AI可见性诊断
建立核心问题集，测试主流 AI 平台中的品牌提及、推荐位置、答案倾向与波动。
01 · Diagnose & Strategy
先看清品牌在 AI 答案里的位置，
先看清品牌在 AI 答案里的位置，
再决定下一步做什么。
把“为什么没有被推荐”拆成可验证的问题：AI 是否认识品牌、官网是否值得引用、竞品占据了哪些答案、哪些 Prompt 最接近真实客户决策。
AI可见性诊断品牌实体诊断GEO竞争对手分析
Prompt机会分析官网可引用性诊断GEO增长策略规划
What we clarify诊断不是打分，
诊断不是打分，
而是找到影响答案的具体原因。
同一品牌在不同 AI、不同 Prompt 和不同语言中可能呈现完全不同。我们会区分稳定问题与偶发波动，避免用单次截图下结论。
01
品牌是否进入答案候选集
观察提及率、推荐位置、描述准确度以及没有出现的高价值问题。
02
AI 如何理解品牌实体
检查品牌、产品、行业、团队、资质和地区之间的关系是否清晰一致。
03
竞品凭什么获得更多推荐
比较内容覆盖、外部信源、页面结构、品牌提及和答案场景差异。
04
投入顺序应该怎样安排
按业务价值、修复难度和依赖关系形成近期、中期与长期路线。
Service Scope
六项诊断，覆盖答案、实体、竞争与官网基础。
每个模块都会说明判断依据、发现的问题、业务影响和建议动作，不用笼统的“需要加强内容”作为结论。
品牌实体诊断
核对品牌名称、产品关系、行业分类、团队、资质和关键事实是否被一致理解。
GEO竞争对手分析
分析直接竞品与答案竞品，识别其常见引用来源、内容优势和主题占位。
Prompt机会分析
从认知、比较、选型、风险和采购场景提炼高价值问题，并标记品牌机会。
官网可引用性诊断
检查重点页面的答案结构、事实密度、证据、作者、更新信息与技术可访问性。
GEO增长策略规划
将问题转成页面、内容、信源、技术和监测任务，形成分阶段执行路线。
How we diagnose从业务问题出发，
从业务问题出发，
而不是先套一份检查表。
诊断会把客户决策、品牌资料、AI答案和官网证据放在一起核对，最后回到能执行的优先级。
01 / INPUT
收集业务事实
梳理产品、客户、市场、竞品、成交问题与已有内容资产。
02 / TEST
建立并测试 Prompt
覆盖品牌、品类、比较和采购场景，记录答案与引用来源。
03 / VERIFY
交叉验证原因
将答案表现与官网、实体、内容、信源和技术条件对应。
04 / PLAN
形成增长路线
给出优先级、负责人、预期产出、验证指标与复测时间。
Deliverables
最终得到一套可以继续执行和复测的基线。
诊断材料既供管理层理解问题，也能直接进入网站、内容和市场团队的任务流程。
AI可见性诊断报告
平台、问题、提及、推荐、描述偏差和引用来源的结构化记录。
Prompt机会地图
按客户旅程、意图、业务价值与现有覆盖情况组织的问题库。
竞品与信源差距清单
解释竞品为何占位，以及品牌缺少哪些内容和外部证据。
90—180天增长路线
明确近期修复、中期建设、持续监测和跨团队依赖关系。
Who it fits
适合还不确定问题在哪里，或准备启动系统化 GEO 的团队。
AI中几乎没有品牌提及经常被错误描述或混淆竞品推荐明显高于自己有内容投入但缺少方向准备改版官网或知识库需要年度GEO运营规划
Next modules
诊断之后，通常连接这些执行模块。
实际组合取决于诊断结果，不默认把所有模块都塞进项目。
Start with a question set
选一组最接近客户决策的问题，建立第一版 AI 可见性基线。
提交官网、主推产品、目标市场和三个主要竞品，我们可以先判断诊断范围。