如果你的 AI 可见度报表是每月看一次，这个月的大小写可能会骗你一次。
一份公开的 AI 可见度月度指数上出现了这样一幕：它把「本月最大涨幅」和「本月最大跌幅」同时颁给了同一个品牌——一条叫 guerlain，另一条叫 Guerlain。前者从 0.0% 涨到 9.2%，后者从 6.8% 跌到 0.0%。榜单还标注「追踪品牌数 10 → 10，无变化」：只是同一个名字换了个写法。
一个品牌，被记成两条记录
例子来自一份每月更新的 AI 可见度指数，它追踪一个品类里 AI 怎么推荐品牌，覆盖 ChatGPT、Gemini、Perplexity 等平台面。2026 年 10 月的奢侈品美妆榜上，Charlotte Tilbury 以 56.6% 的有效推荐覆盖率排第一，第二名 Armani Beauty 是 39.9%。榜首之外，表里还躺着一对双胞胎：
- guerlain（全小写）：出现率 17.1%，有效推荐覆盖率 9.2%
- Guerlain（首字母大写）：出现率、覆盖率全是 0.0%
- 三个月连起来：guerlain 是 0.0% → 0.0% → 9.2%，Guerlain 是 6.8% → 5.7% → 0.0%
同一个品牌的三次月度读数，被拆成两条互不相干的曲线。这也不是孤例：同一机构的另一个品类里，9 月在榜的 LashBox LA 以 34.3% 退出、被记成最大跌幅，10 月新进榜的 Lashbox LA 以 48.4% 冒头、被记成最大涨幅——差别同样只是一个字母的大小写。
这份榜的口径不算粗糙：每月采 800 条观测，去重后 630 个问题，用 627 条合格观测做品牌数据的分母。分母算得这么细，仍然在名字这一格上出了岔。
为什么名字最容易出错
因为 AI 写你的名字本来就不统一：同一个品牌，在不同平台、不同提问、不同语言里，可能被写成首字母大写或全大写、带不带品类后缀、中英文混用、用略称，甚至拼错。人一眼能认出这是一个牌子，机器按字符串比对时会当成两个。
落到报表上，通常是三种误读：
- 归零：主写法那条突然掉到 0，其实是被另一种写法分流了，品牌并没有消失
- 暴涨：凭空冒出一个冲进前排的「新品牌」，其实是老品牌换了个写法
- 漏算：只盯住自己惯用的一种写法，其他写法下的曝光全没进总数，月度对比也就不是同一个实体
归并怎么做：先列清单，再固定分母
名字归并不需要什么技术栈，四个动作就能做完：
- 列变体清单：正式名、大小写变体、中英文写法、全称与略称、常见错拼、改名前后的旧名，一行一个品牌
- 检测时记原样：每条结果都写清「AI 实际用的名字」，不要只记「提到 / 没提到」
- 按实体算数：出现率和覆盖率只按归并后的品牌算，不按字符串算
- 异常先查名字：任何条目突然归零或暴涨，第一步核对写法，而不是先改内容策略
清单长这样就行：
| 变体类型 | 例子 | 报表上的表现 |
|---|---|---|
| 大小写 | guerlain / Guerlain | 一条有数一条归零 |
| 全称与略称 | 品牌全名 / 中文简称 | 各算一份，都偏低 |
| 中英混写 | 中文名 / 英文名 | 两个语言各算一份 |
| 前后缀 | 品牌名 / 品牌名加品类词 | 被当成两个名字 |
名字是报表里的第一格
每月看报表，最花时间的总是「为什么这个月掉了」。下次拿到数据先做一件小事：搜一遍自己的品牌名，把 AI 实际写出来的几种形式抄下来，和变体清单对一遍。名字对上了再看涨跌——相当一部分涨跌根本不用解释，它只是换了个写法。