AI Discovery评分：计算方式详解
介绍
AI Discovery评分是Visible衡量品牌跨AI引擎表现的综合指标。它是一个0到100之间的单一数字，将五个基础维度的表现综合为一个可比较、可追踪的数值。
理解评分的计算方式，使您能够精准定位改进影响最大的维度。
核心概念
五个评分组成部分：
- 提及率（30%）：品牌在目标提示词的AI回答中出现的频率。权重最高，因为它直接反映了可发现性。
- 引用率（25%）：AI引擎在提及您品牌时是否引用权威来源。高引用率表明内容权威性强。
- 情感分析（20%）：品牌在AI回答中的框架是否正面。负面框架会抑制买家考量。
- 提示词覆盖率（15%）：品牌在目标提示词中至少出现一次的范围广度，广泛覆盖表明强大的类别权威性。
- 跨引擎一致性（10%）：品牌是否在多个AI引擎上表现一致，而非仅在某一引擎上。高一致性表明持久的权威性。
评分权重原理：提及率和引用率权重最高，因为它们直接反映AI可发现性和权威性——这两个因素与AI驱动的买家考量最相关。
为何重要
综合评分使GEO进展可衡量、可汇报、可比较。没有单一数字，跨周比较或与竞争对手比较需要同时审查五个独立指标。AI Discovery评分使进展一目了然，同时保留深入分析组成驱动因素的能力。
分步指导
第一步——查看当前评分分解 在Visible的仪表板中，您的整体评分被显著展示。点击"评分分解"查看各组成部分评分。
第二步——识别最弱组成部分 比较五个组成部分评分。最弱的组成部分通常是最高杠杆的优化目标。
第三步——将组成部分映射到行动
| 弱项 | 主要行动 |
|---|---|
| 提及率 | 构建针对提示词的内容 |
| 引用率 | 获取第三方引用；改善Schema标记 |
| 情感分析 | 处理负面AI描述；更新品牌信息 |
| 提示词覆盖率 | 扩展内容覆盖更多提示词类别 |
| 跨引擎一致性 | 构建各引擎认可的权威信号 |
第四步——每周追踪评分变化 每周查看评分。±3分或以上的变化通常有意义；3分以内的变化可能在正常方差范围内。
第五步——使用评分趋势，而非仅看快照 即使当前低于竞争对手，连续6周上升的评分表明战略地位优于停滞的高分。
最佳实践
- 优先优化最弱组成部分：改进最低评分组成部分对整体评分的边际影响最大。
- 分别追踪组成部分趋势：整体评分可能保持不变，但各组成部分在变动——注意组成部分的分歧。
- 设定组成部分目标，而非仅设整体目标："将引用率从18%提升到35%"比"整体评分提升10分"更具可操作性。
常见错误
- 在不了解组成部分的情况下优化整体评分：提高提及率的策略可能降低引用率（如果产生低质量提及）。
- 跨不同提示词组比较评分：评分只有在相同提示词组上计算时才具可比性。
- 对单周波动反应过度：使用4周滚动平均值进行战略决策。
实践案例
一家SaaS公司整体评分54。分解：提及率71（强），引用率28（弱），情感83（强），提示词覆盖率52（中等），一致性45（弱）。优先级：引用率和一致性。他们专注于在三家行业刊物获得报道，并确保在12个目录中的一致产品描述。8周后：引用率升至48，一致性升至67，整体评分升至68。
相关文章
总结
AI Discovery评分是五个加权组成部分的综合体。理解哪个组成部分驱动您当前的评分——以及哪个拖累它——使您能够精准定位GEO行动，最大化每次投入的影响。