现在有相当一部分人不再一家家点开搜索结果，而是直接问 AI：”奥克兰有哪些做双语网站的公司””新西兰装修大概什么价”。
如果 AI 给出的答案里没有你，你在这条路径上等于不存在——因为没有第二页可以翻。
这件事完全可以自己测，不需要任何工具，也不需要花钱。下面是具体做法。
第一条规矩：不要问它认不认识你
大多数人第一次测的时候会问”你知道某某公司吗”。这个问法得到的答案没有参考价值，原因有两个：
一是你已经把公司名给它了，它只需要确认，不需要检索和挑选。而真实场景里客户不知道你的名字——他知道自己的问题，不知道谁能解决。
二是模型在被直接问到某个具体名字时，倾向于给出肯定的、听起来合理的回答，即使它掌握的信息很少。
正确的问法是模拟你客户的真实提问，完全不提你的名字。
准备一份提问清单
写十到十五个问题，覆盖客户在不同阶段会问的东西。以我们自己为例：
找服务商类：“奥克兰有哪些做中英双语网站的公司””新西兰哪里可以找华人建站服务”
问价格类：“新西兰做一个企业网站大概多少钱””小企业网站一年要花多少”
问方案类：“我在奥克兰开诊所，应该做什么样的网站””华人企业应该做中文站还是双语站”
问概念类：“什么是 GEO””新西兰小企业需要做 SEO 吗”
换成你的行业照着写。关键是用你客户的措辞，不是用你的行业术语。客户不会搜”响应式网页设计解决方案”，他会搜”网站在手机上看不了怎么办”。
四个模型都要测
不同 AI 的数据来源和检索方式差别很大，结果可能完全不同。至少测这四个：
ChatGPT——用户量最大。
Claude——回答偏保守，引用要求高。
Gemini——和 Google 搜索的关系最近。
Perplexity——以检索为主，会列出来源链接，最容易看出它参考了什么。
Perplexity 特别值得测，因为它会明确显示引用来源。看它引用了谁，就知道在这个话题上谁的内容被认为是可信的。这比排名数据更直接。
另外记得开新对话。同一个会话里的上下文会影响后续回答，容易得出过于乐观的结论。
每次记录三件事
一、有没有提到你。提到了记下来，是主动推荐还是只是列举之一。
二、说的对不对。这一条经常被忽略，但比”有没有提到”更重要。AI 说错你的信息，比不提你更糟——比如报错价格、说错服务范围、把你和另一家搞混。
我们自己测的时候遇到过：模型把公司的服务范围说得比实际大，如果客户信了找上门，第一次沟通就要花时间纠正。
三、如果没提到你，它提了谁。这是最有用的一条。
看被提到的那几家做对了什么
把 AI 提到的公司网站逐个打开，对着这几点看：
它的价格写出来了吗？“具体价格请联系我们”这句话没法被引用，AI 转述不出任何信息。写了具体数字的公司在这里天然占优。
它的服务边界清楚吗？“我们能做各种网站”没有信息量。”我们做企业官网和预约系统，不做电商平台”反而容易被推荐——AI 能据此判断该不该提到它。
它有多少可核实的事实？公司注册号、成立时间、地址、真实案例。这些能和外部记录对上，AI 引用起来风险低。
它的信息一致吗？网站、Google 商家资料、社交账号上的公司名和描述是不是同一套。不一致的时候，AI 无法确认这些是同一家公司。
做完这个对比，你通常能很清楚地看出差距在哪，而且多数差距是文案层面的，不是技术层面的。
多久测一次
每个季度一次就够。这些系统的更新有滞后，测太频繁看不出变化，还容易被单次波动误导。
但有两个时间点应该额外测：改了价格或服务范围之后（确认 AI 拿到的是新信息），以及网站有较大改动之后。
另外记一下测试日期。这类结果没有历史数据就没法判断趋势，而这些系统没有给你后台看。
测出问题之后能做什么
如果它说错了你的信息：先检查你自己的网站上这些信息是不是清楚、是不是各处一致。多数错误来自信息本身模糊或者矛盾，而不是模型乱编。
如果它完全不提你：这是个内容问题，不是技术问题。看看被提到的那几家写了什么你没写的——通常是具体数字、明确边界、可核实的事实这三样。
如果它提到你但信息过时：更新网站之后需要时间，这些系统不是实时的。同时确认你的 llms.txt、结构化数据、页面文案都改了——只改一处，其他地方还是旧的。
一个务实的判断
现在值得花多少精力在这上面？
诚实地说：对多数新西兰中小企业，AI 带来的询盘目前还远少于搜索和转介绍。它是个正在增长的入口，不是主要入口。
所以合理的做法是：先做那些无论 AI 怎么变都不白做的事——把价格写清楚、把服务边界说明白、把公司信息在各处统一、把可核实的事实放上去。这些同时也是 SEO 和转化率的基础，不存在押错方向的风险。
至于针对具体模型的技巧，等它们稳定下来再说。现在整个领域的变化速度，让任何”技巧”的保质期都很短。
我们的SEO 与 GEO 服务里包含这套多模型测试，做的就是上面写的流程，只是更系统、有历史记录。方法本身没有秘密，你完全可以自己跑。