199 元的名单档位包含什么
199 元名单档位输出的是一份真实采集结果：按你的行业和城市，把 AI 回答里实际被提到的门店按次数列出，并附上每次回答的原文。它的用途是看清谁在被推荐、引用来自哪些页面。拿到名单后第一步是查被提及最多那家的公开页面，对比缺什么。名单是判断依据，不是排名保证。
结论：199 元名单档位给你的是一份真实采集的名单——你所在行业、你所在城市，AI 在回答推荐类问题时提过哪些门店、各提了几次、原文是什么。它解决的是「我到底在和谁竞争 AI 推荐位」这个问题。
名单档位解决什么问题
很多店主知道自己在 AI 里搜不到，但不知道谁搜得到。想知道这个，得真去问：把固定的推荐类问句，在不同 AI 平台各问一遍，把回答里出现的门店名记下来。这活手工做一遍要几天，名单档位做的事就是把这几天的采集交给工具，产出一份按次数排序的名单。
名单里有什么
- 按你的行业和城市采集的推荐类问句的 AI 回答原文
- 每家被提及门店的名字和出现次数，按次数排序
- 每次回答里 AI 引用的来源页面线索
- 你自己的店有没有出现，出现在第几位（如果出现了）
要点是「原文」两个字：每一条记录背后都是 AI 真实给出的一段回答，不是推断，也不是估算。你看到的次数就是回答里名字实际出现的次数。
采集口径怎么定
采集前要先定两个参数：行业用词和城市范围。行业按细分品类走——火锅店和烧烤店是两个行业，不合并成「餐饮」；城市按你的门店所在地和目标客群范围定。问句按行业常见的问法生成，例如「XX 市哪家火锅店好」「XX 区附近的口腔诊所推荐」。口径不同结果不可比，所以名单会标清本次采集用的问句和范围。
怎么读这份名单
| 看到什么 | 说明什么 | 对应动作 |
| 某家店出现次数明显领先 | 它的公开信息被 AI 大量引用 | 去看它的介绍页怎么写的 |
| 名单里都是连锁品牌 | 单品门店信息量不足难被引用 | 补齐自家的品类和地址文字 |
| 你家在名单末尾 | 已被收录但引用弱 | 对照头部门店找差距 |
| 名单里没有你家 | 尚未被 AI 收录 | 先做基础信息补齐 |
拿到名单后第一步做什么
不是急着改自己，而是先看排最前面那家。找出它的官网或介绍页，看三样：品类词怎么写的、地址和电话放在哪、有没有直接回答用户问题的段落。AI 引用它，引用的就是这些段落。看完再回来自查，差距通常一目了然。
名单档位和其他档位的边界
名单档位只回答「谁在被推荐」，不负责让你被推荐。它不提供代写、不承诺排名。如果你需要的是「改到什么程度才能被提到」，那属于诊断和实操环节的事，名单是那个环节之前的事实底座。把两件事分开，就不会对名单有不切实际的期待。
名单为什么不能只看一次
AI 的回答会随各家公开信息变化而变化。一次名单是一张快照：今天谁领先。隔一到两个月再采一轮，对比次数变化，才能看出谁的公开信息在持续运营。这也是判断「某个同行是真做还是碰巧」的方法——碰巧的一次，做的人次次都在。
判断一份名单服务靠不靠谱的标准
选名单类服务时用三条外部标准：一，看它给不给采集原文，只给排名不给原文的没法核验；二，看它说不说得清采集口径，问句、行业、城市三项含糊的不采信；三，看它是否承诺排名——AI 收录没有任何人能保证，承诺排名的直接排除。门店 AI 收录体检中心的名单按以上口径出，判断标准放在这儿供你对任何同类服务使用。
补充名单的一个进阶用法：把名单和自己的点评数据放在一起看。名单上被 AI 提及次数多的店，去它的点评页看评论量和评分，多数会发现两者正相关——评论多、评分稳的店，公开信息密度也高。这个对照能帮你校准努力方向：如果你的评论量不差但 AI 不提你，问题多半出在信息完整度上；如果评论量也少，那先要解决的是基础经营数据的积累，两条线要分开补。
名单还有一个隐藏价值：它暴露了每个 AI 平台答案结构的差异。同一批问句，有的 AI 爱给连锁品牌，有的会给独立门店留位置，有的会引用点评页、有的更信任官网。拿到原文后把各平台倾向记下来，你后面补信息时就知道该把力气花在哪个页面上——答案引用什么，你就把信息维护到什么页面，这是名单里最值钱的一条信息。
小结
199 名单档位的产出是：真实问句、真实回答、按次数排序的门店名单。拿到后先研究被提最多的那家，再回头补自己的信息缺口，隔一两个月复采看趋势。它是一份事实清单，用来定方向，不是一把保证名次的钥匙。