店主那边反复出现两个问题。一个是：「我们已经在用 Search Console 和店铺分析了，但两者都不告诉我，有人去问 ChatGPT 或 Gemini 要产品推荐时发生了什么。」另一个来自一位差点花 3000 美元做审计、再加每月 400 美元监测的卖家：这钱值吗？
第二个问题最好的回答来自同一条帖里另一位卖家：如果交付物是一份报告，那么 450 英镑还是 3000 美元都可以跳过——什么都还没改就先付钱盯一个数字，顺序是反的。所以下面直接给核查本身。我们在三个平台上对自己跑过一遍，其中两个发现改变了我们的做法。
第 1 步——把你买家真会问的问题写下来
不是「我的品牌可见吗」。是二十到四十个按购买前的人真实输入方式写的问题：适合某场景的最好的某类产品、满足某个约束条件的某类产品、某个主流产品的替代品。也留几个带品牌名的问题——它们的行为完全不同，而那个不同很重要。
把清单写进一个文件。清单才是资产，因为你会反复跑它。
第 2 步——记录你得到了什么，不只是「出没出现」
每个问题在 ChatGPT 和 Gemini 上各跑一遍，每个回答记四件事：你被提及了吗；你被引用了吗（来源里真的有一条链接）；出现了哪些竞品、顺序如何；以及回答引了哪些 URL（谁的都算）。
「被提及」和「被引用」不是一回事，而那个差就是能动手的地方。我们自己跑的时候发现过这种回答：几乎逐字复用了我们的定位说法，却把我们写成一个泛称——无品牌名，无链接。那是源文本问题，不是排名问题，而任何可见性 dashboard 都不会告诉你是哪一种。
第 3 步——真正改变行动的是那一列
第四列才是钱所在。我们在三个平台上跑非品牌的品类问题时，引用位全部落在 GitHub 仓库和第三方清单文章上，没有一条指向我们自己的网站。带品牌名的问题则相反，确实引了我们自己的页。
对一个店铺来说有两个后果。如果你品类里的非品牌回答引的是零售汇总、平台商品页和测评站，那么重写你的首页不会改变它们——分发单元是模型实际在引的那个东西。并且两类问题要分开测——平成一个「可见度分数」，你会得到一个因为你使不上力的原因而波动的数字。
第 4 步——修源头，不是修 dashboard
卖家报告的两种失败，都能在源头修。
陈旧事实。有位卖家遇到客人拿着一个价格上门，而那个价格他从开店一年多以来就没再收过。另一位发现 ChatGPT 在推荐一个他几个月前就停卖的产品，去核了一下，发现另外两个模型也在显示同一个已下架的东西。只要旧价格或死掉的产品还留在缓存页、旧帖子或第三方清单里，那就是会被转述给你客户的东西。
缺少对比内容。模型回答「X vs Y」时需要有东西可引。如果你这个品类里没人写过一篇诚实的对比，那答案就会用写过的那个人的材料拼出来。
所以行动清单是：先把陈旧事实在它们真正住的地方改掉（包括不属于你的页），再在引用位真正指向的那个面上补上缺的对比或场景内容。一段话为什么被引、另一段为什么不被引，机制写在我们那篇谈被 ChatGPT 引用的文章里。
第 5 步——再测一次，但别下周就测
模型看得见的元数据滞后得很厉害。我们自己核的时候，平台报的 star 数和发布日期都是几个月前的。别在改完一周内评估效果。几周后重跑同一份清单，把提及率、引用率和竞品顺序和第一次对比——这就是第 1 步要你把清单存成文件的原因。
还有一条纪律：这是采样，不是测量。回答每次都不一样，所以每个问题至少跨天重复三次再相信一个变化。跑一次几乎什么都说明不了。
在 Orkas 里怎么跑
Orkas 自带一个 SeoGeoAgent，而问题清单、每轮记录和待修清单都住在同一个项目文件夹里，第二轮可以直接和第一轮 diff，而不是从头来。更完整的流程在搜索与 AI 回答可见性的场景页。
它给不了你什么
- 没有流量数字。Google Search Console 的生成式 AI 报告没有 API，而且从结构上就只给展示量——你算不出 AI 的点击率。
- 没有竞品的真实份额。你在采样回答，不是在测量一个总体。
- 不保证修完就能传播出去。有些被引用的来源完全不在你手里。