提及率 18% 算高还是低：AI 可见度的基准怎么定，为什么别人的基准不能抄（2026）

一句话结论：AI 提及率没有通用及格线，追求一个「行业标准值」是这件事上最常见的误区。 提及率是「提到你的次数 ÷ 总采集次数」，分母有六个自由度（题数、采样次数、品牌词占比、引擎组合、取数的面、语言），任何一个变了，同一个品牌同一天就能算出差好几倍的数字——所以跨工具、跨行业、跨市场的提及率互不可比。英文侧确实有公开基准（中位品牌约 31%，见下文出处与口径），但那是英文引擎、英文提问、英文信源池的样本，不适用于豆包 / DeepSeek / 元宝。你唯一能用的基准有三条，全部来自你自己：自身起点基线、竞品同题对照（SOV）、以及你这套口径的最小可分辨变化。

为什么专门写这篇：截至 2026-08-07，中文搜索「AI 可见度 提及率 多少算好 / 行业基准 / 正常水平」，整页返回的几乎全是英文站。中文侧唯一在流通的基准是几句没有分母的区间值。这意味着今天一个中国市场人打开任何一家 GEO 工具的看板，看到「提及率 18%」，没有任何中文参照物告诉他这是好是坏——于是要么被销售的数字说服，要么自己拍一个目标。这篇不打算发明一个中文基准（我们没有可发布的中文样本，也不会编），而是做两件更耐用的事：说清楚为什么通用基准不存在，以及给你一套自己立基准的方法。

---

一、先把话说死：提及率是一个比例，不是一个分数

很多人把「提及率 18%」当成体检报告上的血糖值——好像存在一个客观的正常区间。它不是。它更像考试得分率：同一个学生，考卷不同，得分率就不同。

提及率的定义（严格定义见 GEO 术语表）是：

提及率 = 在一批固定问题里，AI 答案提到你品牌的次数 ÷ 总采集次数

分子相对客观（提没提到，人能判），问题全在分母。而这个分母有六个可以自由变动的旋钮：

旋钮	变化	对提及率的方向性影响	为什么
品牌词问题占比	提问集里含你品牌名的问题变多	↑ 大幅抬高	问句里有你的名字，AI 几乎必然提到你，这类题的提及率天然接近 100%
题目难度结构	认知类（「什么是 XX」）占比高	↑ 抬高	认知类答案常泛泛罗列品牌；推荐类要进候选名单，难得多
引擎组合	增删一个引擎	↑↓ 都可能	各引擎的联网策略、召回源、罗列品牌的倾向差别极大
取数的面	API / 网页 / App 换一个	↑↓ 都可能	同一个引擎三个面的答案和引用不是同一套
判定标准	简称、产品名、域名算不算「提到」	↑ 放宽即抬高	「只认品牌全名」和「提到域名也算」能差出一大截
是否去个性化	用登录态 / 同一会话连问	↑ 抬高	历史记忆和上下文污染会让 AI 更容易提到你

结论：任何一个提及率数字，脱离这六项就没有意义。有人告诉你「我们做到了 45%」，在追问这六项之前，你无法判断这是了不起还是自己给自己送分。

这也解释了一个常见困惑：为什么两家工具测同一个品牌，数字对不上。 不是谁算错了，是它们在测不同的考卷。

---

二、市面上现有的基准数字：逐条列出，标清出处和口径

既然基准不能直接抄，为什么还要列？因为知道别人是怎么定的，才知道自己该怎么定，也才有能力判断销售报给你的数字站不站得住。

以下全部为 2026-08-07 检索到的公开表述，逐条给出链接。我们未独立复核这些样本，列出的是他方口径。

2.1 英文侧：有数字，也有口径

来源（2026-08-07 检索）	给出的基准	披露的口径
MaxAEO《AI Visibility Benchmarks 2026》	中位品牌在相关的无品牌提问中约 31% 的答案会提到它；混合口径的前四分之一门槛约 58%；但行业分化极大——金融约 44% 即为前四分之一，出版需 72%	8 个引擎（ChatGPT / Gemini / Perplexity / Claude / Copilot / Grok / Google AI Mode / AI Overviews）；固定品类 prompt 面板每日跑；数百个被追踪品牌；滚动 90 天窗口
Foglift《Industry-Wide Score Data》	跨行业中位 49/100；SaaS / 科技 63，建筑 / 地产 31	转引 Presenc AI 对 2,847 个品牌的基准
Seenos《What’s a Good Score for Your Industry?》	各行业中位分布在 48–62，前四分之一门槛 73–84（百分制）	行业切分的综合可见度评分，非单一提及率
Data-Mania《AI Search Visibility Benchmarks 2026》	提及率与引用率必须分开报；据其转引，Perplexity / Copilot 超 77% 的回答带外链，而 ChatGPT 约 31%；品类领导者在其最强引擎上的引用份额通常 25–45%（Attrifast 口径）	B2B SaaS 视角；引用他方数据，我们未独立复核

从这张表里该带走的三件事，比数字本身值钱：

1. 最好的英文基准也在强调「按你自己的行业比，别比混合平均」。 MaxAEO 自己就点明：31% 对医疗品牌是优秀，对出版商是平庸；受监管行业（金融、医疗）存在结构性天花板——AI 在钱和健康的问题上更保守、更少直接点名品牌。行业不同，同一个数字的含义相反。
2. 它们几乎都披露了口径。 引擎清单、prompt 面板、时间窗、样本量——这是「基准」和「一句断言」的分界线。你收到的任何中文基准，都该用同样的标准去要求它。
3. 提及率和引用率不是一回事，而且差距取决于引擎。 一个引擎在 77% 的回答里给外链、另一个只有 31%，那么「引用率低」很可能只是引擎行为差异，不是你的内容不行。跨引擎横比引用率之前，先看这个引擎给不给链接。

2.2 中文侧：有区间，没有分母

中文能搜到的基准表述，主要是两组：

• 一组是「低于 10% 偏低 / 10–30% 良好 / 30% 以上优秀」这类三档区间（见白杨SEO 的知乎长文，2026-08-07 检索）。
• 一组是分阶段目标：以 20–30 个目标客户真实会问的问题为分母，起步阶段 0–10% 属正常，持续运营三个月应达 15–25%，半年后稳定在 30–50% 为健康（见搜狐《GEO 效果评估怎么做？工厂实体衡量 AI 优化效果的 6 个核心指标》，2026-08-07 检索）。

这两组都指向同一个方向（有个位数是起步、30% 以上是好状态），方向上和英文侧的量级也对得上。但作为基准，它们缺三样东西：

缺什么	为什么致命
分母的构成	20–30 条题里含几条品牌词问题？只要塞进三成品牌词题，提及率就能凭空抬高一大截，而这完全由写题的人控制
采样次数	每题跑 1 次和跑 3 次是两个东西。20 题 × 1 次 = 20 次采集，95% 误差范围约 ±20 个百分点——这个规模下报「23%」是没有意义的
引擎与面	6 个引擎的平均，还是只测了 DeepSeek 网页版？中国用户大量在 App 里提问，而 App 面的结果和 API 面往往不同

顺带说明一点公平的话：这些中文稿子给的方法论碎片是有价值的——比如强调「每题在各平台重复提问至少 3–5 次、每周采样一次」，以及把可见度拆成提及率 / 推荐率 / 引用率三层再加权（有一版权重是提及 30%、推荐 40%、引用 30%，见阿里云开发者社区的方法论文，2026-08-07 检索）。方法是对的，缺的是样本。 我们的判断是：在中文侧有人公开一套带完整口径披露的样本之前，任何中文「行业基准值」都只能当作方向感，不能当作达标线。

我们自己也遵守这条：GeoEcho 目前不发布中文行业基准数字，因为我们没有可公开、可复核的样本。什么时候有了，会连同提问集构成、引擎与面、采样次数、品牌数一起发。

---

三、为什么英文基准搬不到中文引擎上：五条硬差异

即使你完全接受 31% 这个数字，把它设成中国市场的 KPI 依然会错。五条原因：

1. 引擎栈完全不同。 英文基准的样本是 ChatGPT / Gemini / Perplexity / Claude / Copilot 等；你的中国用户在用豆包、DeepSeek、Kimi、元宝、通义、百度 AI、夸克。两批引擎的召回策略、联网默认值、罗列品牌的倾向都不一样，不存在换算关系。
2. 信源池不同。 海外引擎大量调用 Reddit、英文维基、G2、Trustpilot、YouTube；中文引擎调用的是微信公众号、知乎、小红书、百度百科、各家自有生态（差异详见出海品牌的 GEO：国内那套打法为什么套不到 ChatGPT）。信源池不同，被提及的难度就不同。
3. 多了一个「面」的维度。 海外基准基本在网页 / API 面上取数；中国的实际提问大量发生在 App 内，而 App 面拿不到精确 URL、引用呈现方式也不同——海外工具在中国的盲区，主要就是漏掉 App 那一层。
4. 联网行为不同。 部分国内引擎默认不联网或需手动开启（DeepSeek 要手动开联网才给来源）。不联网时答案只凭模型内部知识生成，新品牌几乎不可能被提到——这会系统性压低整体数字，和你优化得好不好无关。
5. 语言即分母。 一条中文问题和它的英文译版是两条不同的题，检索到的内容完全不同，不能算作同一条做跨市场对比。双栈品牌应该出两张表，而不是把两边的提及率平均成一个数。

---

四、那基准到底该怎么定：三条你自己能立的基准

放弃「行业标准值」之后，你需要的其实是三个更实用的参照物。

基准一：自身起点基线（回答「有没有变好」）

这是最基础也最容易做对的一条，规则只有两句：口径先冻结，再取零点。

1. 定稿提问集并冻结至少 6 轮（每两周一轮约 3 个月）。提问集就是你的分母，中途改题等于换考卷，前后数据不可比。怎么设计见GEO 监测的提问集怎么设计。
2. 把品牌词问题单独一个分母，永远不要和无品牌问题合并算率。「无品牌提及率」测的才是你的真实处境。
3. 第一轮的结果就是你的零点。 不要跟任何外部数字比，只跟这个零点比。
4. 在趋势图上标注所有口径变更（换引擎、加题、换面），半年后没人记得当时为什么涨。

基准二：你这套口径的最小可分辨变化（回答「这个涨跌是不是真的」）

这是绝大多数 GEO 报告站不住脚的地方，但它可以算出来。提及率是比例，抽样误差只取决于 n = 题数 × 每题采样次数：

每轮每引擎采集次数 n	对应配置举例	95% 误差范围	两轮之间最小可分辨变化
20	20 题 × 1 次	±20.5 pp	29 pp
60	20 题 × 3 次	±11.6 pp	16 pp
150	50 题 × 3 次	±7.3 pp	10 pp
300	100 题 × 3 次	±5.2 pp	7 pp
650	217 题 × 3 次	±3.5 pp	5 pp

（pp = 百分点。基于二项分布标准误估算，取 p=0.3；p 越接近 50% 误差越大。这是理想上界——同题多次采样彼此相关、并非独立样本，真实误差比表里更大。）

怎么用：先查出你当前配置对应的那一行，把那个「最小可分辨变化」写进报告的脚注。低于这个数的涨跌，一律不解读。 这一条比任何行业基准都更能提升你数据的可信度——也是你审服务商月报时最好用的一把尺子。

基准三：竞品同题对照 / 声量份额（回答「我们排第几」）

这是唯一真正可比的横向基准，因为分母对所有人都一样。

做法：在同一批问题、同一轮采集、同一个引擎面上，同时统计你和 3–5 个主要竞品各自被提到的次数，算相对占比。

指标	回答什么问题	受口径影响
绝对提及率	「我们在这套口径下是什么水平」	大（六个旋钮全影响）
声量份额（SOV）	「在同一道题上我们排第几」	小（分母对所有人一致）
推荐位次	「被列在第几个」	中
被引来源集中度	「AI 是从哪几个域名认识我们的」	小

两条实践建议：

• SOV 更适合汇报，绝对提及率更适合内部跟踪。 老板问「我们做得怎么样」，答「在这 50 道品类题里，我们出现在 22% 的答案中，主要竞品 A 是 41%、B 是 18%」，比答「我们 22%，行业基准 30%」诚实得多，也具体得多。
• 竞品名单要冻结。 中途把表现好的竞品换掉，SOV 会自动变好看——这和换考卷是同一类操作。

---

五、拿到一个提及率数字，先问这七个问题

无论数字来自工具看板、服务商月报，还是你自己的脚本，按这张清单过一遍。任何一项答不上来，这个数字就不能进汇报材料。

#	追问	为什么问
1	分母是多少条题、每题跑几次？	决定了误差范围和最小可分辨变化
2	其中含品牌名的问题占多少？有没有单独算？	混入品牌词题会系统性抬高数字，且完全可控
3	哪几个引擎？各引擎是分开报还是合并平均？	合并平均会让一个引擎的暴涨掩盖另一个的崩塌
4	取数在哪个面（API / 网页 / App）？	三个面结果不同；上周网页、这周 App，涨跌全是噪声
5	「提到」怎么判定？简称、产品名、域名算不算？	判定标准放宽，数字自动变好看
6	是不是去个性化采集（无痕 / 未登录 / 每次新开对话）？	登录态和上下文污染会把数字抬高
7	和上一轮相比，以上六项有没有任何变化？	只要变了一项，两轮就不可比，趋势线从这里断掉

这套追问对**任何一家工具（包括我们）**都成立。选型时怎么系统性地验各家宣称，见GEO 工具排行榜是怎么来的：「99.5% 准确率」这类宣称你自己怎么验。

---

六、什么时候低数字是正常的，什么时候高数字是虚的

低不一定是坏（四种情况）

• 受监管品类（金融、医疗、法律）——AI 在钱和健康问题上更保守、更少点名具体品牌，存在结构性天花板。英文侧的基准也承认这一点：金融行业约 44% 就已是前四分之一。
• 引擎默认不联网——答案只凭模型内部知识生成，成立不久的品牌几乎不可能出现。先确认联网开关状态再解读。
• 提问集偏难——你的题全是「有哪些做 XX 的公司比较靠谱」这类要进候选名单的推荐题，本来就比认知题难得多。这是好事，说明你在测真实战场。
• 品类本身极窄——AI 在小众品类里常常只列两三家，或者干脆改答方法论。这时该看的是被引来源，不是百分比。

高不一定是好（五个红旗）

1. 🚩 提问集里品牌词问题占比高。 数字漂亮，和生意无关。
2. 🚩 只报一个总提及率，不分类别。 信任类 100%、推荐类 0%，和五类都在 40%，是完全不同的两种处境，合并后都看不见。
3. 🚩 采集在登录态、同一会话里连问。 上下文污染，系统性虚高。
4. 🚩 提及率高但被引来源高度集中在少数几个软文站。 这是脆弱信号——信源集中意味着一次权重调整就可能把你打回原形。
5. 🚩 月报数字漂亮，但提问集这个月改过。 换考卷带来的偏移会被当成优化成果。如果是外包，把提问集写进合同附件、变更走书面确认，是最低成本的一道保险。

---

七、一张可以直接抄的「基准登记表」

在你第一次报出任何百分比之前，先把下面这张表填满，贴在每份报告的第一页。填不满的项，就是你现在还不能报数的原因。

项	你的值
提问集版本号 / 冻结日期
题数（无品牌 / 含品牌，分开填）
每题每轮采样次数
引擎清单
每个引擎的取数面（API / 网页 / App）
联网开关状态
「提到」的判定标准
去个性化方式（无痕 / 未登录 / 新开对话）
每轮每引擎总采集次数 n
对应的最小可分辨变化（查第四节表）
零点日期与零点值（分类别）
对照竞品名单（冻结）

填完之后你会发现一件事：「提及率 18%」这句话本身信息量极低，而这张表连同 18% 一起，才构成一个可被复核、也可被追踪的结论。

---

常见问题（FAQ）

AI 提及率多少算好？有没有通用及格线？ 没有。分母有六个自由度（题数、采样次数、品牌词占比、引擎组合、取数的面、语言），任何一个变了，同一个品牌同一天能算出差好几倍的数字。有意义的基准只有三条，全部来自你自己：起点基线、竞品同题对照、最小可分辨变化。

英文侧的基准数字能参考吗？ 能当量级参考，不能当目标。MaxAEO 称中位品牌在无品牌提问中约 31% 被提及、混合口径前四分之一约 58%（2026-08-07 检索），但样本是八个英文引擎、英文提问、英文信源池，里面没有豆包、元宝、DeepSeek。

中文流传的「10–30% 良好、30% 以上优秀」靠谱吗？ 方向上和英文侧量级对得上，但都没披露分母：多少题、跑几次、哪些引擎、哪个面、含不含品牌词题。缺这些，同一个「30%」可能来自完全不同的两套测量。

第一次跑出来的数字怎么用？ 当作零点，并且分类别看（推荐类 / 对比类 / 场景类分开）。第一次跑最值钱的产出不是那个百分比，而是两份清单：你完全缺席的问题，以及所有被引来源的域名。

涨了 5 个百分点算真涨吗？ 看你每轮的总采集次数。50 题 × 3 次 = 150 次的配置下，最小可分辨变化约 10 个百分点，5 个百分点和噪音区分不开；要稳定分辨 5 个百分点需要约 650 次采集。

跟竞品比是不是比跟行业基准比更有用？ 是。同题、同轮、同面下的声量份额是唯一真正可比的横向基准，因为分母对所有人一致，天然免疫口径差异。

不同工具的提及率为什么对不上？ 六个变量至少差一个，它们在测不同的东西。选型时要求每家披露这六项，再在同一批 prompt 上各跑一次、手动抽样复核。

---

与其找一个基准，不如把口径钉死

「提及率多少算好」这个问题之所以在中文侧没有答案，不完全是因为没人做样本——更根本的原因是，在口径没有统一之前，这个问题在数学上就没有唯一解。

所以更值得投入的不是找基准，是做三件事：把提问集和判定标准钉死并写进文档；算出你这套配置的最小可分辨变化；同一批题上把竞品一起测了。 做完这三件事，你会拥有一个别人给不了你的东西——一条跨周可比、经得起追问的曲线。到那时，18% 是高是低已经不重要了，重要的是它在往哪走、你为什么知道那不是噪音。

需要说明的是，这三件事有一个共同前提：同一套问题、在同一批引擎和同一个面上、按固定周期、一字不改地重跑。这恰恰是手工做不到的部分——50 题 × 3 次 × 6 引擎，每轮就是 900 次新开对话，还要逐条记录引用来源。自己写脚本还是买工具，这笔账我们单独算过一次，见自己写脚本监测 AI 提及，还是买工具。

闻响 GeoEcho 支持导入你自己的提问集，在国内（豆包 / DeepSeek / Kimi / 元宝 / 通义 / 百度 AI）与海外（ChatGPT / Perplexity / Gemini）引擎上按固定周期重跑，分引擎、分面记录提及率、推荐率与被引来源，并把竞品放在同一批题上一起算 SOV。还没有提问集，也可以先输入域名跑一次免费快照，把零点先立起来。完整的跨引擎执行流程见如何监测品牌在国内 AI 搜索里的可见度。