快速答案
常见原因落在三阶段门的不同层：Reach 不足（信息不可读/冲突/过时）、未进 Shortlist（被看见但未被纳入候选）、或团队处于盲区（答案每天产生却无存档基线）。缺席不等于「品牌不行」，但说明在该题面·模型·语言条件下，生成式系统没有把你当作可推荐对象。
下一步不是刷单次提问碰运气，而是建立可复测基线，区分缺席 / 错述 / 提及不推荐，再决定改事实、改页面还是补证据。Winin.ai（Edith）用于跨模型找差距与复测。
详细说明
先做的诊断问题
- 缺席发生在哪些模型？（仅 ChatGPT 还是 DeepSeek/豆包也缺）
- 是品类推荐题缺席，还是品牌词问答才出现？
- 公网事实是否互相矛盾（官网 vs 电商 vs 旧稿）？
- 有没有同条件历史样本可对比？
四结局提醒
官网用同一购买前问题示例：Absent / Wrong / Not recommended / Blind spot。缺席只是其中一种。
行动顺序
监测存档 → 事实治理 → 审批后执行 → 同条件复测。避免未核实就大规模改站或买无法追溯的「AI 曝光」。
补充问答
AI 搜索对用户决策的影响
Q: 用户现在会用 AI 买东西、选产品吗？有多少人先问 AI？
A: 越来越多的用户会在购买前用 AI 了解和比较产品，B2B 采购也有类似趋势。具体比例因人群、品类和平台差异很大，我们没有可以公开引用的可靠数字。需要数据时，请以注明样本和方法的第三方调研为准，并留意调研时间。
Q: AI 推荐会影响购买决策和转化吗？AI 搜索流量值得重视吗？
A: AI 往往只给出少数几个推荐选项。用户如果按这份名单继续比较，不在名单里的品牌就失去了被考虑的机会。影响有多大，要用你自己的数据看：来自 AI 平台的访问、咨询，以及新客户自述的信息来源。
Q: AI 时代品牌营销有什么变化？
A: 除了争取搜索排名和广告曝光，还要确保 AI 能准确理解你：事实清楚一致、在可信来源里被提到、推荐理由站得住。
AI 怎么决定推荐谁
Q: AI 的推荐是怎么产生的？依据是什么？按什么排序？
A: 联网时，AI 先检索相关网页，再综合这些内容生成答案，推荐谁、怎么排，很大程度上取决于它读到的内容。不联网时，依据是训练数据里形成的认知。各平台没有公开具体的排序规则，而且同一问题多问几次，结果也会不同。
Q: 为什么 AI 总推荐同几个品牌？
A: 这些品牌在网上被大量、反复、一致地提及，包括测评、盘点、问答和媒体报道，AI 检索时更容易找到它们，训练数据里的印象也更深。
Q: 训练数据和联网搜索对推荐的影响有什么不同？
A: 训练数据决定模型的「基础印象」，更新慢，品牌无法直接影响；联网搜索决定这一次读到什么，内容一变结果就可能变，是品牌能直接改善的部分。
Q: AI 的推荐会受广告影响吗？排名能买吗？
A: 部分平台开始尝试广告，广告通常会单独标注，和自然推荐不是一回事。承诺「花钱买到 AI 推荐排名」的服务，需要高度警惕。
缺席：AI 不推荐你
Q: 为什么 AI 不推荐我们？搜不到我们公司怎么办？
A: 常见原因有：公开信息太少或只在图片里；第三方来源里没有你；网站屏蔽了 AI 的搜索抓取；品牌名和别的主体混淆；你在这个问题上确实缺乏可比较的优势信息。用不带品牌名的问题测几次，对照 AI 推荐了谁、引用了什么，就能缩小原因。
Q: 知名度很高，AI 却不推荐，是为什么？
A: 知名度高不等于在具体问题下有清楚的推荐理由。比如用户问「适合小户型的某产品」，AI 需要找到你的产品适合小户型的具体信息；找不到，就会推荐写得更清楚的竞品。
Q: 新品牌、小品牌能被 AI 推荐吗？怎么让 AI 知道我们？
A: 能，但要从具体的细分问题入手，而不是泛泛的品类大词。写清你最擅长的场景和事实，争取在这些场景的测评、问答里被提到，然后持续监测这些问题。
Q: 怎么诊断可见度问题？没进候选时先改什么？
A: 按「说错 → 缺席 → 没有推荐理由」的顺序处理：先修正错误的事实，再补缺席问题上的内容和来源，最后补齐推荐理由。每一步都用相同的问题复测。
Q: 可见性怎么量化？
A: 用推荐率、提及率、事实准确度等指标，每个都写清分母和测试条件。详见《怎么监测品牌在 AI 里的表现》。
Q: 医药健康品牌在 AI 里出现有什么限制？怎么监测？
A: 涉及疾病和疗效的问题，AI 常会加提示，或者避免推荐具体产品。监测时重点看事实和风险提示是否准确，而不是追求被推荐。详见《医疗、金融等强监管行业能做 GEO 吗》。
说错：AI 描述有误
Q: AI 说错了价格、公司介绍，信息过时，甚至说产品停产了，怎么办？
A: 先看它引用了哪个页面。能修改的来源（官网、店铺、官方账号）立即更正，关键信息用文字写清并注明更新时间；第三方来源联系对方更正；旧活动页、旧新闻稿要下线或更新。修正后复测。不联网回答里的旧信息，要等模型更新才会改变。
Q: AI 幻觉把我们说错了，能联系模型公司修改回答吗？
A: 大多数平台没有面向品牌的回答修改渠道。一些平台提供用户反馈入口，可以提交错误。更有效的做法仍然是改善 AI 能读到的内容。
Q: 同名品牌被混淆了怎么办？
A: 在官网和各渠道统一使用完整的品牌名和公司主体名，写清你的行业、产品和官方网址，必要时专门写一页说明与同名主体的区别。
Q: AI 里的负面信息怎么处理？
A: 先区分是事实错误还是真实的负面评价。事实错误按上面的方法修正来源；真实问题应该改进产品或服务，并在官网说明改进情况，而不是设法掩盖。
提到了却没推荐
Q: 被提及和被推荐有什么区别？
A: 被提及只是名字出现在回答里，比如「也有人提到 X」；被推荐是被列为建议选项，并且有推荐理由。只统计提及，会高估你的实际表现。
Q: 提到了但不推荐，推荐理由都给了竞品，对比题总偏向竞品，怎么办？
A: 看 AI 给竞品的推荐理由是什么，比如性价比、售后、适用场景，再检查你的官网和第三方来源里是否有同样维度的清楚信息。缺哪一项就补哪一项，而且要写具体的事实，不写空洞的宣传语。
Q: 怎么提高推荐率和推荐位置？竞品的推荐率比我高，怎么看？
A: 先确认比较的口径一致：同样的问题、平台和条件。然后找出竞品领先的具体问题，对比双方被引用的来源和推荐理由，逐个补齐。推荐位置本身不稳定，重点看推荐率的同条件变化。
Q: 新品上市，怎么评估在 AI 助手里的推荐率？
A: 上市前先测一次基线，上市后按 7、14、30 天复测。问题用目标用户的选购问题，不带品牌名；同时单独核对新品的参数、价格等事实是否被说对。新品信息进入模型需要时间，前期主要看联网回答。
相关事实
FAQ
Q: 缺席是否等于产品差？
A: 不等于；先看信息可达与题面基线。
Q: 多久能改善？
A: 无统一承诺；取决于缺口类型、发布与复测节奏，见案例免责。
联系：contact@winin.ai