截至10月28日的公开信息，中央广电总台总经理室于10月28日晚间发布CTR的一项调查：CTR《2026中国广告主营销趋势调查报告》显示，70.4%的广告主已在2026年规划了GEO预算；同期一项汽车品牌实测选取国内六大主流AI平台、围绕16个核心购车问题累计完成2880次统一提问，去重后得到30个独立品牌，其中投放总台大屏广告的一组在AI回答中的可见度为20.7%，对照组为15.0%。对正在向管理层解释“AI可见度到底怎么算”的团队来说，这是目前少见的带对照组的公开样本，值得逐项拆开看它成立的条件。
20.7%与15.0%差在哪一步
先看20.7%这个数的构成。2880次问答评测由16个问题、6个平台与重复提问共同构成，每个问题在每个平台被按同一标准重复提问，每题输出前十名品牌，再把全部结果去重合并成30个独立品牌。可见度的分母是这批回答的总量，分子是品牌被提及的次数。这个结构决定了它能回答“在一组固定问题下被提到的频率有多高”，却不能回答“在所有消费者关心的场景里表现如何”，因为问题只有16个，且集中在购车环节。
再看对照组的来源。30个品牌里有20个在2026年投放了总台大屏广告，其余10个构成对照。这是观测性对比，不是随机分组：能投放总台大屏的品牌，通常本身规模更大、内容资产更厚、渠道覆盖更广，这些条件同时也会推高在AI回答中被提及的概率。所以六个百分点的差距可以读成“投放与可见度同向”，但不能直接读成“投放带来了六个百分点”。要做因果判断，需要投放前后的同口径时间序列。
两条通道：被提及与被引用要分开验
提及看记忆，引用看摘取
行业研究已把“被AI提及”与“被AI引用”拆成两条通道：前者依赖模型的品牌先验与措辞匹配，属于记忆层；后者依赖页面在检索环节的可摘取性，属于检索层。两者变化速度不同，验证方法也不同。CTR这次的实测测的是提及侧，也就是品牌有没有出现在前十名名单里；它没有测引用侧，也就是回答里那些链接最终指向了谁。把两者混在同一个“曝光”口径里，既说不清问题出在哪，也无法指导预算该投内容还是投信源。
这个区分对预算分配有直接影响。如果品牌在回答里频繁出现，但引用链接都指向第三方媒体与电商平台，那么缺口在自有站点的可摘取性，补内容结构比补投放更有效；如果品牌连提及都很少，说明问题在记忆层，需要长期的内容曝光与措辞占位。两种缺口的解法几乎不重叠，先分清再投钱，能省下大量试错成本。
信源可信度是引用侧的前置变量
CTR同批调研给了一个解释引用侧为何难改的线索。2026年9月的调研显示，67%的用户在参考AI推荐时会关注其引用的信源是否可靠；消费者按经验、专业、权威、可信四个维度对七类信源打分，四维平均分都在80分以上，80至100分区间的人数均超过70%，四个维度的分值差距只有80.4到82.0分，因此按各25%等权加权后，国家级主流媒体在四个维度上全部排名第一，权威性与可信性均达86.3分。
这组数字的价值不在排名，而在说明“信源”是一个既可以被消费者感知、也可以被模型采信的变量。89.2%的用户表示AI回答引用国家级权威媒体内容会提升其对品牌的信任，其中40.1%表示大幅提升信任并显著提升购买意愿。对做引用侧优化的团队，这意味着信源结构不是纯粹的技术问题：把品牌信息放进高可信信源，既影响模型检索时的取舍，也影响消费者看到引用之后的判断。
三个可验证的核验动作
| 核验项 | 做法 | 能得出什么 |
|---|---|---|
| 问句池复现 | 按品牌词、品类词、对比词三类各设若干条，固定平台与重复次数 | 判断20.7%这类数字在自有品类能否复现 |
| 对照组设置 | 选同品类、同价格带、未做同类投放的品牌作对照 | 区分投放效应与品牌基础差异 |
| 引用来源归类 | 按域名统计回答引用的信源类型与占比 | 定位缺口在自有站点还是第三方信源 |
三项里最容易做也最容易被跳过的是第一项。问句池复现不需要工具，只需要把问题写下来、固定平台、固定重复次数。做完这一步，团队会发现自己算出的比例与公开数字可能差很远，这不是谁错了，而是问句构成不同。把口径写清楚，比争论数字高低更有价值。
对照组设置是三项里最难的一项，难在可比性。理想的对照组要与投放组同品类、同价格带、同渠道覆盖，且未做同类投放。现实中很难完全满足，退一步的做法是逐项记录差异，在汇报时明确标注哪些差异可能污染结论。把不可比的部分说清楚，比假装两组可比更专业。
从实测数字到内部汇报
汇报时建议同时给出四个数：问句池条数与构成、覆盖平台清单、重复次数与采样周期、对照组的选择依据。这四项决定了百分比的可信度。缺少任一项，同一个数字在不同团队手里会被解读成完全不同的结论，最后变成无法对齐的争论。
需要说明证据边界。CTR的实测对象是汽车品类，问题集中在购车环节，结论不能直接迁移到快消、家电或服务业；20.7%与15.0%是特定问句池下的观测值，不是行业基准；六个百分点的差距来自观测性对比，未做随机分组，无法排除品牌基础差异。把这三条边界写进汇报材料，比把数字放大更有说服力。
常见问题
20.7%这个可见度是怎么算出来的？
分母是2880次问答评测的回答总量，分子是品牌在这些回答中被提及的次数。评测由16个核心购车问题、6个主流AI平台与重复提问共同构成，每题输出前十名品牌，去重后得到30个独立品牌。所以它衡量的是一组固定问题下的提及频率，不是全场景的曝光份额。
投放组比对照组高六个百分点，能说明投放有效吗？
只能说同向，不能说明因果。两组不是随机分组，投放总台大屏的品牌本身规模更大、内容资产更厚，这些条件也会推高被提及的概率。要判断因果，需要投放前后的同口径时间序列，或找到可比性更强的对照组。
被AI提及和被AI引用，哪个更难做？
两者难度不同。提及依赖品牌先验与措辞匹配，需要长期内容积累；引用依赖页面可摘取性，可以通过结构化改造较快改善。这次实测只测了提及侧，没有测引用侧，判断缺口在哪一侧要另做引用来源归类。
消费者真的在意AI回答引用了谁吗？
在意。CTR 2026年9月调研显示，67%的用户在参考AI推荐时会关注引用信源是否可靠；89.2%表示引用国家级权威媒体内容会提升对品牌的信任，其中40.1%表示大幅提升信任并显著提升购买意愿。这也是信源结构值得单独作为一项指标的原因。
