一份 10 月 7 日公开的院校案例，把一个老问题摊开了：某美国高校做 AI 可见度审计，跨 ChatGPT、Gemini、AI 概览、AI Mode、Perplexity 和 Claude 收了七千多条回答、一百多个问题。单看总分很漂亮——在十八所被追踪的院校里，它的提及份额最高，官网在全部引用里占 13%，比任何域名都多。

但同一批数据换一种切法，结论就翻了：在 21 个「问题 × 引擎」的组合里，至少两家竞品被提到，它一次都没出现。一个总分第一的品牌，身上还留着二十一个窟窿。

总分掩盖缺口，是现在大多数 AI 可见度审计的通病。要治它，先做对一件事：别只做一套问题。

一套问题，测不出你缺什么

那份审计里有个容易被跳过的动作：它把「潜在研究生」和「职业学习买家」分成两拨，分别测。原因是这两拨人的问法不一样，碰到的对手也不一样。

  • 想读学位的人问的是「这个项目值不值、读几年、毕业去向如何」，比较对象是其他学校的同类项目。
  • 在职补技能的人问的是「怎么最快上手、能不能边工作边学、交付周期多长」，对手名单里往往根本不含前者。

同一个品牌，放进这两套问题里，竞品集几乎不重叠。只做一套问题——通常是市场部最熟悉的那一套——你得到的只会是一个平均数：看着还行，但缺口的坐标全丢了。受众不是按身份分，而是按「他们拿什么做比较」分，这才分得动。

缺口要落到「问题 × 引擎」这一层

那次审计还翻出另一类问题：284 条回答与客户已经确认过的事实对不上。学费口径、项目时长、认证范围，各说各的。

所以审计的记录表不该只有一行「可见度 62%」。把它拆成三列：受众段、具体问题、AI 引擎。每个格子填四个值：

每个格子记什么怎么判
是否被提到回答里有没有你的名字，名字写对没有
是否被推荐只是被介绍，还是被列成「适合这个需求」
引用的是谁引的是你官网，还是第三方评测、竞品页面
描述对不对关键事实和你已确认的口径是否一致

拆到这个粒度，下一步才具体：空格子多的，去补内容；引用总落在别人家的，去补第三方信源；描述对不上的，先回头把自己官网的旧口径改掉。一张格子表，比一个百分比更能指导干活。

受众池怎么分：从一线的问题里捞

受众不是坐在会议室里编出来的。三个现成的来源：销售和客服最近三个月的问答记录、售前被反复追问的条件、以及你自己产品页上的对比区。

分池时盯三件事：谁在问（角色）、他要解决什么（任务）、他现在拿什么做比较（对手）。每个池子先留 15 到 30 个真实问题，够跑一轮基线就行——宁可窄而真，不要宽而假。

还有一点得提醒：受众段不是人群标签。按「25 到 35 岁女性」分出来的池子，在 AI 那边问不出任何差别；按「正在比较三家供应商的采购负责人」分，回答立刻就变样。

总分是给汇报用的，缺口坐标才是给执行用的。审计报告拿到手，先别急着看那个数——先数一遍有多少个空格子，再看那些格子里站着谁。二十一个窟窿里，每一个都是别人正在替你回答的问题。