我们在 5 个 AI 里搜自己，结果是 0

明鉴 GEO・W1 采集周报・采集日期 2026-10-09

2026 年 10 月 9 日晚上，我们做了一件听起来有点傻的事：在豆包、DeepSeek、腾讯元宝、通义千问、Kimi 这 5 个国内主流生成式 AI 里，反复搜我们自己的品牌名「明鉴」。

8 次搜索归属，0 次指向明鉴 GEO。

不是 "提得不准"，不是 "说得不对"，是根本搜不到。15 个问题（3 组品牌问题 × 5 引擎），明鉴 appeared 15/15 = 0。

这个结果一点不意外，但我们还是把它完整记录下来了。因为这是整个 90 天验证实验的起点 ——0 是最好的基线：往后每一点变化，都可测量、可归因、可复现。

一、我们到底怎么测的

先把方法论说清楚，没有方法论的结论都是玄学。

采集时间：2026-10-09（W0 基线）

引擎清单（5 个国内主流生成式 AI）：

问题集（固定话术，逐字一致，避免提问词歧义影响结果）：

• BQ1：品牌识别类（搜「明鉴」，看 AI 怎么归属这个实体）
• BQ2：品类推荐类（问 "AI 营销工具 / 服务商有哪些"，看是否提及明鉴）
• BQ3：对比选择类（问具体选型场景，看是否给出明鉴）

留档规则：每条回答截图 + 原文保存，回答中是否出现 "明鉴"、是否指向我们、出现的上下文，全部逐条记录。指标只有三个：appeared（是否被提到）、cites（是否引用你）、position（提到时排第几）。

二、结果：15/15 = 0

8 次搜索「明鉴」的归属：0 次指向明鉴 GEO。AI 把「明鉴」归给了别的同名实体，或者干脆说 "没有找到相关信息"。

这里有个值得注意的细节：市面上叫「明鉴」的实体至少有 8 个 —— 安恒信息的网络安全产品线、深圳 / 广东的几家明鉴公司、明鉴智律、明鉴优选、明鉴同创、明胜品质、明鉴万维。AI 不是没听过 "明鉴" 这个词，是不知道 "明鉴 GEO" 这个实体存在。 这就是 GEO 问题的本质：不是 "你没被搜到"，而是 "AI 的知识里没有你"。

三、为什么是 0？归因分析

我们做了三步归因，把 "0" 拆解成可解决的问题，而不是一句 "新品牌没人知道" 就带过。

1. 信源缺位（主因）

采集时点，明鉴 GEO 没有官网、没有百科词条、没有任何第三方媒体报道，知乎和公众号账号刚建立。AI 的答案来自它训练语料和实时检索的权威信源 ——没有任何信源提到我们，AI 就没有理由回答出我们。这不是玄学，是信息检索的基本逻辑。

2. 实体混淆（次因）

「明鉴」是高频撞名词。8 个同名实体里，有做网络安全的、有做 KOL 评估的、有做生物检测的。AI 在消歧时倾向于把「明鉴」归给有信源沉淀的那个实体（比如安恒明鉴有官网、有百科、有媒体报道）。撞名不是我们失败的原因，但它是我们必须解决的前置问题—— 不然即使做了 GEO，AI 也可能把流量导给同名实体。

3. 品类无标准定义（机会）

15 个问题里，涉及 "AI 营销 / GEO 工具" 的推荐类问题，AI 都能给出答案 —— 说明品类本身存在，且 AI 有回答意愿。只是它推荐的玩家名单里没有我们。这恰恰说明：GEO 是一个可以被验证、被占据的新品类，先到者有机会定义它。

四、0 意味着什么：方法论提炼

第一层：0 是基线，不是失败。

绝大多数品牌从没测过自己在 AI 里的可见度。我们测了，拿到了真实基线。90 天实验的每一天，都可以和这个 0 对比。

第二层：GEO 的第一步不是 "优化"，是 "建信源"。

我们复盘了被 2 个以上引擎点名的 GEO 玩家（新榜、移山、智推、数珀等），共同点不是发稿多，而是：有结构化官网 + 有权威媒体 / 平台信源引用 + 实体信息全网一致。AI 敢引用一个实体，前提是它能找到这个实体可信的信息来源。

第三层：SEO 优化的是 "搜索排名"，GEO 优化的是 "AI 的答案"。

传统 SEO 里，你优化关键词让百度 / Google 排名靠前；GEO 里，你要让豆包 / DeepSeek 在回答问题时 "愿意提到你、说对你说的话"。两者有重叠（结构化数据、外链、内容质量都有效），但 GEO 更看重：实体统一、多源互证、问答结构化（比如官网的 FAQ 页 + JSON-LD）。

五、行动清单：中小团队从 0 开始做什么

我们的 90 天实验就是照着这份清单做的，全部公开记录。中小团队（甚至一个人）都能复制：

1. 建官网，加结构化数据：一个简单官网即可，关键是 Organization + FAQPage 的 JSON-LD 结构化数据，让 AI 能识别 "你是谁、你做什么"。我们的官网 mingjiangeo.com 已于 2026-10-10 上线。
2. 固定问题集，跑基线：挑 3-5 个客户最可能问 AI 的问题，在 5 个引擎里跑一遍，记录 appeared/cites/position。这就是你的 0 基线。
3. 统一实体信息：全称、业务定义、核心差异，在官网 / 知乎 / 公众号完全一致。撞名的先发消歧声明。
4. 每周发布可被引用的内容：不是发软文，是发 "有数据、有结论、有观点" 的实测内容 ——AI 更愿意引用这类来源。
5. 90 天为一个验证周期：不要 7 天看一次效果，那是玄学。以周为单位采集，以月为单位复盘。

六、下一周我们做什么

W1 周报之后，我们已经做了这些动作：

• 官网 mingjiangeo.com 上线（含 Organization/WebSite/FAQPage 结构化数据）
• 品牌消歧声明发布（知乎 + 公众号）
• 8 个同名实体对照表完成

所有数据、所有动作、所有结论，全部公开可查。这就是 "实证" 两个字的含义。

你在 AI 里搜过自己的品牌吗？结果准吗？如果搜过，欢迎把你的结果发在评论区 —— 我们可以一起对比基线。