诊断先问三件事：行业问题下 AI 提没提你的品牌，提到的时候说得对不对，答案引的是谁家的来源。把这三件事固定成一份能反复问的清单，先测出基线，再去动内容和技术。顺序反过来，你就没有可对照的起点了，改是一直在改，说不清有没有用。
为什么第一步不是写内容
多数企业察觉自己在 AI 答案里「不太对劲」，第一反应是补文章。这一步跳得太快。
生成式答案不是从你官网直接搬的，是模型拿它能检索到的来源重新组织出来的。不知道现在被引的是谁，就不知道该补什么。可能官网上事实写得很清楚，机器读不到；可能内容不缺，但第三方那份旧资料声音更大；也可能只是同名公司搞混了。这几种情况修法完全不一样，而在测过之前，它们长得一模一样，都是一句「AI 不提我们」。
方法链的顺序是诊断→内容→技术→监测。诊断排最前，就是因为它决定后面三步干什么。
三类问题：提及、准确、来源
这三类不是三组不同的问题，是同一批提问要看的三个维度。
| 问哪一类 | 测什么 | 答案里看什么 | 记成什么 |
|---|---|---|---|
| 品类 / 场景问题（不带品牌名） | 品牌提及 | 品牌有没有出现、和哪些同行并列 | 出现 / 未出现，加同列品牌名 |
| 带品牌名的问题 | 答案准确性 | 业务范围、服务边界、行业、地域有没有说错 | 无误 / 有误，有误则抄下错在哪句 |
| 以上两类都要看 | 引用来源 | 答案引了哪些网址、有没有你自己的域名 | 引用域名清单 |
三个维度的信息量是递进的。只测提及，你只知道有没有被看见；加上准确，你知道被看见时是什么样子；再加上来源，才知道这个样子是谁给的。最后这条才是你能动手的地方。
实践里最常被跳过的是第三列。很多人截一张「AI 没提我们」的图就去补文章。可那张图里，如果答案引的全是三年前的行业目录站，要解决的就不是文章数量，而是官网上缺一份更新、可信、机器又读得到的对应事实。
问题集怎么定
问题基线就是这份固定下来、每轮重复提问的清单。按买家离你的距离分四层：
- 品类层：「XX 是什么」「XX 怎么选」。买家还不知道有你的时候问的。
- 场景层：「XX 行业的 YY 环节一般怎么做」。你的解决方案本该出现的地方，通常也是缺口最大的一层。
- 品牌层：「XX 公司是做什么的」「XX 和 ZZ 有什么区别」。买家已经知道你，在核实。
- 决策层：「XX 靠不靠谱」「XX 有哪些客户」。临门一脚。
每层 8–15 条，总量 40–60 条起步。
别一上来就列 200 条。问题集好不好，不看条数，看能不能每轮全部重跑。跑不完的清单不会被复测，也就永远形不成基线，那张表就只是一次性的调研记录。条数不够的时候先补场景层，买家还不认识你的时候，那是唯一的入口。
平台矩阵：国内与海外分开记
覆盖哪几个平台，看你的买家在哪儿提问，不看哪个平台名气大。国内 B2B 采购常见于豆包、DeepSeek、Kimi；面向海外或技术型买家，就要看 ChatGPT、Perplexity。两边的答案风格不一样，给不给可点的来源链接不一样，检索行为也不一样，所以别把结果混在一张表里平均。混完你既看不出哪个平台需要什么，也没法归因。
先挑 2–3 个把基线跑稳，再扩。平台越多，每轮复测越费人力；跑不动就断，断了就没有基线。
各平台当前具体怎么表现，本文不列，那是会过期的信息。生成式答案随提示词、地区、时间和模型版本变化，任何一份「某平台现在如何如何」的清单，写下来的那天就开始失效。可靠的做法是你自己测，每一轮记下核验日期。
每次提问记什么
一轮提问，每条至少记六列：
- 提问日期
- 平台与模型版本
- 问题原文，一字不改（改了就不是同一个问题了）
- 是否提及
- 描述是否准确，有误就抄下错在哪句
- 答案引用的域名
前两列最容易被省掉，也最不能省。生成式答案随时间和模型版本变化，没有这两列，下一轮复测时你分不清变化是你改出来的，还是平台自己更新了。
这六列是原始记录，不是指标。基于它们可以算提及率、引用率这类自定义口径。注意这些都不是平台官方提供的数据，是你自己采样统计出来的，对外引用必须标明非官方。至于分子分母怎么定义、多久复测一轮、变化能归因到什么程度，属于方法链的监测阶段，留给后续专文。
输出三张缺口清单
一轮诊断跑完，把观察拆成三张能直接派活的清单：
内容缺口。答案答不上来或者答错的地方，官网缺哪一页、缺哪一句事实、缺哪个证据。
技术缺口。事实明明在官网上，机器却确认不了。多半指向结构化数据缺失、实体信息不一致，或者内容压根没有机器可读的入口（见 llms.txt）。
外部证据缺口。答案引的是第三方来源，那些来源在替你发言，还说得不准。
之所以拆成三张，是因为它们分别对应方法链后面的三步，负责人和工期都不一样。停在「AI 对我们印象不好」这种整体判断上，活派不下去。
这份诊断说明什么，不说明什么
说明的是：在这个采样窗口、这组问题、这几个平台上，你的品牌被提及、被说对、被引用的实际情况，以及哪些事实缺证据页、哪些页面机器读不到、哪些第三方来源在替你发言。
不说明的是：
- 因果。「补了内容所以 AI 提我了」，这中间没有可验证的因果链。诊断给的是前后对照，不是归因证明。谁声称能证明因果，都该被要求出示证据。
- 真实用户的提问分布。问题集是你猜的，不是买家实际敲进去的。真实提问要从销售、客服和站内搜索里捞，那才是问题集迭代的来源。
- 稳定事实。同一个问题隔天再问，答案可能就变了。一轮测出来的是快照。
- 竞品做了什么。竞品出现得多，可能是内容好，可能是第三方来源多，也可能只是名字更常见。诊断分不出来。
- 排名或推荐的承诺。这些不在任何服务商的控制范围内，能控制的只有你这一侧的证据质量。
常见问题
问题集要多大才够？
40–60 条起步，按品类、场景、品牌、决策四层分，每层 8–15 条。判断标准不是条数，是能不能每轮全部重跑。跑不完的清单不会被复测，也就形不成基线。条数不够时先补场景层，那是买家还不知道你时的入口。
要覆盖多少个平台？
看你的买家在哪儿提问。国内 B2B 采购常见于豆包、DeepSeek、Kimi；面向海外或技术型买家则看 ChatGPT、Perplexity。先挑 2–3 个把基线跑稳再扩。平台越多每轮成本越高，跑不动就断，断了就没有基线。
AI 把我们说错了，能直接联系平台改吗？
一般不能，也不该把希望放在这儿。答案是模型基于可检索到的来源生成的，可行的路是改来源：把官网上的事实与证据页补齐，让正确信息可抓取、可解析、可确认。这也正是诊断之后要进内容与技术阶段的原因。
没有专门工具，人工提问记录可行吗？
可行。40–60 条问题 × 2–3 个平台，一轮大约半天。工具能省时间，但不改变方法。起步阶段人工反而有好处：你会亲眼看见答案是怎么错的、错在哪个字，这些细节进不了自动化报表，却往往直接指出该补哪一页。
本周可以做的一件事
挑 10 个你最该出现、又不确定 AI 会不会提你的场景问题，买家还不知道有你的时候会问的那种，比如「XX 行业的 YY 环节一般怎么做」。找一个国内平台、一个海外平台各问一遍，按上面六列记下来。
半天跑得完。跑完你会拿到两样东西：一份能复测的问题集雏形，和一份让你意外的错误清单。
验收标准很简单：这 10 条记录，每一条都能回答「AI 提到我们了吗、说对了吗、引了谁」。有一条答不上来，说明记录口径漏了列，补上重跑。
中屹信息做生成式引擎优化（GEO），覆盖诊断→内容→技术→监测。我们交付可验证的内容与技术基建，以及按问题基线复验的记录，不承诺不可控的 AI 推荐或排名结果。想把本文的方法落到你的官网，可以从服务或联系开始。