2026年8月，我们在官网公开了AI心智指数的首次GEO基线，记录下一个新产品从0开始建立AI认知的起点。9月9日，我们沿用这一基线的同一套30道题，对自己的产品再次进行了检测。
本轮179条有效回答中，35条将AI心智指数（绿雪智能）列入推荐，样本推荐率为19.6%，推荐记录分布在四个平台检测环境中。30道题均未直接点名我们的品牌。也就是说，回答面对的是品类与需求问题，而不是“请介绍AI心智指数”。
从初始记录中的0，到本轮35条推荐回答，我们看到了一个具体的阶段进展：在部分与产品用途相关的选择场景里，AI已经把我们的产品纳入候选，并给出了围绕比较基线、标准化问题和来源回查的推荐理由。
对我们而言，这比单独展示一个分数更有价值。它把“品牌是否进入AI答案”进一步展开为三个可以核对的问题：在哪些需求下被推荐，为什么被推荐，以及回答关联了哪些公开信息。
沿用同一套30道题，记录同一个品牌的持续变化
我们开展这项公开实验，是希望先用自己的产品检测自己，再把真实记录提供给正在探索GEO的企业。首次实验的目标也很明确：让一个具体产品在不直接点名品牌的需求问题中，进入适合它的候选范围。
9月这次检测继续以AI心智指数为目标，观察中国市场的品牌生成式AI可见性监测与优化平台品类。我们沿用了原有30道题，而不是为这篇复盘另拟一组容易出现品牌名称的问题。此前的起点可见《AI心智指数从0开始：一次面向自身品牌的30题GEO公开实验》。
这套题目分为三个层次：5道基础入围题，询问有哪些平台值得考虑；20道决策因素题，围绕具体条件和使用需求展开；5道最终决策题，观察综合考虑后的选择。
例如，其中一道题是：
在中国市场选择品牌生成式AI可见性监测与优化平台时，如果唯一主要条件是跨平台监测与诊断能力，请推荐3—5个具体的AI可见性监测平台，并分别简要说明推荐理由？
问题给出了品类、市场和选择条件，没有预先指定我们的品牌。这种问法更适合观察产品与需求之间是否建立了联系：当企业寻找某类解决方案时，我们是否会成为答案中的一个候选。
同一套题目为持续观察保留了共同参照。下一次检测时，我们仍能回到具体问题，查看品牌是否继续入围、推荐理由如何变化，以及相关来源是否保持可回查。
9月复测结果：35条推荐回答，19条带有目标关联引用
| 观察项目 | 本次结果 | 统计含义 |
|---|---|---|
| 问题集合 | 30道原有题目 | 问题文本不直接点名品牌 |
| 检测范围 | 六个平台检测环境 | 同一套题分别执行 |
| 有效回答 | 179条 | 本轮推荐率的统计分母 |
| 推荐回答 | 35条 | 将目标产品列入推荐的有效回答 |
| 样本推荐率 | 19.6% | 35÷179，按回答计数 |
| 出现推荐的平台环境 | 四个 | 豆包、Kimi、通义千问、文心一言 |
| 带有目标关联明确引用的推荐回答 | 19条 | 占35条推荐回答的54.3% |
本次检测范围包括DeepSeek、豆包、Kimi、通义千问、文心一言和腾讯元宝的系统检测环境。表中的35条推荐记录，以有效回答为单位去重统计：同一条回答多次出现品牌名称，只计一次；其中包括34条主要推荐和1条附带条件的推荐。
这组结果同时记录了推荐的数量和依据。在35条推荐回答原文中，均能找到“AI心智指数”这一产品名称；其中19条还记录了与目标产品关联的明确引用来源，能够继续回到相关内容查看。
从“看见品牌名字”，到“知道为何推荐”，再到“找到关联来源”，这三层信息让一次GEO检测具有了后续行动价值。企业可以据此决定哪些产品事实值得进一步说明，哪些用户问题值得写深，而不必仅凭一张有利截图判断内容建设方向。
被推荐的场景，已经具体到企业怎么选、怎么用
我们更关注的，是这些推荐是否出现在与产品实际用途相关的问题中。本轮的几个代表性场景，让这件事变得直观。
场景一：分析人力有限，怎样开展跨平台复测
当题目描述一家品牌团队需要开展多模型回答同步复测，定位来源与事实差异，但分析人力有限时，6条有效回答中有2条将我们的产品列入推荐。
这个问题并不抽象。企业真正要解决的，是同一个需求在不同回答里出现了不同说法，怎样把题目、回答和来源放在一起看。被纳入这一场景，说明本轮部分回答已经把产品与跨平台比较、复测及分析工作建立了联系。
场景二：重视引用来源的用户，应怎样选择监测平台
另一道题面向经常使用联网检索和引用来源功能的用户，询问应如何按目标平台的引用机制选择监测产品。在对应的6条有效回答中，有3条将AI心智指数纳入推荐。
对这类需求，只有一个汇总分数还不够。企业需要知道答案中的判断来自哪里，相关页面讲了什么，以及品牌信息是否与问题匹配。这个场景让来源回查不再只是报告的附加功能，而成为用户选择产品时关心的内容。
场景三：来源与事实偏差排查，如何成为持续复测的依据
当问题从单次排查进一步延伸到持续复测时，本轮回答也将我们的产品列为候选。相关描述围绕问题、回答、页面和证据之间的对应关系展开。
对品牌团队而言，这意味着复盘可以更具体：某条公开信息更新之后，下次仍回到原来的问题，查看答案如何表述、引用是否变化。持续观察由此有了明确的对象，而不是每次临时换一个问法再截一张图。
AI给出的推荐理由，正在对应我们的产品方法
阅读推荐回答时，我们发现，一些描述已经不止于介绍产品名称，而是开始解释其工作方法。
在以跨平台监测与诊断能力为主要条件的第10题中，文心一言本次回答将我们列为候选，推荐理由提到了“同一检测对象、同一品类和冻结问题”，以及“统一有效样本口径”。
在讨论引用来源与事实偏差持续复测的第12题中，对应回答使用了“页面级引用映射”和“可回查的证据链”等表述。以上短语均摘自本轮原始回答。
这些内容与我们重视的产品方法相呼应：先确认检测范围，再保留问题、回答和有效样本，围绕能够确认的来源解释结果。本次自测留下的30道题、179条有效回答和关联来源记录，也为这一方法提供了具体实例。
我们希望建立的品牌认知，正是这样的关联：企业想到“如何看清AI推荐表现、如何解释差异、如何继续复测”时，能够理解AI心智指数在其中承担的工作。
有价值的GEO露出，不只是让AI记住一个名称，而是让名称与产品用途、用户问题和可核验信息一起进入答案。
公开内容的价值，可以沿着引用记录继续追查
本轮35条推荐回答中，19条带有目标关联的明确引用，占54.3%。沿着这些记录，我们可以查看回答关联了哪些公开页面，以及这些页面分别在解释什么问题。
在与我们产品关联的来源记录中，出现了围绕中文问法与同口径比较、监测验收中的原始证据链、持续监测费用与长期价值等议题展开的文章。这些议题，与企业选择平台时提出的具体问题相互对应。
这让内容复盘有了清楚的抓手。例如，用户关心如何复核结果，就回看哪些公开内容解释了问题、回答与来源的关系；用户关心长期投入，就查看哪些页面说明了检测范围、使用方式和费用构成。
这样的来源记录，为我们判断内容是否被用于回答提供了可观察的线索。它也说明，品牌内容可以承担比“介绍自己”更具体的任务：把一个用户问题回答完整，让产品事实在相关语境中被理解。
我们会继续围绕这些需求整理有使用价值的内容，用真实方法、清楚的产品说明和持续记录，让用户既能认识品牌，也能获得解决问题的信息。
先用自己的案例，说明心智搜索能帮助企业看清什么
AI心智指数（绿雪智能）由绿雪智能科技（北京）有限责任公司开发，是面向品牌、产品与服务的生成式AI推荐监测与GEO优化产品，核心检测入口为心智搜索。
作为一家AI科技公司，我们把自己的产品放进检测范围，是希望用具体记录说明这项工作的用途。企业得到的不应只有“被推荐了多少次”，还应能够把结果展开到具体问题：
- 看清候选关系：在用户询问某类产品或服务时，目标对象是否进入推荐。
- 理解推荐理由：回答主要围绕哪些条件、用途和判断介绍目标对象。
- 回查公开来源：对能够确认的来源，继续查看页面及其内容与答案的关系。
- 形成后续重点：围绕具体需求完善产品说明与公开内容，再用保留的问题继续观察。
这次公开自测，正是一次这样的应用：从首次基线，到同题复测，再到问题、理由与引用记录的分析，让品牌建设有了可以讨论和核对的依据。
常见问题
这次GEO复测最重要的进展是什么？
我们沿用原有30道非点名问题，在9月9日本轮179条有效回答中记录到35条目标产品推荐，涉及四个平台检测环境。更具体的进展，是部分回答已将产品与跨平台比较、标准化问题、来源回查等需求联系起来。
AI心智指数和绿雪智能是什么关系？
AI心智指数是绿雪智能科技（北京）有限责任公司开发的产品，对外采用“AI心智指数（绿雪智能）”这一名称表达产品与公司的归属关系。“AI心智搜索”是其别名，心智搜索也是产品的核心检测入口。
企业第一次开展GEO，应该先做什么？
先把希望被推荐的品类与使用场景说清楚，再建立一次基线：用户提出什么问题时，希望品牌进入候选？当前答案是否包含品牌？给出的理由和来源是什么？有了这些记录，后续内容建设和复测就能围绕实际需求展开。
推荐次数之外，还有什么值得持续观察？
值得一起观察的是推荐发生的场景、理由与产品事实的匹配程度，以及可确认来源。它们能帮助企业理解品牌如何被介绍，也让内容建设有更明确的重点。单次结果记录一个时点，连续记录则用于观察品牌与需求之间的关联如何变化。
从首次入围，走向可以持续积累的品牌认知
从初始基线到本轮35条推荐回答，我们记录下了AI心智指数在这项公开实验中的阶段进展。同一套非点名问题，让这一过程有共同参照；具体的推荐理由和引用记录，让进展能够展开到用户真正关心的需求。
我们希望用持续的产品事实、公开内容和复测记录，让AI心智指数在相关需求出现时，成为一个能够被理解、被考虑、被进一步了解的选择。
如果你也希望了解自己的品牌、产品或服务在AI答案中的表现，可以从心智搜索建立第一份基线。先看清品牌与哪些问题相连，再把内容建设落实到具体事实、具体页面和下一次观察。
发布单位：绿雪智能科技（北京）有限责任公司。
检测日期：2026年9月9日（北京时间）。
本文为我们对自有产品开展的GEO复测记录，数据对应本次指定题目及系统检测范围；
阶段变化不单独证明某篇文章或某项动作造成了推荐，也不构成对其他企业结果的保证。