做 AI 品牌曝光的人，手上一直只有半张成绩单：能看到自己出现在多少条答案里，看不到「本该出现、却没有出现」的那部分。10 月 13 日，微软在 Bing 的 AI 性能报告里加了一个测试版标签——Topics Portfolio（话题组合），第一次把这另一半补上了。

这次多出来的，是站外那一半

今年 6 月微软上线的「主题」视图，只归类你已经拿到引用的那批检索短语——说到底它仍然只在描述你自己。这次新增的部分开始看向站外：

  • 话题规模：该话题下所有站点的引用总量；
  • 被引站点数：这个话题大约有多少个站点被引到；
  • 检索短语数：这一话题下有多少个不同的检索短语。

再加一张机会查询清单：同一话题里，别人被引、你没有被引的那些短语。对品牌方来说，这相当于照出了一份「你没被引用」的清单，而且出处是引擎官方。

最容易读错的一列：被引站点数

看到「被引站点数」不高，很自然会把它当成「这个题还没什么人做，好进」。这一步最容易走偏。

10 月 14 日发布的 Machine Relations Index 品类集中度数据（六个引擎、25,323 次回答）给了一组对照：消费金融品类被引域名 1,326 个，覆盖一半引用只需要 57 个；本地服务是 1,044 个 / 113 个；工业是 1,240 个 / 205 个。三个品类的被引站点数都在 1,200 上下，看上去差不多，但要覆盖一半引用所需的域名数差了近四倍。

差别在于：站点数说的是这个话题有多宽，不是有多挤。宽而散的题，认真写一篇就有机会挤进长尾；窄而集中的题，头部几十个域名吃掉了大半引用，再多写几篇也很难被看见。所以这一列只能用来横向比较话题大小，不能当进入难度用。

机会查询不是客户提问

另一个容易踩的坑，是把清单里的短语直接抄成标题。检索短语是引擎拿来捞材料的检索式，不是用户原话。微软在 AI 性能报告的说明里写得很清楚：这份列表是对引用活动的抽样。

一句「共享收件箱冲突检测」照抄成标题，读者看不懂；但它背后的任务很具体——两个客服同时回复同一个客户，怎么不出错。用之前先翻译一次：说这句话的人，想弄明白什么、要选什么、正在被什么问题卡住。

这份清单该怎么用

微软自己对这批数据的定位是「方向性信号，不是精确账本」。顺着这条定位，落地就三步：

  • 先删，再选：竞品品牌词、跟自家生意无关的题直接划掉。微软举的例子就是一家鞋类零售商在「跑步鞋」下被推荐了一条竞品品牌词；
  • 一次只动一个已有的页面：先查现有页面能不能答，能答就补清楚，确实没有这块内容再新写。清单是待排查名单，不是生产排期；
  • 窗口固定：可选一个月、两个月、三个月，挑一个记下来，以后每次都用同一个；引用量给的是区间，保留区间原样，别取中值当精确数用。

边界也要清楚：这份数据只覆盖微软自家那几张面——Copilot、Bing 的 AI 摘要和部分合作入口，不含 Google 的 AI 功能、ChatGPT、Gemini、Perplexity；站点数据不够时，这个标签根本不会出现。

总结一句：官方第一次把「缺席」变成可以查的数字，这是件好事。但它回答的是「哪些题值得看一眼」，不是「哪些题值得写一篇」。从一份清单到一个真能答上话的页面，中间那几步仍然得自己走完：能不能答、改哪一页、改完怎么记。