我们在AI搜索中测试了迈阿密地区的515家企业，其中99.6%未被收录。

引言

一项针对迈阿密-戴德县和布劳沃德县515家企业的研究发现，在测试的AI生成的推荐回复中，99.6%的企业未获得任何真实的引用。

一项针对迈阿密-戴德县和布劳沃德县515家企业的研究发现，传统的谷歌可见度并不能保证企业被纳入AI生成的推荐列表。进一步的研究发现，不同AI模型、查询措辞、检索系统以及消费者AI产品在AI可见度方面存在显著差异。

主要发现

主要研究涵盖了298家医疗健康企业、120家法律服务企业以及97家房地产企业，并针对ChatGPT、Claude和Gemini平台上的商业推荐查询进行了测试。

99.6%的受测企业未在AI生成的推荐结果中获得任何真实的引用。

在传统谷歌搜索中可见并不保证能在AI推荐中可见。一家企业即使已成立、评价极高且在传统搜索中可见，仍可能在其所属类别和所在地区的AI生成的推荐中缺席。

另一项针对360个基础模型API响应的独立研究发现，在新兴B2B服务类别中存在三种反复出现的模式：类别拒绝、类别替换以及无法验证的供应商名称。具备检索或网络访问能力的面向消费者的AI产品更倾向于列出真实供应商，但不同产品推荐的供应商存在显著差异。

综合研究表明，AI可见性并非单一的通用排名。企业是否出现取决于AI模型、模型版本、查询措辞、产品、检索架构，以及关于该企业或类别的独立可用信息量。

本研究由总部位于迈阿密的AI搜索优化机构 AEOGeoAI开展，该机构致力于研究企业如何被AI搜索系统发现、推荐和引用。

研究概要

研究	样本	主要发现
迈阿密人工智能可见性研究	515 家迈阿密-戴德县和布劳沃德县的企业	99.6%的企业在测试的推荐回复中未收到任何真实的引用
房地产子集	97家企业	Related Group出现在97.9%的受测推荐中
法律子集	120家企业	未发现任何受测企业收到真实的引用
API模型研究	Claude、gpt-4o-mini、Gemini共返回360条响应	在新兴B2B类别中，拒绝响应、类别替换及无法验证的供应商名称问题屡见不鲜
消费级AI对比	ChatGPT、Perplexity、Claude.ai和Gemini Web	结果呈现显著分散；无任何服务商同时出现在这四款产品中

问题：传统可见性无法保证AI可见性

一家企业可能声誉卓著、评价极高，并在传统谷歌搜索中具有较高可见度，却仍可能缺席针对其所属类别和所在位置的AI生成的推荐结果。

在本研究中，“缺席”具有特定含义。这并不意味着AI模型对该企业一无所知，而是指该企业在测试的特定商业查询中未获得真实的引用或推荐。

这一区别至关重要。当客户向ChatGPT或Gemini寻求本地商家推荐时，您的谷歌排名并不能保证您会出现在答案中。如果您未出现在AI的推荐中，那么该客户就无法通过该特定搜索体验看到您——无论您在传统搜索中的可见度如何。

515-Business迈阿密研究

样本

• 医疗健康：298家企业
• 法律：120 家企业
• 房地产：97 家企业
• 总计：515家企业

查询格式

每个查询均遵循“[城市] 最佳 [专业领域]”的模式

例如：“迈阿密最佳人身伤害律师”、“迈阿密最佳正畸医生”、“迈阿密最佳房地产经纪人”。

测试模型

• ChatGPT- gpt-4o-mini
• Claude- Haiku 4.5
• Gemini- 2.5 Flash Lite

研究方法

每个模型对每个查询均运行三次，以测试结果的一致性。

99.6%的推荐结果中未包含任何真实的引用

结果

在515家企业中，99.6%的企业在测试的推荐回复中未获得任何真实的AI引用。

按行业细分如下：

医疗健康（298家企业）：

• 297家企业未收到真实罚单（99.7%）
• 1 家企业获得了引用

法律（120家企业）：

• 120 家企业未收到真实引用（100%）
• 0 家企业收到处罚通知

房地产（97家企业）：

• 96 家企业未收到有效罚单（98.9%）
• 1家企业收到处罚通知
• Related Group（一家大型机构房地产开发商）出现在97.9%的受测房地产推荐回复中

跨模型模式：

• 没有一家企业同时被所有三个测试模型提及
• 在515家企业中，99.4%的企业曾在至少一个模型的回答中，以“相邻类别”的背景被提及，但从未被明确指认为受测企业
• 当模型给出回答时，其推荐结果压倒性地倾向于大型机构（医院系统、美国法律杂志排名律所、大型开发商），而非同等规模的独立企业

本研究揭示的内容——以及未揭示的内容

本研究表明：

• 传统的谷歌可见性并不能保证在AI推荐中获得可见性
• 在测试的商业查询中，独立企业极少被提及
• 某些大型机构被反复推荐
• AI推荐结果在不同类别和系统间存在差异

本研究未显示：

• AI系统对这些企业一无所知
• 传统SEO信号毫无影响
• 所有AI搜索查询均产生相同结果
• 所有本地企业均未出现在任何AI系统中
• 认为一项研究就能确定通用的AI排名因素

第二项研究：人工智能系统为何存在分歧

研究问题

基础大型语言模型（LLM）API能否在新兴商业类别中可靠地识别真实的供应商？

数据集

40个查询 × 3个模型 × 3次重复 =360条基础模型API响应

测试类别

• 新兴B2B服务（AI搜索代理机构，成立不足2年）
• 成熟的商业类别（律师事务所、营销机构）
• 信息类查询（AI如何工作、AEO是什么）
• 相邻类别的校准（Web3营销、AI语音助手、ESG咨询）
• 关键词短语搜索（简短的买家查询）

三种反复出现的响应模式

类别拒绝

模型拒绝列出具体服务提供商，而是提供关于该类别的通用信息。

类别替换

模型列举了相关工具、咨询公司或服务，而非所请求类别中的服务提供商。例如，当被问及AI搜索代理机构时，模型反而推荐了公关公司或营销咨询公司。

无法验证的服务商名称

模型生成的服务商名称听起来合乎情理，但无法验证其是否为真实企业。

消费级 AI 产品对比

我们针对四款面向消费者的AI产品——ChatGPT、Perplexity、Claude.ai和Gemini web——测试了相同的购买意图查询。

关键发现：具备检索或网络访问功能的面向消费者的AI产品，在处理相同查询时更倾向于列出真实服务提供商，但各产品之间的结果存在显著差异。

没有一家供应商被这四款产品同时提及。各产品所列出的供应商名单之间重叠极少。

URL引用差异：基础API响应中几乎不存在URL引用（360条响应中有357条未包含外部URL），而面向消费者的产品则引用了来源并指明了真实企业名称。这凸显了一个根本性差异：模型可能仅根据已学习的参数生成答案，而不会检索或显示来源URL；而具备搜索功能的产品则能够检索当前的网络来源并将其呈现给用户。

综合研究揭示了什么

AI 可见性并非一个可从传统搜索表现推断出的单一排名指标。

1. AI的可见性取决于查询方式。一家企业可能在某种查询表述中出现，而在另一种查询表述中则不见踪影。
2. AI的可见性取决于模型。不同的模型（如Claude、GPT和Gemini）对相同的查询会产生不同的响应。
3. AI的可见性取决于产品。ChatGPT、Perplexity、Claude.ai和Gemini Web针对同一类别和同一地区会推荐不同的服务提供商。
4. AI可见性受检索架构影响。基础模型API基于已学习的参数进行回答；而具备网络访问能力的消费级产品则会检索并引用来源。
5. 类别成熟度可能影响模型识别服务提供商的可靠性。新兴类别（成立不足 2 年）在基础模型中更容易出现类别识别失败、替代结果以及无法验证的服务提供商名称。成熟类别则能提供更可靠的专家命名。
6. 独立文档资料可能影响企业能否被检索并推荐。一家在传统SEO方面表现强劲但第三方实体证据极少的企业，可能仍无法出现在AI推荐中。

为清晰起见，特作如下定义

本文中所指的“AI可见性”，是指在针对特定AI生成查询的响应中，某企业是否被提及、推荐或引用。

“真实引用”指将受测企业明确标识为相关服务提供商的响应，而非仅仅偶然提及。

基础模型 API指通过 API 访问的模型，不包含 Perplexity 或支持网页功能的 ChatGPT 等产品所使用的面向消费者的网页检索和来源显示层。

“类别相关响应”指讨论该企业的类别或行业并提及竞争对手，但未点名被测试企业的响应。

企业应如何选择AI搜索优化顾问？

一位值得信赖的顾问应具备以下能力：

1. 建立基准

在提出建议前，先测试实际的商业提示词。

2. 明确被测系统

明确说明测试了哪些模型和消费级AI产品。

3. 记录查询集

企业应明确测试是否涵盖了以下内容：

• “[城市] 最佳 [服务]”查询
• “我附近最顶尖的[服务商]”查询
• 特定类别的查询
• 基于问题的查询

4. 确定竞争产品集

系统推荐了哪些替代对象？当被测企业未出现时，哪些机构或类别会显示出来？

5. 区分不同类型的可见性

一家企业可能处于以下状态：

• 被提及（文本中偶然出现）
• 被推荐（作为建议服务商被点名）
• 链接（通过URL引用）
• 被引用为来源（作为权威来源被引用）

这些并非完全相同的结果。

6. 随时间推移进行重新测试

AI系统会发生变化。一次性的结果只是某个时刻的快照。

测量的目的并非生成永久性的通用排名，而是确定特定AI系统在特定时间点针对特定查询所返回的结果。

那项针对515家企业的研究采用了这种直接测量方法：使用具体的商业提示词、多种模型、多次运行，并采用明确的方法来区分真实的商业引用与偶然或模棱两可的提及。

企业可以采取的措施

先进行评估

在投入优化资源前，先在多个系统上测试实际提示词。

建立独立证据

在企业自身网站之外，建立准确、权威的企业信息。确保企业在可信的第三方平台、经过验证的目录以及独立编辑内容中均有展示。

完善结构化信息

确保重要企业信息清晰且可被机器读取。正确的模式标记、经过验证的企业信息以及跨来源一致的实体数据，都能提高检索率。

监控变化

随着模型、产品和检索系统的变化，需重复进行测试。AI推荐行为并非一成不变。

避免基于单一平台的假设

在 ChatGPT 中可见的内容，并不一定意味着在 Perplexity、Gemini 或 Google AI Overviews 中同样可见。每个系统的检索方式各不相同，且推荐的提供商也各不相同。

结论

传统商业成功的标志——如在 Google 搜索中排名靠前、拥有高评分以及良好的声誉——并不能保证企业在 AI 生成的推荐中获得可见性。

研究表明，类别成熟度、模型行为、查询措辞、检索架构以及关于该企业的独立信息量，都可能影响该企业是否会出现在AI生成的推荐中。

其实际意义非常明确：应独立衡量AI可见度，而非假设其与传统搜索表现存在关联。

那些被持续且独立地证实为合法企业、具备真实专业能力、真实办公地点、真实资质以及真实业务证据的企业，可能更有优势建立持久的人工智能可见性。优化措施有助于让这些信息更易于被发现和解读，但无法无限期地替代其背后的实质证据。

完整方法论

515-企业研究：

• 迈阿密-戴德县和布劳沃德县的企业
• 三大领域：医疗（298家）、法律（120家）、房地产（97家）
• 查询格式：“[城市]最佳[专业领域]”
• 每个模型每次查询重复三次
• 模型：ChatGPT（gpt-4o-mini）、Claude（Haiku 4.5）、Gemini（2.5 Flash Lite）
• 评分标准：真实引用 vs. 相关类别 vs. 零分
• 日期：2026年7月

360-Response API 研究：

• 5个组别共40个查询（新兴B2B、成熟商业、信息类、相邻类别、关键词短语）
• 3个模型 × 3次重复 = 360条基础API响应
• 补充测试：每款消费类产品约20条响应（ChatGPT、Perplexity、Claude.ai、Gemini网页版）
• 评分标准：是否包含真实供应商引用、URL引用及竞争对手识别
• 同行评审：2026年7月21日
• 日期：2026年7月

两项研究均已发布于Zenodo平台，包含完整的研究方法、数据及补充材料：

• 515-商业研究：DOI 10.5281/zenodo.21271085
• 360-响应API研究：DOI 10.5281/zenodo.21483146

关于 AEOGeoAI

AEOGeoAI是一家总部位于迈阿密的人工智能搜索优化机构，专注于人工智能搜索可见性、答案引擎优化（AEO）和生成式引擎优化（GEO）。该机构帮助企业了解并改善其在 ChatGPT、Google AI Overviews、Gemini、Claude、Perplexity 及其他人工智能搜索引擎中的展示效果，以便在潜在客户寻求推荐时获得更佳呈现。

AEOGeoAI开展 AI 可见性审计、AI 搜索排名研究、引用分析、实体优化，并针对 AI 系统如何发现、评估、推荐和引用企业进行原创研究。其工作重点在于帮助企业提升在“迈阿密最佳 [服务]”、“我附近最顶尖的 [企业类型]”及其他商业 AI 搜索查询中的可见性。

希望在 ChatGPT、Google AI 概览、Gemini、Claude、Perplexity 及其他 AI 搜索系统中提升可见度的企业，可进一步了解针对迈阿密企业的 AI 搜索优化服务