文章中心
AI 时代的品牌可见性，持续观察
平台动态、实操方法与行业观点。比知识库词条更及时，比新闻稿更诚实——每篇都基于公开信息与真实监测经验。
一份 AI 可见性诊断报告怎么读：指标、口径与下一步
答潮的免费诊断报告覆盖五家平台的核心问题池抽样探测，交付提及率、排名、情绪与引用信源概览。本文逐项解释报告指标的含义、读数时的口径注意事项，以及拿到报告后建议的下一步动作。
AI 回答为什么每次都不一样？波动从哪来、怎么读
同一个问题，今天问和明天问、APP 上问和 API 问，AI 的回答都可能不同。本文拆解回答波动的四类来源，说明为什么单次回答不能作为结论，以及多轮采样趋势的正确读法。
SEO 团队转做 GEO：能力迁移清单与新工作流
关键词研究、内容优化、外链、排名监控——SEO 的四项核心能力都能迁移到 GEO，但对象和方法要换。本文给出 SEO→GEO 能力映射表、新工作流闭环与考核指标的换法。
llms.txt 到底值不值得上：一份冷静的分析
llms.txt 是 2024 年提出的站点 AI 阅读指引文件。本文梳理它的来历、各平台的实际采纳现状与争议，并给出务实结论：值得上——把它当内容清单工具，而不是流量开关。
同一道题，五种答案：五家 AI 平台引用习惯观察
豆包、通义千问、Kimi、智谱 GLM、腾讯元宝对同一道品牌题的回答结构与引用习惯并不相同。本文整理五家平台联网能力与回答风格的公开特征与监测观察，并说明为什么跨平台结论必须分开读。
从"搜一下"到"问一句"：品牌流量入口正在搬家
用户获取信息的入口正在从搜索引擎结果页迁移到 AI 问答。本文梳理公开数据里的迁移证据、问答入口与搜索入口的三个关键差异，以及品牌在搬家里该先做的三件事：可被抓取、被理解、被度量。
想系统了解概念与方法？词条版的 GEO 知识库 按主题组织，适合检索与引用。