查看你公司的 AI 可见度
免费，无需信用卡。
创建品牌与分支机构登记册
记录品牌名称、别名和域名，以及独立的位置标识符：城市、名称、地址、电话、URL和真正可用的服务。区分实体分支机构与无场所的服务区域。登记册是判断答案的参考，而非创建新城市页面的任务。如果AI提及了连锁品牌但未识别分支机构，则应记录品牌提及，但不应自动分配正确的分支机构推荐。
构建可比较的城市提示词
在保持服务和意图一致的同时更改城市，例如询问具有明确服务范围的安装提供商。将业务发现、比较和关于指定分支机构的问题分开。将需求与每个位置的实际提供内容匹配；在某个城市不可用的服务的相同问题不是公平比较。为每个市场选择本地竞争对手，而不是复制一个全国性列表。
问题中的城市不等于地理位置
明确的城市名称和“附近”问题创造了不同的条件。对于后者，如果环境提供实际位置上下文，请记录它。不要因为提示中包含城市就简单地将结果标记为地理定位。记录AI系统或模式、语言、国家、日期和可控设置。如果工具不支持设备位置，请在报告中说明此限制。
分别评分品牌、分支机构和事实
对于每个答案，标记品牌提及、正确分支机构推荐、正确地址或URL以及服务准确性。记录引用来源并打开以确认位置关联。推荐另一个城市中的分支机构或不存在的位置是错误，即使连锁品牌名称正确也是如此。单独标记无答案、测量失败和AI概览缺失。这些都是不同的事件。
比较时不要混合样本
假设示例：在20个有效答案中，城市A的正确分支机构被推荐了4次。结果为4/20，即20%，仅限于该样本和环境。报告城市B自己的分子和分母。不要将不同服务或品牌问题与类别问题合并。对于网络结果，解释城市权重：等权重分支机构平均值回答了不同的问题，而按测试次数加权的结果则不同。
正确分支机构推荐：城市A 4/20 = 20%；城市B 6/60 = 10%。（20% + 10%）/ 2 = 15%；（4 + 6）/（20 + 60）= 12.5%。假设数据。结果描述此样本，而非整个市场。
将本地错误转化为具体任务
如果来源包含旧地址或过时的营业时间，将更正任务分配给数据所有者，并检查分支机构页面和相关外部资料。如果AI将服务归因于错误的分支机构，检查现有页面上其范围描述得是否清晰。在编辑前从客户那里收集缺失的事实。不要仅基于遗漏就大规模创建城市页面。记录更改后的URL、日期和更正，然后重复一个类似的系列。
组织Semly测量与常见问题解答
在Semly中，提示词、答案、竞争对手和来源可以支持对本地问题的分析；选项取决于配置和计划。按城市和服务命名组，并在导出中保留这些标签。一个品牌出现是否意味着每个分支机构都有可见度？否。评分提升是否保证分支机构访问量增加？否；联系和销售需要单独测量。不同服务提供能力的城市能否比较？比较共享范围，并单独报告附加服务。
来源和方法论
分享：
