报告里的「被提到」和「被推荐」不是一回事
AI 可见度的结果要拆成四种状态来记：有没有被提到、提及时是顺带列举还是单独推荐、提到的信息对不对、在几个候选中排第几。只记「出现/没出现」会把两种情况混掉：一种是被当成同类一起列出，一种是被当成首选并给了理由，后者才有转化价值。建议做一张固定表格，每个问题每次记录这四列，连续四周看趋势，不要用单一分数当目标。
查 AI 可见度的店主常有两种反应：一种是看到答案里有自己的店名就放心了，另一种是看到答案里没有就焦虑。两种反应都来自同一个问题——把「出现」当成一个开关，只看有没有，不看是怎么出现的。
三种出现，含义差很远
同一次回答里，你的店可能以三种方式出现：被顺带列在一串名字里；被单独拿出来讲，还给了推荐理由；被提到但信息是错的。第一种是有了点存在感，第二种才是真正的推荐，第三种是负资产——用户看到错误的价格或地址，比没看到更糟。
被提到：可能只是凑数
回答「附近有几家做汽车保养的」时，模型列了五家，你在第四位，没有一句描述。这种出现有价值，但价值有限：用户要的是选哪家，不是有几家。凑数式的出现能带来一点曝光，转化靠不住。
判断办法是看有没有描述句。名字后面跟着「主打德系车保养，报价透明」这类具体说明，说明模型对你的内容有把握；只有名字，说明它只是从某个列表里抄了个名称。
被推荐：单独讲，还给理由
推荐形态一般是：先说推荐谁，再说为什么，可能还带一句注意事项。这种回答里，你的页面里有能支撑理由的具体内容——价格区间、服务范围、时长、擅长什么。理由句往往就是你原文里的一句话，被压缩改写了一下。
所以想从「被提到」走到「被推荐」，要补的不是更多曝光，是更多可被当作理由的事实。这一点和改写法是同一件事。
信息对不对，比出不出现更靠前
顺序上应该先查准确性。地址写错、电话是旧号、营业时间过时、把别家的项目算到你头上——这些问题的优先级高于「怎么还不出现」。一个稳定的错误信息，会持续消耗到店客户的信任。
查法不复杂：把回答里关于你的每一句抄下来，逐句和官网核对。对不上的那几句，回头查是哪个平台的旧信息被引用了，去那个平台改。
一张表，把四种状态分开记
| 状态 | 怎么判断 | 下一步动作 |
| 没出现 | 答案里没有你的店名或任何指向 | 先查收录，再看有没有能答问题的段落 |
| 被提到（无描述） | 名字在列表里，没有说明句 | 补可当理由的事实，价格、范围、时长 |
| 被推荐 | 单独讲，带理由或注意事项 | 保持，别改结构；补同城其他问法 |
| 信息错误 | 地址、电话、价格、项目有错 | 优先改源头平台，其他都往后放 |
为什么「被提到」的数量会虚高
- 并列列举：模型一次列五到十家，只要有名称就算出现，统计时容易全算成有效曝光。
- 同名混淆：同城有同名或近似名的店，统计时被算到你头上。
- 旧数据：几个月前抓到的内容还在被引用，看着有出现，其实是过期信息。
- 兜底推荐：问题太宽时，模型会顺手列几个常见品牌，这类出现和你的内容质量关系不大。
从提到走向推荐，补这三样
- 一个能对比的价格或时长：不是「实惠」，是「280 元起，两小时内完成」。
- 一句适用条件：适合谁、不适合谁，让推荐有边界，理由才站得住。
- 一处外部印证：地图、点评或行业目录上的信息与官网一致，模型才敢下判断。
每周记一次，四周看趋势
刚开始记录的两三周，状态来回跳很正常。今天被推荐、明天只是列在第三位，这不代表你做错了什么，只是生成结果的正常波动。真正要看的是四周里「被推荐」出现的次数有没有变多，而不是某一天的状态。
固定三个问题、固定平台、固定问法，每周同一天问一次，把四列填进表里。四周之后再判断有没有变化。单次结果波动很大，同一句话隔天问可能答案完全不同，这是常态，不是失败。
记录时把原始答案整段存下来，别只存结论。后面复盘时，能看出是内容变了还是平台变了，只看自己打的勾是看不出来的。
表格要能一眼看出变化
记录表不用做得复杂，六列足够：日期、问题、平台、状态（没出现/被提到/被推荐/信息错误）、引用到的句子、备注。一周一行，四周就有十六条记录。翻的时候只看状态那一列的颜色，就能知道这一个月是稳住了还是退步了。
如果嫌打字麻烦，手机备忘录也行，格式统一就不会乱。关键不是工具，是每次都填同样的列。列变了，前面的记录就作废了，这是很多人记了三个月还看不出趋势的原因。
别把单一分数当目标
分数是概览，方便横向比，不适合当成目标本身。分数涨了但出现形态还是「凑数式列举」，实际客流不会变。反过来，分数没动但你的店开始被单独推荐、理由也准确，那就是实质进展，值得继续投入。