AI 可见性体检案例：自有品牌自测
云境未来 · GEO 服务 · 体检执行日期 2026-10-19 ｜ 报告公开日期 2026-10-21
GEO 服务最容易含糊的地方是「效果怎么算」。所以第一份案例不放客户，放我们自己：用与客户完全相同的口径，对自有品牌做一次 AI 可见性体检，并把结果原样公布——包括不好看的部分。
一、体检口径（可逐条复核）
- 体检对象：云境未来（别名：云境未来 / Enzo / yunvela / 工程 AI 助手）
- 问题集：8 条，取自工程老板真实会问的问题（例：企业微信群里的项目记录怎么自动变成结构化档案；有没有能每天提醒工程节点和回款的 AI 工具）
- AI 入口：DeepSeek、通义千问、Kimi 三家，同一批问题逐一提问
- 样本量：8 条 × 3 家 × 每问 1 次 = 24 条有效样本（失败 0 条）
- 四个指标：提及率、首位提及率、平均排名、名单占位率、引用质量分；加权得到曝光效果分数（提及率 0.5 / 排名 0.3 / 引用质量 0.2）
二、体检结果
| 指标 | 数值 | 含义 |
|---|
| 曝光效果分数 | 0.0 / 100 | 三个分项全部为 0 |
| 品牌提及率 | 0.0% | 24 条回答里，没有一条出现我们的名字 |
| 首位提及率 | 0.0% | 没有一次被放在推荐名单第一位 |
| 平均排名 | — | 未进入任何推荐名单，无法计算位次 |
| 名单占位率 | 0.0% | 在 AI 给出的推荐位中占 0 个 |
| 引用质量分 | 0.0 | 回答未引用官方域名，也无其他可核引用页 |
分模型看，三家结果一致：DeepSeek、通义千问、Kimi 对同一批 8 个问题，提及率均为 0%。分模型拆解见报告原文。
三、AI 在推荐谁（同题实体分布）
- 某传统工程软件厂商 —— 2 次
- 若干青岛本地数字化/信息服务类公司 —— 各 1 次
- 泛化概念词与行业机构名 —— 各 1 次
这份分布本身是三个判断：其一，AI 的推荐位不是空的，它确实在点名具体公司；其二，本地同行已经在名单里，竞争发生在 AI 答案里，只是没人看到；其三，缺席的原因不是产品不行，而是没有可供 AI 引用的公开内容位——官网当时只有产品口径，缺问题式内容、缺可核数据、缺第三方来源页。
四、我们自己动手的四步（也是服务的第一步）
- 引用源地图：按 8 条问题反推「AI 会去查的来源位」，逐条标注现在被谁占着。
- 官网结构化：把产品说明改成 AI 读得懂、引得到的形式（问题式标题、可核数据、明确实体与地域口径）。
- 内容位布点：先在自有阵地补齐问答与案例，再向外铺行业平台与公开资料。
- 同题复测：每月用同一批问题、同一批入口再问一次，命中条数的变化即为效果曲线；客户可自行复问核对。
五、口径声明
- 体检结果由 AI 平台实时生成，会随平台版本与采样时间变化，因此每次报告均附执行时间与样本数。
- 不承诺「AI 一定引用」；承诺的是动作清单与可复现的复测数据。
- 本页公开的是自有品牌结果，样本原始回答可向联系人索取核对。
申请免费 AI 可见性体检（同题复测，3 个工作日出报告）→
或邮件：enzo@yunvela.com ｜ 服务说明：GEO 服务与三档服务包