市场越大，你越不存在：七个国家、697 家企业的测量

我们测量了 697 家真实企业——不是为这次特意搭的样本，而是我们本来准备去联系的公司。七个国家，九个行业，每家一个问题，用它客户的语言去问助手：当有人在这座城市找这个行业时，它们怎么回答？

697 家里有 621 家哪里都没出现。这是 89 %，这个数字已经不再让我们惊讶。让我们停下来的是它的分布。

同一个行业，两个国家，两个世界

为了排除行业的影响，我们只比较网站服务公司——同样的问题、同样的措辞、同样的助手。这样一来，结果只取决于国家。

美国八十七家里三家。法国四家里一家。这是可比的企业：有网站，有公开的联系邮箱，业务清晰可辨。它们的材料里没有任何一处说，它们应该少被看见八倍。

直觉说大市场位置更多。测量说的正相反：位置没有变多，还是同样的八个——只是候选者多了太多。

大概的原因

助手给的不是名录，是一个回答——几个名字。这个数量不随市场大小变化：问里昂还是问芝加哥，都会得到五到十个名字。但美国那个问题背后是数万家公司，里昂那个问题背后只有几百家。

在小市场，一家中等规模的公司可以占住其中一个位置。在大市场，同样的位置回到全国性品牌手里，其余的全都不在。这不是惩罚，这是算术。

我们把这当作假设提出，而不是结论。 我们的测量确认了这个差距，但没有确认它的成因。语言效应有可能——我们的法语问题和美式英语问题并不是同一个句子——选择偏差也有可能，因为这些企业不是随机抽取的。

最让我们意外的一例

两个法律职业，在我们的系统里是一个词，在现实里是两个词：英国的 solicitor，美国的 lawyer。

• 英国，11 家律所：2 家被点名，其中一家拿到 66/100——整场测量的最高分。
• 美国，26 家律所：零。一家都没有，一次都没有。

十一家律所构不成证据，我们也不打算这么说。但差距的方向与服务公司那边一致，而后者是在 263 家公司上测得的——正是这种一致让这条线索值得留意。

这对一家企业意味着什么

如果你在一个大市场里经营，你不出现在 AI 的回答里，几乎说明不了你的质量，却说明了你周围的密度。有用的结论不是「去做全国知名度」——而是把问题收窄。

被问到「芝加哥的律师」时，助手在数千家里挑。被问到「埃文斯顿懂建筑法的律师」时，它在几十家里挑。位置一直都在，变的是竞争。

这次测量的边界

• 这次测量问的是两个凭记忆作答、不做联网搜索的模型。零的意思是「这两个模型没把你记住」，不是「你到处都看不见」。同样的企业若在联网搜索下提问，会得到别的答案。
• 样本不是随机的：这些是我们为联系而挑出的企业，因此都有网站和公开的邮箱。它们比同行平均更在线，所以 89 % 这个比例更偏乐观，而不是偏严苛。
• 各组规模很不均衡——法国 176 家服务公司，英国 11 家律所。我们在每一行都标出了样本量，请自行掂量每个数字。
• 每家一个问题，只跑一次。我们在别处已经说明，同一个问题重跑并不总是给出同一份名单；因此这些分数是快照，不是平均值。

我们做的这次测量，你可以对自己的公司免费跑一遍，不需要注册。那一边还会直接问 Google，而这次测量没有——所以你的结果会更接近你的客户实际看到的东西。