让AI说出你的名字：我们的数据真正支撑的做法
五十期已发表的测量才允许写下的指南。五项工作，按回报顺序排列，每项都有数字作据 - 以及谁也无法向你承诺的事。
96.9%
18个市场6,136家受审企业从未被助手点名（9月9日）
简短的答案：没有人能保证你在助手的回答里有一席之地 - 我们审计的企业中96.9%从未被点名，而一个技术上干净的网站单独几乎改变不了什么（达标的2.3%被点名，不达标的2.2%）。 但自七月以来发表的五十多期测量准确地说出了功夫花在哪里才有回报：五项工作，按顺序，每项都有支撑它的数字。这份指南不承诺席位，它只让你不再为那些什么都测不出的“杠杆”付钱。
2.3%对2.2%
三项技术检查达标与否的点名率：光干净不给席位（9月11日）
最高40%
GEO开创性研究中靠内容获得的可见性 - 唯一这个量级的杠杆
机器读得懂的页面是入场券，不是席位。
1. 让机器读得懂 - 这是地板，不是奖品
这是最便宜也最被误解的一项。不，爬虫在你的网站上并没有被封：九月读取的3,809个网站中，只有1.0%对回答引擎关门 - 解封一个从未被封的机器人什么都改变不了。真正的缺口在别处：只有30.2%的首页把城市写进页面标题，81%发布了机器能读的地址（巴西61%），4.9%的公开邮箱已不存在 - 顾客以为写了信，没有人收到。本周就做：把城市写进页面标题（三十秒），地址用文字写出来 - 不要只放图片或只埋在交互地图里 - 再给自己的邮箱发一封测试邮件。
2. 写下AI叫顾客核实的证据
助手几乎从不引用你的评分 - 780条回答中只有2条引用星级数字 - 但77%会谈到顾客评价，而建筑类行业的回答就是一份清单：执照、保险、应急、保修。Gemini甚至在26条管道工回答中的23条里点名发照机构。顾客带着这份清单离开AI，去寻找证据。要做：在网站上明文写出执照号、保险、保修和评价链接 - AI的回答就从你的筛子变成你的销售词。
3. 待在回答已经指向的地方
建筑与护理类行业中，78.7%的回答把顾客送往目录或平台；餐厅、酒店、美发店只有3.7%。而法国牙医在回答里的对手不是另一位牙医，而是Doctolib。拒绝你所在行业的平台，就是拒绝AI已经为你的顾客打开的那扇门。要做：找出你所在行业的回答引用的那两三个目录，去认领你的条目并保持更新。如果你干的是“拼名字”的行当 - 餐桌、床位、美业 - 这项比不上下一项重要。
4. 经营共识，而不是一个页面
两个引擎面对同一问题几乎不读同样的页面（共同来源16至59%），却远更常推荐同样的名字（36至55%）。而当我们重读AI自称参考过的页面时，128个被推荐品牌个个都在其来源里 - 中位数每个品牌六个页面。所以不是优化一个页面：而是让同一个名字、同一种写法，出现在引擎阅读的多个页面上。这正是GEO开创性研究标定的杠杆：靠内容最多可得40%的可见性。要做：到处用同一个字号 - 网站、目录、评价、本地媒体 - 内容回答顾客的问题，而不是引擎的。
5. 算清你的本地账
架子很短，且不随城市变长：每个城市×行业中位数21个席位，其中只有3个给本地地图上的企业 - 而人口是迈阿密二十倍的纽约，席位数相同。换个问法，一条回答里89%的名字会换掉，但在市场层面，被引用最多的10个名字有7个存活。目标因此不是“出现一次”，而是反复在场；胜算要按行业和城市大小来估。要做：先瓄准自己城市、自己行业的问题，从席位最便宜的地方入手 - 一个中位席位在迈阿密对应21,500名居民，在纽约对应440,000名。
谁也无法向你承诺的事
不存在有保证的席位。
96.9%的受审企业从未被点名；即便被点名，中位得分也只有100分中的24分。卖“保证席位”的人，卖的是他控制不了的东西。
AI引用常常出错。
Tow Center研究中超过60%的引用不准确；EBU和BBC发现31%的回答有来源问题。被引用不等于被正确引用。
单条回答是飘忽的。
两种问法之间的比较有47%不共享任何名字。永远不要用只问了一次的问题去评判进展。
我们的测量是有日期的下限。
每题一次采集、有上限的抽取、不完整的地图 - 每期都公布其局限，本指南全部继承。
见效时间未经测量。
从做完一项工作到名字出现需要多久，我们还没测过。给你准确时限的人是在编。