34,794 个 AI 回答揭示了亚洲 B2B 品牌在 ChatGPT、Gemini、Claude、Perplexity 和 Google AI Overviews 中的真实曝光情况

目前，每个 AI 可见度服务商都在发布基准测试。Ahrefs 研究了 75,000 个品牌。Semrush 分析了 1.26 亿个提示词。两者都非常出色，但也存在相同的盲区：它们绝大多数是基于在欧美类别中竞争的欧美品牌构建的。

没有人发布过对新加坡、香港、曼谷或胡志明市的中型企业真正重要的数据：当我所在类别的买家向 AI 助手寻求推荐时，我的名字出现的频率是多少？

因此，我们对此进行了测量。这是第一版《亚洲 AI 可见度指数》（Asia AI Visibility Index），该指数基于 2025 年 12 月至 2026 年 7 月期间，148 个 B2B 品牌、587 次干净扫描以及在五个 AI 系统中运行的 34,794 个独立提示词得出的数据。

头条新闻令人感到不安，而最有用发现的作用，实际上与我们自己行业所销售的内容背道而驰。

研究样本群

市场构成：已确认的亚洲市场品牌有 116 个（新加坡 47、香港 24、泰国 11、印度尼西亚 10、越南 8、日本 4、印度 4、马来西亚 4、台湾 2、中国 1、菲律宾 1），澳大利亚有 7 个，另有 25 个品牌的运营市场无法通过第一方信号确定。所有品牌在报告中均进行了匿名处理。本报告中未出现任何品牌名称、域名或单个品牌的数据。

主要通过两个指标来进行评估：

• 出现率（Appearance rate）是品牌在回答主体中被提及的类别提示词的比例。这意味着被推荐。

• 引用率（Citation rate）是品牌的本地域名被用作信息来源的提示词的比例。这意味着被阅读。

这两者并不等同，事实证明它们之间的差距是本次研究中较重要的发现之一。

发现 1：典型的亚洲 B2B 品牌实际上处于“隐形”状态

在我们研究的样本群中，中位品牌在其潜在买家可能提问的提示词中仅出现了 1.71%。

不是 17%，而是 1.71%。大约每六十个回答中出现一次。

更糟糕的是，29.7% 的品牌得分恰好为零。 不是低，也不是微不足道：在所有提示词、所有五个 AI 系统中，它们从未被提及过一次。另外，超过四分之一（25.7%）的品牌也从未被作为来源引用过。

中位数（1.71%）与平均值（7.44%）之间的差距通过这两个数字说明了完整的情况。极少数品牌大获全胜并拉高了平均水平，而绝大多数品牌却接近于零。AI 的回答空间分配极不均衡，差距悬殊。

需要说明的是，这种模式也同样存在于竞争对手之间。在我们可以将一个品牌与其在同一扫描中提及的行业竞争对手进行对比时，70% 的品牌落后于其所在类别的领先者（在 30 个可比样本组中占 21 个），中位差距达到 15.3 个百分点。

发现 2：您所在的市场比您想象的更重要

相同的研究方法，相同的五个模型，因市场不同而呈现出截然不同的结果。

在解读小样本数据时需保持谨慎：印度、马来西亚和日本各有 4 个品牌，一个表现特殊的品牌就会大幅拉动这些中位数。印度尼西亚、香港和新加坡则是我们力证的数据样本。

真正令人惊讶的结果是新加坡。这是我们最大的市场样本，包含 47 个品牌，它也是该地区数字化成熟度最高的经济体，然而其中位品牌在其所在类别的提示词中仅出现了 2.00%。样本量只有其一半的香港，这一数据却是新加坡的三倍多。

我们的解读是：新加坡的类别提示词受到了全球化企业不成比例的竞争。当买家询问“在新加坡”的支付、物流或 SaaS 时，模型会回答 Stripe、DHL 和全球行业领军者，因为这些品牌在这些系统训练所用的英文语料库中占据了绝对主导地位。新加坡的挑战者竞争对手并非本土同行，而是掌控全球行业核心词汇的巨头。

泰国和日本则呈现出相反的失败态势。超过一半的泰国品牌和四分之三的日本品牌从未出现过。但注意泰国的引用率数据：中位引用率为 1.20%，而中位出现率为 0.00%。泰国品牌被作为信息来源阅读，却没有被作为选择进行推荐。它们的内容正在为指名道姓推荐其他品牌的回答提供养料。

发现 3：制造业是规模上最隐形的行业，而营销机构则是最隐形的

制造与工业是我们最大的单一行业样本，包含 34 个品牌，但其排名接近垫底：中位出现率仅为 0.67%，且 41.2% 的品牌得分为零。该行业定义了亚洲的中型企业市场——分布在珠三角、越南和泰国的合同制造商、零部件供应商、纺织厂和机械制造商。这些都是拥有真实营收和数十年交易历史的真实公司，而 AI 助手基本不知道它们的存在。

原因是结构性的。它们的买家是通过行业展会、阿里巴巴产品目录、行业名录和个人推荐找到它们的。这些几乎都不会留下语言模型可以学习的、公开的、基于文本的、独立撰写的痕迹。一家拥有 800 名员工和 30 年历史的工厂，在 AI 模型训练数据中的印记，可能比一个拥有活跃博客、只有两个人的 SaaS 初创公司还要小。

接着是关于我们曾纠结是否要公布的数据。样本群中所有四个营销与代理机构品牌的出现率得分都恰好为零。 四个是一个极小的样本，我们不打算对其过度解读。但销售“可见度”的行业，在这一数据集中，却成了我们所测量过的可见度最低的单一类别。我们自己也包含在内。

发现 4：“AI 可见度”并非一个单一的数字，各平台对此意见不一

以下是相同的品牌群，在五个系统中的测量结果。

看看按另一列排序时会发生什么。

Gemini 在出现率上排名第二，但在引用率上垫底。Perplexity 在出现率上垫底，但在引用率上排名第二。它们几乎互为镜像。Gemini 会提及您的品牌但不会引用您为来源。Perplexity 会引用您作为来源但不会提及您的品牌。

这在商业上非常重要，因为市场上几乎所有的 AI 可见度产品都会将这些整合为一个混合的“可见度得分”。这个数字几乎毫无意义。一个面临 Gemini 问题的品牌和一个面临 Perplexity 问题的品牌可能会得分完全相同，但却需要进行完全相反的优化工作：一个需要权威度以及在网络其他地方被提及，另一个则需要使其自身页面可被检索和引用。

这也与 Semrush 在更大规模上的发现一致：ChatGPT 在每个回答中会列出大约 15 个来源，而 Gemini 只有 3 个。不同的系统对于引用的倾向有着结构性的差异，因此相同的内政策，因此相同的内策，因此，同样的媒介策略产生的结果取决于您的买家真正使用什么软件去提问。

为了不过度夸大我们自己的数据，这里有一个方法上的说明：Claude 是通过启用了网页搜索的直接 API 测量的，而其他四个系统是模拟用户真实使用场景进行测量的。Claude 较高的数字部分反映了这种更清晰的测量路径，因此我们应将引用率这一列的排序视为此次的研究发现，而非 Claude 的绝对领先地位。

发现 5：品牌确实在变化，但在被推荐之前，您要先成为来源

在样本群中，有 28 个品牌拥有 4 次或更多干净扫描，其中位观测窗口期为 103 天。

• 23 个品牌有所提升，4 个下滑，1 个持平。

• 中位出现率变化：+2.16 个百分点。

• 中位引用率变化：+7.34 个百分点。

有两点特别引人注意。

第一，引用率的变化幅度大约是出现率的 3.4 倍。品牌在成为被模型推荐的品牌名称之前，会先成为被模型读取的信息来源。如果您只测量是否被提及，那么在某项措施实际上已经开始奏效后的数月里，您都可能会得出毫无进展的结论。引用率是领先指标，出现率是滞后指标。

第二点更令人鼓舞：在起始阶段出现率为零的 8 个品牌中，有 7 个在结束时突破了零。 彻底告别零曝光是一个非常可行的解决问题。八分之七的成功率绝非凭运气。

但天花板是另一回事。中位品牌提升了 2.16 个百分点。没有人能在一个季度内实现从隐形到行业主导的跨越，任何承诺能做到这一点的服务商都是在夸海口，我们并未观察到这种例子。

发现 6：发布数量根本无法预测可见度的提升

这是我们最出乎意料、也最不希望看到的发现。

在这 22 个被追踪的活跃品牌中，有 22 个在测量窗口期内发布了内容。其中位品牌共发布了 142 篇博客文章。 无论按什么标准衡量，这都是一个严肃且持续的内容计划。

随后我们提出了一个显而易见的问题：发布内容更多的品牌，其可见度提升也更多吗？

答案是否定的。甚至连轻微的相关性都没有。

0.155 的相关性与随机噪音几乎无法区分。-0.020 的相关性则是纯粹的噪音。在发布文章数从 20 到 300 多篇不等的样本群中，一个品牌发布的文章数量，实际上对于预测其 AI 可见度的提升几乎毫无用处。

内容并非毫无作用。有内容计划的品牌表现确实优于没有内容计划的品牌。但当我们修正了有内容组被观测时间较长这一变量（中位数 109.5 天对比 55 天）后，其优势大幅缩窄：

这确实存在一定优势，但优势是 1.8 倍，而非未经修正的原始数据所显示的 4 倍。由于对照组中仅有 6 个品牌，我们不建议任何人基于此去制定预算。我们之所以公布这个数据，恰恰是因为未经修正的版本才是服务商通常会展示给您看的版本。

我们得出的结论虽然有限但非常明确：超过一定门槛后，发布更多内容并不能买来更多可见度。 决定模型是否学会推荐您的，是数量之外的其他因素。

Ahrefs 从一个完全不同的角度和更大的样本中得出了相近的结论。在 75,000 个品牌中，他们发现网站的总页面数与 AI 可见度仅微弱相关，而第三方品牌提及的相关性则强得多，其中 YouTube 提及的相关性最强，达到了约 0.737。两个独立的数据库，两种不同的研究方法，却指向了相同的结论模式：模型评估互联网对您的评价，远比您自己对自己的评价要重得多。

针对这一现状我们的实际建议

停止一味购买内容篇数。 如果您是按文章篇数购买内容，那您优化的是一个经我们证实与结果无关的变量。在我们数据中，发布 300 篇文章的品牌并没有稳定地击败发布 60 篇文章的品牌。

追踪引用率，而不仅是出现率。 引用率最先发生变化，且变化幅度大约是出现率的 3.4 倍。一个仅凭提及次数评判的计划，很容易在开始生效的前一个季度被砍掉。

找出您的买家实际使用的是哪种系统，然后针对该系统进行优化。 在我们的数据中，Gemini 和 Perplexity 几乎互为镜像。一个混合的可见度得分会掩盖您实际面临的问题。

如果您处于制造或工业领域，这里的机遇非常巨大。 该行业有 41.2% 的品牌得分为零。当十分之四的竞争对手完全缺席时，成为您所在类别中被默认提及的品牌的门槛，是未来再也不会有这么低的了。

如果您在新加坡，查清楚您到底在输给谁。 在我们的数据中，竞争对手通常是拥有核心词汇的全球化品牌，而非本土对手。这属于不同的内容课题，需要不同的应对方案。

研究方法，以及此项研究所无法告诉您的事

我们宁愿主动说明局限性，也不愿让局限性被他人指出。

数据是如何收集的。 每个品牌都使用一组模拟真实买家提问的行业类别提示词（包含产品类别问题、对比问题、推荐请求等）在五个 AI 系统中进行扫描。我们记录了品牌是否在回答中被提及以及其域名是否被用作来源。如果某次扫描中超过 25% 的提示词未能成功返回结果，则会将该次扫描丢弃，不计入平均值；我们通过这种方式舍弃了 10 次扫描。抓取状况异常会引起类似于可见度变化的波动，而这正是我们整篇报告报告中采用中位数而非平均值的主要原因。

这是观察性研究，而非实验性研究。 没有品牌被随机分配处理方案。执行了内容计划的品牌是 Simaia 的客户，这意味着它们是自主选择的、具有商业动机的，并且在内容之外的其他方面也与对照组存在差异。包含六个品牌的对照组规模太小，不具备足够说服力。请将发现 6 的否定结论（数量无相关性）视为可靠的部分，而将肯定的主张（有内容击败无内容）仅视为示意性的参考。

不同细分维度的样本量差异极大。 新加坡（47）和香港（24）的市场细分，以及制造（34）的行业细分是比较坚实的。印度、马来西亚、日本以及营销代理机构各有四个品牌。我们展示了每个样本数量 (n)，以便您相应地降低参考权重。不足四个品牌的分类没有进行任何汇报。

有意不体现声量份额（Share of Voice）。 我们对其进行了追踪，但它是根据每个品牌指定的竞争对手集合计算出来的，而该集合会随着合作的深入而增加。因此，随着我们添加更多被追踪的竞争对手，一个品牌的声量份额在机制上会自然下降，这使其不适用于纵向研究。如果公布这一指标，将会产生一个看似完美却完全人为伪造的发现。

该样本群并不代表亚洲商业的随机抽样。 这些是主动接触引擎生成优化（GEO）机构的公司，这本身就偏向于那些已经怀疑自己存在可见度问题的企业。即便有偏差，这也拉低了基准线。亚洲中型企业 B2B 的随机样本可能看起来会略好于 1.71%，尽管我们对其会显著好转持有怀疑态度。

这里的一切数据均已作匿名处理，并将保持匿名。 品牌在内部通过单向哈希值进行标识。不公开任何客户的名称，亦不发布任何可以识别出单个品牌的数据。

点击此处下载此报告

下一期展望

我们计划每个季度发布一次。我们想在未来补充两点：一是测试第三方提及（Ahrefs 发现的最强信号）是否会像其数据预测的那样影响我们的样本群，二是一个妥善的配对对比，从而使用多于六个控制品牌来解答关于内容效果的疑问。

如果您希望了解您所在的行业在此基准下的表现，这就是我们所提供的业务。

参考资料

1. Ahrefs，2026年第一季度 AI 搜索基准报告，75,000个品牌相关性研究。ahrefs.com

2. Semrush，2026年 AI 可见度指数，1.26 亿个美国 AI 搜索提示词，2026年1月至4月。semrush.com

3. Simaia AI 可见度数据库，148 个品牌 / 587 次扫描 / 34,794 次提示词运行，2025年12月至2026年7月。第一方数据。