AI面试你的品牌：一份企业AI表现自测清单
上个月有位市场总监找我，说老板在会上问了一个问题："现在客户都在用AI查供应商，我们公司AI是怎么说的？"会议室里没人答得上来。有人当场掏出手机试了一下，第一句回答就把气氛搞僵了——AI说他们"主要做华东地区的经销业务"，而实际上公司早就转型做自有品牌和全国直供。老板问，这个说法存在多久了？没人知道。
这种情况很普遍。企业对自己在百度上的排名、在抖音上的曝光、在行业媒体上的露出，多少都有点数；但对自己在AI眼里的样子，几乎一无所知。而客户正在越来越多地通过AI认识你。这就像一场持续进行的面试，面试官是模型，候选人是你的品牌，而你没有到场。
所以这篇不谈方法论，先给一份可以马上用的自测清单。花两个小时，你能得到一张关于"AI眼中的你"的体检报告。
一、先给自己的品牌安排一场"AI面试"
自测之前，先定三条规则，否则结果不可比。
第一条，问题要固定。不要临时想问题，提前写好一组，每次都用同一组。建议分四组，每组五到八个问题，覆盖"你是谁、你做什么、你服务谁、你靠不靠得住"。
第二条，平台要覆盖。至少选四个：豆包、DeepSeek、文心一言、通义千问，再补上Kimi和腾讯元宝。不同平台的检索源不一样，答案差异会很大，只测一个平台等于只看了一个考场。
第三条，每个问题问三遍。大模型的回答有随机性，同一问题两次结果不同是常态。问三遍，把三次回答都记下来，看哪些信息是稳定出现的，哪些是随机漂移的。稳定出现的是"共识"，漂移的部分是"不确定区"，两者的处理方式完全不同。
记录方式建议用一张表：问题、平台、回答原文、是否提到品牌、描述是否准确、引用了哪些来源。这张表是你未来所有优化的起点，也是三个月后复盘的对照。
这里补充两个操作细节。一是尽量用干净的账号和未登录状态测试。AI助手会记住你的历史提问，也会参考账号画像，你连续问十次自家品牌，后面几次的回答很可能被"带偏"。二是全程截图或者导出文本存档，不要只记结论。三个月后你回头看，会发现最有价值的不是"当时说了什么"，而是"当时为什么这么说"，后者要靠原文里的措辞和引用来源去判断。
二、第一组与第二组：找得到、说得对
第一组问题测"被看见"，也就是能不能被找到。可以直接问：某某行业有哪些做得比较好的公司；某某城市做某某业务的公司有哪些；某某类设备或服务的供应商推荐几家；某某品牌怎么样；某某公司和某某公司有什么区别。前三个问题测的是"你能不能进入候选名单"，后两个测的是"有人指名问起时，你能不能被正确识别"。
这一组的评分不看排名第几，看三件事：有没有出现、出现时排在大致什么位置、出现的场景是否匹配。如果十个问题里只有一两个提到你，说明覆盖不足；如果提到你的场景全是错的，说明内容布局有问题；如果只在指名提问时出现、在品类提问时从不出现，说明你只有"品牌词"，没有"品类词"，这是最常见的一种结构性缺陷。
第二组问题测"被理解"，也就是说得对不对。这组问题要问得具体：某某公司主要做什么业务；某某公司的产品有哪些系列；某某公司服务哪些行业；某某公司在哪里有工厂或分支；某某公司和某某公司是什么关系；某某公司的优势是什么。
这一组要看四个细节。一是品类是否准确，有没有被归到不相干的行业。二是业务边界是否清楚，有没有把你不做的业务算在你头上。三是主体关系是否正确，集团、子公司、生产基地、代理商的层级有没有搞混。四是描述的颗粒度，是只会说"专业可靠"，还是能说出产品线、参数、适用场景。颗粒度越细，说明模型对你了解越深。
这里有个反直觉的发现：很多企业在这一组的得分低，不是因为内容太少，而是因为内容太"宣传"。通篇都是"致力于""领先的""一站式"，模型提取不到事实，只能自己编。反而是那些老老实实写参数、写流程、写适用条件的页面，被理解得最准确。
三、第三组与第四组：信得过、愿意推
第三组问题测"被信任"。这组问题的设计要绕开品牌名，去问证据：某某公司有哪些资质认证；某某公司有没有做过某某类型的项目；某某行业有哪些通过某某认证的企业；某某公司的客户主要是哪些类型。也可以侧面问：某某公司有没有负面消息；某某公司可靠吗。
这一组看的是"信源质量"。如果AI在回答时引用了权威媒体报道、行业机构信息、公开的资质记录，说明你的信任资产是实的；如果它只是复述你自己官网的说法，说明还没有形成外部验证；如果它引用了明显过时或者来源可疑的信息，那就要去处理源头。特别要注意"能力夸大"这类问题——AI给你加上了没有的资质，看着是好事，实际上是合规隐患。
第四组问题测"被推荐"，这是最有商业价值的一组。设计方式是把自己放进具体场景：我需要某某服务，预算大概多少，有什么推荐；我们是一家什么类型的企业，需要解决什么问题，找谁比较合适；在某某城市，做某某业务哪几家响应比较快。这组问题模拟的是真实客户的决策语境，答案里出现的名字，就是实际会被联系的对象。
这一组的关键指标是"场景命中率"：在多少个具体场景里，你被作为合适选项提出来。有的企业品牌知名度不低，但在具体场景里从不出现，原因是内容里缺少"场景语言"。客户不会问"你们公司好不好"，客户问的是"我这个情况该怎么办"。你的内容里如果没有回答过"这种情况"，就很难被推荐。
四组测完，可以做个粗略计分：每组按"完全没提到、提到但描述有误、提到且描述基本准确、提到且描述准确并给出理由"四档打分，最后看哪一组最弱。弱的那一组，就是接下来三个月的重点。
四、把分数变成动作
测完只是开始，关键是怎么改。按经验，四个组的改进动作是不一样的。
被看见弱，问题通常在覆盖面。需要增加内容的分发渠道，尤其是行业垂直媒体和问答社区，让企业在更多场景下有机会被检索到。这时候松点文通这类全域分发工具能提高效率，但前提是内容本身站得住。
被理解弱，问题通常在结构。需要把产品边界、技术参数、适用场景、服务能力重新梳理成机器能读的形式，把图片里的信息转成文字，把宣传语换成事实陈述。这项工作费力，但一次做完可以长期受益。
被信任弱，问题通常在证据。需要补齐资质、认证、检测报告、公开案例这些可溯源的素材，并且让它们在多个独立渠道出现。注意，这里说的不是"多发文"，而是"让真实的东西被看见"。松点科技在服务客户时会要求企业先提交真实资质做核验，这个环节看似麻烦，其实是把信任建立在可验证的基础上。
被推荐弱，问题通常在场景。需要围绕客户的具体处境写内容，而不是围绕自己的产品写内容。同样是做仓储货架，写"我们的货架承重多少"是被理解，写"两千平米的电商仓怎么规划货位"才是被推荐。
最后给一个节奏建议：每季度做一次完整自测，每月做一次抽查。自测看趋势，抽查看异常。如果发现某个平台突然开始给出错误信息，不用慌，先判断是语料问题还是模型更新导致的，再决定要不要处理。AI认知这件事，最怕的不是一时说错，而是长期没人管。松点GEO把这件事拆成"被看见、被理解、被信任、被推荐"四阶，本质上就是给企业一套可以循环执行的检查表——先知道自己在哪一阶掉队，再谈投入。