全找不到自己。GEO三层可见性指标拆解那篇讨论的正是这种排名与引用脱钩的结构，这份数据从另一个角度再次证实了这一点。

品牌搜索量是唯一显著信号，对出海独立站是好消息还是坏消息？

答案是两者都有，而可以操作的那一面更重要。

坏消息是，品牌搜索量无法短期刷出来，它是真实需求的积累，没法造假。你不可能像堆外链那样，在一个月内把一个陌生品牌的搜索量拉到主导者的水平。好消息是，它指明了应该投入的方向：少在页面上做细枝末节的调整、等着某个词被引一次，多做能积累品牌需求的事，让更多真实用户记住你的名字并主动搜索。

从另一面看，这个坏消息对小品牌反而是一种保护。品牌需求刷不出来、只能慢慢积累，习惯用预算压制对手的大品牌在这方面的优势就被削弱了，他们没法花钱买下一个主题的主导权。这给愿意在细分主题里长期投入的小品牌提供了相对公平的机会：你不需要和大公司比预算，要比的是在这个具体主题里，谁被真实用户记得更牢。对出海独立站来说，这几乎是最有利的一条规则，它奖励扎实和专注，而不看账户余额。

对出海独立站，这意味着GEO和品牌建设已经合并成一件事。红人合作、社群运营、公关曝光、第三方媒体提及，这些过去算作品牌预算的投入，现在同时也是提供给模型的可见度信号。你在目标市场被越多真实用户记住，模型就越倾向于在相关主题里提到你。品牌搜索量之所以能预测主导权，是因为它替模型反映了一件事：这个名字是该领域里确实有人关心的名字。

另外要提醒出海品牌一个不太愉快但很现实的问题：如果你的品牌需求全部来自中文用户，英文引擎中的主题主导权很难凭空获得。需求信号必须落在目标市场的语言和语境里才有效。

为什么品牌搜索量能预测主题主导权，自然流量不能？

这个问题值得多想一步：为什么恰好是品牌搜索量与主导权相关，而自然流量、权威分这些看起来更硬的数字却失效了？

原因在于，这三个指标向模型反映的东西不同。自然流量高，说明你在传统搜索中能拿到流量，但这与你是否是这个领域应被提名的品牌没有必然联系，一个靠大量长尾词积累流量的网站，可能在任何一个主题上都没有存在感。权威分是工具厂商根据外链等信号计算的分数，衡量的是SEO意义上的强弱，同样不等于品牌认知。

品牌搜索量不同：一个人愿意直接搜索你的名字，说明他已经知道你、记住了你，并把你看作这个领域的一个答案。这正是模型在推荐环节要找的东西。它要找的是在现实中被当作这个主题代表的品牌，SEO做得多猛并不是判断依据。

模型无法直接读取人们对一个品牌的认知，只能借助一个可观测的信号来近似，品牌主动搜索量正好符合这个条件。这也把GEO的重心从纯技术工作往品牌本身拉回了一些：你在真实用户心中的位置，比你在爬虫眼中的分数，更能决定AI是否提到你。想深入了解实体和品牌认知如何被搜索引擎与AI处理，可以配合阅读实体权威怎么建的四阶段协作框架。

AI答案里的引用与品牌提及，为什么只有21%重合？

这份研究做了一件很多工具没有做的事：衡量主导权时，它统计的是品牌在答案正文中被提及，而不是答案下方列出的引用链接。这两者看起来相近，数据一对比就发现差异很大：最常被引用的域名与最常被提及的品牌，只有21%重合。

通俗地说，AI在答案下方列为来源的网站，与它在正文中推荐的品牌，大约八成对不上。你的网站可能经常被当作资料引用（比如一篇扎实的评测），却不是被推荐给用户的品牌；反过来，一个几乎不被当作来源的品牌，可能正是模型在正文中频繁提到的名字。

举个容易理解的场景。用户问某类产品哪个牌子好，AI回答了一段：先推荐A、B、C三个品牌，段末附了几个链接，分别指向一家评测站和一个论坛帖子。这里被提及的是A、B、C，它们进入了用户的购买候选清单；被引用的是评测站和论坛，它们只是这段话的佐证。

如果你是那家评测站，会在引用统计里看到自己排名靠前；可用户接下来要去搜索、购买的是A、B、C，与你无关。所以只看引用数会误判形势：你统计的是自己作为证据被使用了多少次，而不是作为答案被推荐了多少次。

这直接决定你该看哪个数。如果仪表盘只统计引用次数，你很可能在一个和生意关系不大的指标上自我满足。被引用衡量的是你的内容作为素材是否被采纳，被提及衡量的才是你的品牌作为答案是否被推荐。这两套机制的分工，分清被检索和被引用的两套打法那篇分析得更细，这份21%的数据为它补充了量化依据。

AI可见度监测该看品牌提及还是引用？

两个都要看，但要分开统计，不要合并成一个数。

把被引用视为供给侧信号：它说明你的内容是否进入了模型的素材池、是否有资格被当作来源。这一层取决于内容质量、结构清晰度和事实密度，是基础，不能丢。把被提及视为结果侧信号：它说明在实际给用户的推荐中，你的品牌名是否被提到。这一层取决于品牌需求、第三方语境，以及你与这个主题的绑定程度。

一个常见误区是把两者当成同一件事的两个阶段，以为被引用多了，被提及自然也会增加。21%的重合率否定了这个假设。它们是两条独立的线，各有各的影响因素，需要分开投入、分开衡量。

有一种情况尤其尴尬：你的内容被大量当作来源引用，模型却把客户推荐给了竞品。这和自夸式榜单失效是同一个问题的两面，我在自夸式榜单被点名后的合规改造里算过引用转推荐率，可以对照阅读。

主题主导权拿下之后，真的守得住吗？

这是很多人最关心的问题：好不容易在一个主题里冒头，下个月会不会就被别人挤下去，前面的投入全部白费？

数据给出的答案相对乐观。已经是明确主导者的品牌，在逐月对比中有90.4%的情况保住了第一。一旦你真正拿下一个主题、拉开差距，地位就相当稳定，不容易被迅速取代。这与传统SERP中前三名频繁变动的情况很不一样。

不过，稳定的只是已经拉开差距的那一档。研究同时统计了尚未定局的品类：在5470次逐月对比中，头名更换了1950次，接近三分之一。多家并存状态下的领先很脆弱，今天刚冒头，下个月就可能被拉回。能守住的前提，是你的差距已经扩大到足够安全的幅度。

把两部分结合起来看，主导权有一个清晰的状态转变过程：从未定局，到有人冒头，再到差距拉开、固化为有主人。跨过固化这道门槛之前，一切都可逆且脆弱；跨过之后，稳定性大幅提高，90.4%的月份保持不变。你要做的，是尽快从脆弱阶段推进到稳定阶段。

这也解释了为什么半途放弃损失最大：你在多家并存阶段投入了不少，眼看要冒头却撤掉资源，等于把前期投入让给了后来者，自己没留下任何壁垒。要么不开这个主题，要么一次推过固化线，中途放弃是最差的选择。

提及率领先多少个百分点，才能守住主题主导权？

研究给出了一个很实用的阈值参考。它对比了两种情况下领先者的典型领先幅度：领先者最终失去第一时，其当初领先幅度的中位数只有约1.3个百分点；领先者守住第一时，领先幅度的中位数约为2.9个百分点。

这个对比提供了一条可用于决策的界线：领先1个百分点左右，基本等于没有领先，随时可能被超过；差距接近3个百分点，才算达到能守住的门槛。这也回答了资源分配问题：在一个你已微弱领先的主题里，与其见好就收、把资源分散到新主题，不如继续投入，把1个多百分点的脆弱领先扩大到3个百分点的安全线，让它成为真正的壁垒。先发优势确实存在，但只对愿意持续扩大领先的品牌兑现。

争夺主题主导权，为什么说现在不入场就晚了？

把两组数据放在一起，会得出一个比较紧迫的结论。一方面，85%的主题还没有主人，空白很多；另一方面，明确主导者在90.4%的月份里都守住了第一。两者合起来说明：AI搜索的主题格局正处于从无主到有主的划分阶段，一旦某个主题被人占住、差距拉开，后来者再想改变就很难了。

这与成熟市场的逻辑正好相反。传统SERP中排名经常变动，今天进不了前三，明天仍有机会；AI主题主导权一旦固化，稳定性高到翻盘成本非常大。所以当前窗口的价值不在于容易，85%无主不代表可以随便占，前面讲的挑选主题、扩大差距都需要真功夫；它的价值在于门还开着。等这些主题陆续被占、主导者把差距做到安全线，你再进入时，面对的就不再是空地，而是一个个90.4%都守得住的阵地。

这并不是鼓励盲目扩张。相反，它提醒你尽早把有限资源投到几个尚无主人、又真正相关的主题上，不要把时间耗在已有强势主人的大品类里反复碰壁。又早又准，比数量多更重要。

也不要把早入场理解成抢先就能赢。窗口开着，不代表进去就归你。研究中大量冒头者最终被拉回未定局，就是抢先之后没有跟进、差距没有扩大的结果。早入场的价值，是让你在一个还没有强势主人的主题里起步，起点相对公平；最终能否站稳，还要看你是否把品牌需求和第三方语境切实积累起来，把1个多百分点的脆弱领先推过安全线。

窗口提供的只是入场机会，不保证最终结果。想清楚这一点，就既不会因为门开着而盲目乐观，也不会因为主导者稀少而放弃尝试。

主题主导权与“被引不等于被荐”、品类框定是什么关系？

这几个概念需要区分清楚，否则容易混为一谈。

被引不等于被荐指的是：你出现在答案中、被当作来源引用，却没有被推荐给客户。品类框定指的是：同一个品牌，换一个提问中的品类词，AI是否推荐它可能完全反转，我在品类框定决定AI推荐名单里分析过New Balance在不同品类词下从1%到90%的变化。这份Semrush研究讨论的主题主导权，是更高一层的全局视角：在一个完整主题里，有没有主人、主人是谁、能否用指标预测、拿下后能否守住。

三者是嵌套关系，不能相互替代。品类框定决定你进入哪个主题的候选池；被引用和被提及是你在候选池中得到的两种不同待遇；主题主导权则是从整个行业的角度看，你在这张地图上占了几块、占得是否稳固。做GEO需要在这三层同时采取行动，只关注其中一层都会有盲区。

可以用开店选址和经营来类比。品类框定相当于你把店开在哪条街上，街选错了，客流就不是你的目标客户，再努力也没用。被引用和被提及相当于顾客进入这条街后，是只在你的橱窗前看看就走（被引用当资料），还是进店购买（被提及、被推荐）。主题主导权则是从全城地图上看，这条街由你主导、由隔壁那家主导，还是整条街尚无一家站稳。

家用健身器材出海站如何按主题层重排GEO优先级？

看一个具体例子。一家做家用健身器材的出海DTC品牌，主营筋膜枪、可调哑铃和折叠训练凳，之前的GEO做法是典型的关键词思路：把几十个产品词逐一优化，跟踪每个词在AI中有没有被引用。做了半年，报表上的引用数增加了，生意却没有明显变化。

按主题层思路调整后，动作发生了变化。第一步不再是挑词，而是先划分主题：把业务拆成几个用户确实会问的主题，比如居家力量训练怎么入门、小空间健身怎么配置、筋膜枪怎么挑。第二步是针对每个主题，用5类提问（定义、对比、替代、场景、购买）分别在2到3个AI引擎中测试，统计自己在多少提问里被提及（不是被引用）。

测试结果很清楚：在居家力量训练入门这个大主题里，早已有几家品牌占据优势，自己怎么补都只是陪跑；而在小空间健身配置这个尚未定局的细分主题里，几乎没有品牌稳定占位。

于是团队把资源从已有主人的大主题撤出，集中到小空间这个无主主题上。做法不是继续增加产品页，而是积累品牌需求和第三方提及：找垂直领域的红人制作真实的小户型健身场景内容，进入几份可靠的第三方器材横评，在社群中反复把品牌名与这个场景关联起来。

衡量方式也变了：他们不再统计引用总数，而是每两周测一次自己在这个主题5类提问中的提及率，观察它是否稳步上升。需要说明的是，同期他们也在优化产品页结构和邮件营销，所以最终的提升不能全部归因于主题调整，只能说方向正确、投入有效。

过程中有两个决策很有代表性。第一，他们一度想同时争取那个已有主人的大主题，认为内容反正已经做了，可以顺带覆盖。后来核算发现：在大主题里，自己的提及率长期接近零，与对手的差距远超3个百分点，属于典型的怎么补都是陪跑，于是果断停掉这条线，资源全部集中到小空间主题。

第二，他们没有一开始就大幅改动官网，而是先用一个多月时间，积累小空间健身主题在外部语境中的提及，等几家红人内容和横评里都自然出现了品牌名，再回头优化对应的自有内容。顺序正确，自有内容的改动才能承接外部带来的关注。这两个决策，正是前面讲的挑选主题、区分供给侧与结果侧、扩大领先幅度这套方法在具体业务中的应用。

只盯自然流量和权威分，为什么AI答案里仍查无此品牌？

再看一个反面案例。另一家做户外庭院用品的出海网站，团队很勤奋，半年内自然流量增长了近七成，几个SEO工具的权威分也随之上升。老板对这些数字很满意，想当然地认为AI可见度也会跟着提高。

到年中测试时，在自家核心主题的几类提问里，AI答案一次都没有提到他们。团队起初不相信，反复换问法测试，结论不变。问题正是这份研究指出的：自然流量和权威分几乎预测不了主题主导权，它们涨得再好，也不会自动带来AI答案中的一次提名。

他们把精力全部投在两个统计上不显著的指标上，却始终没有关注真正显著的品牌搜索量，也没有按主题统计自己的提及率。相当于闭着眼睛跑了半年，跑的还是一条到不了终点的路。

这个案例的教训并非自然流量没用，它当然有用，是基础。教训是不要把基础当成全部，不要用一个无法预测目标的指标，去汇报一件它不负责的事。

更需要警惕的是这种错位不容易被发现。自然流量上涨、权威分上涨，这些数字会让团队产生一切向好的错觉，从而忽略真正的问题。直到某天客户或老板直接问一句：在AI里搜我们这类产品，能不能看到我们？这时才发现，半年积累的漂亮指标对这个问题毫无回答能力。

这半年并非没有努力，而是努力的方向错了。这比什么都不做更可惜，因为它消耗了资源，还带来了虚假的安全感。定期按主题做一次提及自查，相当于给自己装一个防止方向偏离的警报，不要等外部有人问起才发现偏了。

主题该切多大，才能兼顾竞争难度与需求？

把竞争单位从关键词提升到主题后，马上会遇到一个问题：主题没有天然边界，划多大完全由你决定。划错了，后续所有测量和投入都会跟着偏。

划得太宽，比如把整个健身器材当作一个主题，你面对的是一个高需求、几乎不可能独占的巨大竞争场，投入进去大概率只是陪跑。划得太窄，比如精确到某个型号参数的问法，虽然容易占住，但这么问的人很少，占住了也没什么意义。

最有价值的粒度在中间：用户确实会这样问，需求足够支撑，竞争又尚未固化。判断方法很简单：把这个主题当成用户会原样说出口的问题读一遍，读起来别扭的（太窄或太专业），或者大到一句话根本答不完的（太宽），都不合适。

还有一个实用方法：按那5类提问的框架来划分。一个合适的主题，应当能自然引出定义、对比、替代、场景、购买这5种问法。如果连这5类问题都凑不齐，多半是划得太窄；如果每一类都能再拆成大量完全不同的子问题，可能是划得太宽，需要再往下拆一层。这个框架既是研究的测量单位，也能帮你校准主题粒度。

很多团队是在踩坑之后才掌握主题粒度的：起初为了省事按大品类划分，测了几轮发现自己在每个大主题里都排不上号，很受打击；后来把主题拆细，才发现自己在某个细分角度上其实早已被稳定提及，只是被大主题的平均值掩盖了。

所以，如果第一次测试结果全面落后，先不要急着认定自己没机会，很可能只是主题划得太粗，把已有的优势稀释掉了。往下拆一层再测，结论往往会明显不同。

如何自查AI已把哪些主题算在你的品牌名下？

不需要先购买高级工具，一套轻量的自查方法就能起步。

先列主题，不要列关键词。把你的业务拆成8到12个用户确实会问的主题，粒度是主题而非关键词，例如家用咖啡机怎么选，而不是某个具体型号。每个主题按5类提问各写一句自然的问法，组成一张提问表。然后用这张表到2到3个主流AI引擎中逐条提问，只记录一件事：答案正文里有没有提到你的品牌名。提到记1，没提到记0。

跑完一轮，你会得到一张主题×提及的分布图。你被稳定提及的主题，就是AI目前认为属于你的领域；你想争取却一次都没出现的主题，是需要补强的方向；偶尔出现、不稳定的主题，则是尚未定局、值得加大投入的机会点。这套自查与竞品声量份额的测法原理相同，区别只是这次对准的是自己，并且粒度落在主题上。

更进一步，可以在同一张表里把两三个主要对手一起测试。每个主题下，记录你和对手分别在几类提问中被提及。这样得到的就不只是自己有没有占住，而是每个主题的主导权归属：无人占据（你的机会）、对手已拉开差距（暂时不碰），还是你们都只覆盖了一点、谁也没占稳（应当争取的窗口）。

这张加入对手数据的表，基本就是你排列优先级的依据。它不需要高级订阅，一个人花一个下午手动就能做出第一版，难的是坚持每隔两三周复测一次并记录趋势。单次数据会波动，连续几轮的变化方向才是可靠信号。

无主主题的GEO优先级应该按什么顺序排？

拿到分布图后，不要看到空位就全部涌上去，先排好顺序再行动。

第一优先级，是尚未定局、与你的产品强相关、需求也不算太冷的主题。这类主题性价比最高，先到先得的窗口仍然开着，拿下的成本远低于去争夺一个已有主人的大品类。第二优先级，是你已经微弱领先、但差距还没到安全线的主题，要把1个多百分点的脆弱领先扩大到接近3个百分点，让它从随时可能失去变成真正守得住。已有强势主人、而你又没有相关积累的热门主题，放到后面，短期内甚至不要碰，正面竞争的投入产出比通常很差。

这个排序与传统SEO里先摘低垂果实、再啃难词的思路一致，只是判断依据从关键词难度换成了主题的主导权状态加需求量。会挑选主题，比会写内容更早决定成败。

选定无主主题后，如何让品牌名进入AI推荐？

选对主题只是确定了方向，接下来要让模型在这个主题里真正把你识别为应当提到的名字。既然唯一显著的信号是品牌搜索量，而推荐环节依赖第三方语境，做法自然落在两件事上。

一是在这个主题的语境里制造真实的品牌提及。找垂直领域里真正做内容的红人、媒体和社群，让你的品牌名与这个主题在别人的内容中反复同时出现。重点不是购买大量没人看的软文，而是进入用户确实会去查证、参考的地方。模型在推荐时检索的是这些外部语境，而不是你的官网。

二是把自有内容做成模型愿意采纳的素材，让你在供给侧也具备资格。这一层回到内容本身：结构清晰、事实密度高、单段能够独立被抽取。两件事缺一不可：只做自有内容，可能被引用却不被提及；只买外部提及而自身内容质量不足，模型采信你的成本又太高。

这里有一个顺序上的坑需要提醒：很多人一开始就急着改官网文案、加schema，以为这样就能被推荐。但如果外部语境完全空白，自有字段改得再多也影响不了推荐环节，这就像放着漏风最严重的窗户不管，先去修补衣柜门缝。应当先在目标主题中积累第三方提及，自有内容的优化才有发挥作用的基础。想进一步理解品类和语境这一层，可以继续看品类框定怎么决定AI推荐名单那篇中关于第三方语料和知识图谱各占一半作用的分析。

具体到出海独立站，制造真实提及有几条投入产出比较好的路径，可以排个顺序。见效最快的，是进入目标市场中确实有人参考的横评、清单和社区问答，让品牌名与你选定的主题在这些用户会去查证的地方自然同时出现。其次是与垂直领域红人合作真实场景内容，要真实使用，不要硬广，模型和用户都越来越能分辨两者。

更长期的做法，是持续产出能被他人引用的原创数据或观点，让别人主动提到你。这条最慢，但一旦形成，就是最稳固的壁垒。这几条路径的共同点是：它们产生的品牌痕迹都在你自己的网站之外，而这正是模型在推荐环节会去查看的地方。反过来，只发生在自己网站内部、外人看不到也不会引用的动作，对推荐环节的影响非常有限。

GEO效果该用哪些指标衡量，才不会自欺欺人？

先把应该看的指标和容易误导的指标分开。

第一个应该看的指标是分主题的提及率：针对同一批目标提问，你的品牌名出现在多大比例的答案正文中，按主题分别统计，并定期多测几轮取稳定值。第二个是主导权的稳定性：你在某个主题中的领先是否逐月保持，差距是否在向3个百分点的安全线靠近。这两个指标，才对应研究中真正与生意相关的因素。

容易误导的是引用总数这类虚荣指标。引用次数容易增长，数字也好看，但它与被推荐只有21%的重合，涨了很多可能与生意关系不大。同时要防范单次测量的噪声：AI答案本身有随机性，同一个问题多问几次结果会不同，所以不要过度解读任何一次的名次波动，要看多轮取稳定值后的趋势。如何为AI可见度建立一套可靠的衡量体系，三层可见性指标那篇提供了更完整的框架，可以在此基础上继续搭建。

还有一类容易被忽略的指标需要单独记录：与领先幅度相关的稳定性。即使你在某个主题中的提及率升到了第一，也要看这个第一保持了几个月、与第二名的差距是否在向安全线靠近。研究中那些失去第一的领先者，当初也是第一，只是差距太小，稍有变化就被超过。

所以，不要在刚冒头、差距只有1个百分点左右时就宣布成功并撤掉资源，这恰恰是最容易被拉回的时候。把三类指标放在一起看：分主题提及率反映你现在是否占住，稳定性反映占得是否稳固，引用这类供给侧信号只用来检查基础是否健康，不作为成绩，这样仪表盘才算对准了该看的数。

在汇报层面还有一个实际建议：给老板看的AI可见度数字，最好是你自己能够复现的。不要用来源不明、换个人测就对不上的第三方分数做汇报，这种数字经不起追问。分主题提及率的优势在于随时可以重跑一遍、把过程完整展示出来，可信度自然更高。

中文出海站做主题层GEO，有哪些特别需要注意的地方？

有两点，做错了前面的投入就白费了。

第一，品牌需求这个唯一显著的信号，必须落在目标市场的语言中。你在中文用户中积累的品牌搜索量，对英文引擎判断你能否主导某个英文主题帮助非常有限。想赢得英文主题，就必须在英文语境中被真实用户记住并主动搜索，这项工作绕不开。

这也意味着，出海品牌的GEO投入和当地市场的品牌建设，实际上是同一笔钱在做同一件事。不要把它们拆给两个部门、用两份预算各自执行，那样两边都做不深。

第二，各市场对主题和品类的叫法不同，不要机器翻译。同一件产品，不同国家用户口中的主题词可能完全不同，你按中文思维直译出来的主题名，可能根本不是当地人提问时会用的说法。因此，划分主题、编写提问表时，要针对每个目标市场单独校准，使用当地用户真正在用的主题词，而不是自己翻译出来的词。这一步出错，后面测得再勤，测的也是一个没人问的主题。

这份研究的适用边界在哪里，哪些结论不宜外推？

数据再好看，也要清楚它的适用范围，否则容易把特定条件下的结论当成普遍规律。

第一，样本是美国市场、ChatGPT这一个引擎、2026年上半年的快照。机制层面的结论，包括主题层竞争、传统指标预测力弱、提及与引用分离、主导权可以守住，大概率能迁移到其他市场和引擎，因为这是生成式检索的共性。但具体百分比，如15.2%、90.4%、2.9个百分点，是这个特定样本中的数字，换一个市场、引擎或时间段，量级都会变化。落地时借鉴方法，不要照搬数字。

这一点对出海品牌尤其重要：你的目标市场大概率不是美国，面对的也可能是多个引擎混合使用，直接把这份研究的数字当作你所在市场的现状去汇报，会出错。正确做法是借用它的方法论，测出你自己的市场、你自己面对的几个引擎中的实际数字。

第二，这些结论基本是相关性，不是因果关系。品牌搜索量与主导权正相关，不代表刷高品牌搜索量就一定能拿下主题，两者很可能都是同一个更深层因素（真实的品牌认知）的结果。因此不要把它当作可以直接调节的杠杆，而应当作方向指引：它告诉你应该在品牌认知上投入，具体怎么做、能否见效，还取决于你自己的执行。

第三，AI搜索本身仍在快速变化，今天测出的主导权格局，半年后可能因模型更新而重新洗牌。这也是前面反复强调要定期多测、看趋势而非看单次快照的原因。应当把这份研究当作当前阶段的一张地图，而不是永久有效的结论。地图能指明方向，但情况一直在变，需要你定期重新测量。

常见问题解答

AI可见度是主题层的游戏，这句话该怎么落地？意思是不要再把AI可见度拆成一个个关键词去优化，而要按主题来划分、测量和争取。具体分三步：把业务拆成用户确实会问的主题；每个主题用定义、对比、替代、场景、购买这5类提问，测试你在AI答案正文中的提及情况；再按主题的主导权状态排列优先级，先拿尚无主人且相关的主题，再补强自己微弱领先的主题，暂时避开已有强势主人的热门大品类。

只有15.2%的品类有主导者，是否说明这件事太难，普通品牌没有机会？恰恰相反。85%的品类还没有主人，说明现在正处于先到先得的窗口期。与前三名已被牢牢占住的成熟SERP不同，AI搜索里大量主题还是空白，谁先在一个相关主题里建立品牌存在、拉开差距，谁就很有可能长期占据（研究显示，明确主导者在90.4%的月份里都保住了第一）。难点不在于进入，而在于挑对那个尚未定局、又值得争取的主题。

自然流量涨了、权威分也提高了，为什么AI答案里还是不提我？因为这两个指标几乎预测不了主题主导权。研究中，自然流量领先只在48.4%的对比中成立，权威分为52.5%，都没有达到统计显著；唯一显著的是品牌搜索量，为55.7%。传统指标涨得再好，也不会自动换来AI答案中的一次提名。想被提到，需要做能积累真实品牌需求的事，并按主题衡量提及率，不要只盯着流量自我满足。

被引用和被提及，日常应该看哪个？两个都要看，但要分开看。被引用是供给侧信号，说明你的内容有资格进入模型素材池，是基础；被提及是结果侧信号，说明你的品牌名是否真正被推荐给用户，关系到生意。两者只有21%重合，一个增长不代表另一个也增长。在仪表盘上把它们设为两个独立指标，不要合并成一个引用总数来安慰自己。

领先幅度做到多少才算安全？研究给出了很实用的参考：失去第一的领先者，当初领先幅度的中位数只有约1.3个百分点；守住第一的约为2.9个百分点。所以领先1个百分点左右基本等于没有领先，随时可能被超过；差距接近3个百分点，才算达到能守住的门槛。在一个你已微弱领先的主题里，值得继续投入扩大领先，不要急着分散资源。

这份研究测的是ChatGPT，结论能用到其他AI引擎上吗？机制层面大概率可以迁移。主题层竞争、传统指标预测力弱、提及与引用分离、主导权可以守住，这些是生成式检索的共性，并非ChatGPT独有。但具体百分比和各引擎的偏好会有差异，所以落地时不要照搬数字，而要迁移方法：按主题划分、按提及测量、多引擎交叉验证、取稳定值看趋势。数字会变，方法不变。

出海独立站资源有限，第一步应该做什么？先做那张主题自查分布图，成本最低、信息量最大。列出8到12个用户确实会问的主题，每个配5类提问，在2到3个AI引擎中逐条测试提及情况。跑完就能知道自己目前占住了哪些主题，哪些是尚无主人又相关的机会点。把第一笔资源投到最划算的那个无主主题上，不要继续在已有主人的大词里陪跑。

主题该划多大，有没有简单的判断标准？有一个好用的方法：把这个主题当成用户会原样说出口的问题读一遍。读起来别扭、过于专业或过窄的，以及大到一句话根本答不完的，都不合适；处在中间、用户确实会这样问、又能自然引出定义、对比、替代、场景、购买这5类问法的，才是合适的粒度。太宽争不过，太窄没人问，两种情况都会浪费投入。

还要继续做传统关键词SEO，还是全部转向主题？两者不是二选一。传统关键词SEO和内容质量是基础，基础出了问题，模型连把你当素材采纳都做不到，所以不能放弃。变化的是衡量成败和分配资源的单位：从统计关键词排名，上升到观察主题层的提及与主导权。基础照常做，但要从主题层看全局，不要再把几个词的排名当成AI可见度的成绩。

权威参考资料