竞品AI表现对标分析

对标竞品，定位差距与机会

核心要点

• 竞品对标的核心价值：不是复制对手，而是找到AI搜索中被遗漏的差异化空间
• 五维对标框架（AOR/RR/信源占比/描述质量/语义覆盖）是系统化对标的标准方法
• 对标产出"机会词"和"威胁词"两类关键资源，直接驱动GEO策略制定

正文

背景：为什么要对标竞品AI表现

传统SEO对标看的是排名和流量，GEO对标看的是AI引用和推荐。同一个关键词，你的品牌在AI搜索结果中从未出现，而竞品被反复推荐——这不是排名问题，是存在感问题。

对标竞品AI表现的核心目的只有一个：知道对手在AI搜索中的位置，才能找到自己的差距和机会。不对标，你不知道自己落后了多少；对标了，你才知道哪些词竞品也弱——这些就是你最快能突破的入口。

关键认知：GEO对标选择的竞品，不是传统SEO竞品。传统SEO竞品是那些和你抢百度排名的公司；GEO竞品是那些在AI搜索中被提及的同领域品牌。两类竞品可能重叠，但经常不同。一个在百度排名第1的品牌，可能在AI回答中从未出现；一个你从未关注的垂直品牌，可能被AI当作"权威信源"反复引用。

竞品选择方法

原则：选3-5个核心竞品，不要贪多。

对标竞品太多会产生数据噪声，让分析结果无法落地。3-5个是最优区间：足够覆盖主要对手，又足够聚焦以产出清晰结论。

竞品选择三步法：

1. AI可见性初筛：用你的核心关键词表（10-20个词），在ChatGPT/Perplexity/文心一言等平台测试，记录AI回答中提到的品牌名称。出现频率≥2次的品牌进入候选池。
2. 业务相关性校验：从候选池中剔除业务相关性弱的品牌。AI有时会引用学术机构、政府网站、行业报告——这些是信源对标对象，不是竞品对标对象。
3. 优先级排序：按"AI出现频率×业务重叠度"综合评分，取前3-5个作为对标竞品。

特别提醒：不要只选你"自认为"的竞品。很多时候，品牌眼中的竞品和AI眼中的竞品完全不同。让AI回答告诉你谁是你的竞品，而不是让市场部告诉你。

五维对标框架

对标不是看一个指标，而是系统化对比五个维度。每个维度对应不同的GEO能力层：

维度1：AOR对标——竞品在核心词上的出现频率

AOR（AI出现率）= 竞品品牌在AI回答中被提及的测试次数 / 总测试次数。

例：测试"最佳项目管理工具"20次，竞品A被提及14次，AOR=70%。

对标方法：用同一关键词表、同一测试平台、同一测试时间窗口，分别测试你品牌和每个竞品的AOR。横向对比形成AOR对标矩阵。

AOR对标直接告诉你：在哪些词上你完全缺席，在哪些词上你和竞品差距可追赶。

维度2：RR对标——竞品被推荐的强度

RR（推荐率）衡量的是AI不只是"提及"竞品，而是主动推荐竞品的强度。

推荐强度三级分类：

• 推荐级：AI明确说"推荐使用XX""XX是最佳选择"，赋值+1
• 中立级：AI提及竞品但不做推荐，如"XX也是可选方案之一"，赋值0
• 负面级：AI提及竞品但带否定倾向，如"XX存在XX问题"，赋值-1

RR = 推荐级次数 / (推荐级次数 + 中立级次数 + 负面级次数)

对标方法：在AOR测试中同步记录每次提及的推荐强度，计算每个竞品的RR。

AOR高但RR低意味着竞品被频繁提及但不被推荐——这是"知名度高但口碑一般"的信号，你的差异化机会就在"为什么AI不推荐它"的答案里。

维度3：信源占比对标——竞品被AI当作可信信源的比例

AI生成回答时，会从多个信源中提取信息。有些品牌的内容被AI当作权威信源引用（如"据XX公司官网数据显示"），有些只是被作为选项列举。

信源占比 = 竞品内容被AI当作信息来源引用的次数 / 竞品被提及的总次数

信源占比高的竞品，其内容质量、结构化程度、权威性在AI评估中得分更高。对标这个维度，你能发现竞品哪些内容特性让AI更愿意当作信息来源。

维度4：描述质量对标——AI对竞品的描述准确性

AI回答中对品牌的描述分四个质量等级：

对标方法：抽取每个竞品在AI回答中的描述文本，逐条标注质量等级，计算各等级占比。

C级和D级占比高的竞品，其品牌信息在AI知识库中存在混淆或错误——这既是竞品的弱点，也是你通过精准内容部署抢占描述精准度优势的机会。

维度5：语义覆盖对标——竞品在问题簇中的覆盖广度

单一关键词的对标只看"点"，问题簇的对标看"面"。

语义覆盖率 = 竞品在问题簇中被提及的问题数 / 问题簇总问题数

例：围绕"项目管理"构建10个相关问题（选型、成本、对比、实施、培训等），竞品A在8个问题中被提及，语义覆盖率=80%。

语义覆盖率对标揭示竞品在哪些话题领域建立了AI认知优势，以及哪些话题领域所有竞品都覆盖不足——后者就是你的差异化切入点。

对标实操步骤

Step 1：确定对标竞品清单（3-5个）

按前述竞品选择三步法，产出对标竞品清单。记录每个竞品的：

• 品牌名称（AI回答中使用的准确名称）
• 官网地址
• 业务重叠度评级（高/中/低）
• AI可见性初筛频率

Step 2：用同样词表同样平台测试竞品数据

关键原则：控制变量。你品牌和所有竞品必须在同一关键词表、同一测试平台、同一时间窗口下测试。否则数据不可比。

实操规范：

• 关键词表：10-20个核心关键词 + 2-3个问题簇（每个簇8-10个问题），你品牌和竞品共用
• 测试平台：至少覆盖ChatGPT、Perplexity、文心一言三个平台
• 测试次数：每个关键词/问题在每个平台测试5次，记录每次结果
• 时间窗口：所有测试在7天内完成，避免算法更新导致数据偏移
• 测试方式：每次测试使用新对话窗口，避免上下文影响

Step 3：五维对标数据录入与可视化

将Step 2采集的原始数据按五维框架录入对标数据表。推荐使用Excel或Google Sheets，每个维度一个子表：

• 子表1：AOR对标矩阵
• 子表2：RR对标矩阵
• 子表3：信源占比对标矩阵
• 子表4：描述质量对标矩阵
• 子表5：语义覆盖对标矩阵

可视化建议：

• AOR/RR/信源占比：用柱状图横向对比
• 描述质量：用堆叠柱状图展示各等级占比
• 语义覆盖：用热力图展示每个问题簇的覆盖情况

Step 4：发现机会词和威胁词

对标数据的核心产出是两类关键词资源：

机会词：竞品AOR低（<30%）或RR低（<25%），而你品牌有优化潜力的词。这些词上所有竞品都弱，你只要做到"被AI提及+被推荐"，就能快速建立AI可见性优势。

机会词筛选公式：机会度 = (1 - 最高竞品AOR) × (1 - 最高竞品RR) × 你品牌优化潜力

威胁词：竞品AOR高（>60%）且RR高（>50%），而你品牌AOR极低（<10%）的词。这些词上竞品已经建立了强大的AI推荐优势，短期内追赶成本高，需要长期投入或选择差异化切入角度。

威胁词应对策略：不正面硬碰，而是寻找威胁词关联的子问题/长尾问题中竞品覆盖不足的缝隙。

Step 5：制定差异化策略

基于机会词和威胁词分析，制定三类差异化策略：

对标数据解读：从数据到决策

对标数据不是看一遍就完，需要系统化解读。核心解读逻辑：

1. 看AOR差距方向：你的品牌AOR系统性低于竞品→内容部署不足；系统性高于竞品→AI可见性已有优势，重点转向RR提升。
2. 看RR与AOR的剪刀差：竞品AOR高但RR低→竞品知名度好但推荐理由不足→你的机会在于"提供更好的推荐理由"（对比数据、用户评价、差异化功能）。
3. 看信源占比差距：竞品信源占比远高于你→竞品的内容结构和权威性更符合AI引用标准→优先提升内容结构化程度和部署Schema标记。
4. 看描述质量差距：竞品C级/D级占比高→竞品在AI知识库中存在信息混淆→你可以通过发布清晰、结构化的品牌信息抢占"正确描述"的位置。
5. 看语义覆盖缝隙：所有竞品在某问题簇覆盖率都<40%→这是全行业的AI认知空白→率先覆盖就能建立品类AI认知领导地位。

对标频率建议

对标不是一次性的动作，而是周期性监测机制：

每次对标后必须产出：

• 五维对标数据表（更新版）
• 机会词/威胁词清单（更新版）
• 策略调整建议

常见误区

白帽提示

竞品对标是情报分析，不是攻击行为。对标目的是找到自己的差异化空间，而非模仿或贬低竞品。所有对标数据应基于公开的AI回答结果采集，不使用任何操纵AI输出的手段（如批量注入虚假信息降低竞品RR）。白帽GEO的核心原则：提升自己的AI可见性，不损害竞品的AI表现。

关键指标

相关文章

• → 01-认知基础/01 GEO是什么-生成式引擎优化全解
• → 01-认知基础/05 GEO核心指标体系
• → 02-诊断评估/01 品牌AI可见性自测方法

关于根哥GEO

根哥GEO是一款白帽GEO优化工具，帮助企业/个人品牌在AI搜索引擎中获得更多引用和推荐。基于20年SEO经验与GEO方法论，合规、可持续、越做越值钱。

👉 了解根哥GEO