作者：伊恩，2026年7月5日 像这样的工具，承诺给你类似于代理商之前世界的搜索可见性，确实让人难以抗拒。但在你急于为一个平台掏钱之前，考虑一下每月花一个下午的工作是否是更具成本效益的替代方案。我最近写过关于GEO奇美拉的文章，这个小型行业承诺将你的品牌优化成AI答案。我的论点是，出售的杠杆大多并不存在。行业的另一个部分是出售仪表，而不是杠杆。现在，AI可见性跟踪的花费估计已超过1亿美金每年，覆盖数百个仪表盘，像Moz当年追踪你的谷歌排名一样追踪你品牌在ChatGPT中的存在。这个推广在品牌营销人员的肥沃土壤上落地，他们正站在一切之前依赖的边缘，凝视着即将到来的虚无。所有这一切都有一种后千禧年感。好莱坞编剧威廉·戈尔德曼名言：“没有人知道任何事情。”他更不为人知的部分是：“每次……都是一个猜测，如果你幸运的话，那是一个有根据的猜测。”这就是代理式搜索可见性的定义。目前大多数工具每天运行提示，平均运行次数，报告一个可见性百分比以及趋势线和置信区间。平均本身并不是问题。问题是它所平均的所有东西，因为测量篮中的提示通常由分析供应商引导，权重的查询量是模型虚构，正在采样的查询表面不是人类所用，没有人能显示出结果得分预测了对业务重要的单一结果或转化。然而这些工具正像逐渐衰败的商业街上的电子烟店一样快速增殖。真相是，我们急切追寻的东西并不存在。改善你在搜索代理回应中可见性的机制微乎其微。而且没有可靠的方法来跟踪和衡量这种可见性。在经历了四分之一个世纪的SEO和SERPs后，这对于许多人来说是个苦涩的药丸，依然不愿意吞下。当前被提供作为替代的美味糖果是我所称的精准洗涤。经过足够频繁的空洞测量，以至于噪音被抵消，出来的似乎是一个稳定、带小数点的数字，这被视为知识。但虽然平均能得到一个数字，却买不到有效性。骰杯。1月，兰德·费什金发布了关于搜索代理跟踪行业的详细研究。他与Gumshoe.ai的帕特里克·奥唐奈合作，招募了600名志愿者，通过ChatGPT、Claude和谷歌的AI运行了12个品牌推荐提示，共计2961次，涵盖从厨师刀到癌症医院等分类。费什金起初希望证明跟踪搜索代理响应是毫无意义的。结果比这更奇怪。每次向搜索代理请求品牌推荐一百次，两次获得相同列表的几率不到千分之一。而相同列表的相同顺序的几率更接近千分之一。品牌变化，排序变化，甚至条目数量变化。费什金对位置跟踪的结论很直白。他写道，任何提供“AI中的排名位置”的工具“都是胡说八道”。这并不是一个孤立的特立独行者。对重复GEO测量的arXiv研究发现，对于相同提示返回的品牌集合在不同运行之间的重叠仅为45-59%，且差异很大，得出单一观察结果的搜索代理可见性是具有误导性的，必须将可见性视为在重复运行中概率的结果。第二篇论文直接做出了统计上的论点。来自生成引擎的引用指标是随机变量，而不是固定值。Ahrefs从侧面切入，发现谷歌的AI模式和AI概述对于相同查询的引用来源有87%的时间是不同的。这种变化无法控制。语言模型并不是查找答案。它一次生成一个标记，从一系列可能的选项中选择每个单词，并具有内建的随机度（称为“温度”）。这种随机性是一个至关重要的设置，因为它使输出看起来流畅，而不是程式化。当你两次问同样的问题时，答案会自动偏离。再加上网页搜索，骰子又多掷了两次：一次是在模型将你的问题拆分为自己的一组搜索查询时（称为“扇出”），另一次是在它选择哪些页面值得引用时。即便是为了保持稳定而设定的参数，一旦系统投入使用也会摇摆不定，请求会被批量处理，静默路由到任何空闲的模型副本，并在你认为自己在测量的过程中切换到新的版本。因此，费什金测量的差异并不是一种会随着类别发展而平息的不成熟现象。这是产品按设计运作的结果，而去除这一点的平台将会...