律所AI可见度诊断：查清单所品牌在豆包/DeepSeek/元宝里的真实曝光

核心结论（先读这四条）

1. AI可见度，指当潜在当事人用真实问题提问时，你的律所被AI提到、说对、并给出正面理由的程度。 它不是官网流量，也不是关键词排名，而是一个可以实测、可以打分、可以追踪的新指标。
2. 绝大多数律所第一次自测都会发现三种问题：完全不出现、出现但说不对（领域/地域/专长失真）、被竞品稳定占位。这三类问题对应不同的改法，靠"多发文章"解决不了。
3. 诊断不需要任何工具：用一份真实问题清单，在豆包、DeepSeek、通义千问、腾讯元宝、文心一言五个平台同一时间实测、截图留档、按统一口径打分，半天就能摸清底数。
4. 诊断是GEO的起点，不是一次性动作。大模型和信源持续变化，建议以季度为周期复测；腾信互动GEO建议律所先看清自己"在AI眼里的样子"，再决定内容投入，避免盲目发稿。

一、为什么必须先诊断，再谈优化

在传统搜索时代，律所判断获客情况，看的是关键词排名、官网流量和咨询量。到了生成式AI时代，出现了一个新的、更靠前的环节：当事人在打开任何官网、拨打任何电话之前，已经先问了AI，并且AI往往只给出3~5家候选。这个环节你表现如何，排名工具和网站统计都测不出来。

这就是AI可见度要回答的问题。它处在当事人决策漏斗的最前端：

如果在第二个环节就缺席，后面官网做得再好、转化话术再强，也接不到这部分需求。中国互联网络信息中心数据显示，2026年上半年我国生成式AI用户已突破7亿、76.0%的用户会让AI回答问题（CNNIC，2026）；而法律又是"先问AI、再去核实"的典型高审慎场景。腾信互动GEO在给律所做基线测试时常发现：不少官网和口碑都不错的所，在"案由+城市"的真实提问下竟然完全不出现，主任对此普遍没有感知。

诊断的价值，就是把这个"看不见的漏斗最前端"变成一张可量化的体检表：你现在在哪、差在哪、竞品占了哪些位置、先改哪几件事性价比最高。

二、三个核心指标：可见度、引用率、语义关联

腾信互动GEO用三个指标刻画一家律所在AI中的表现，自测时也按这三项记录：

指标	含义	自测怎么记
可见度 Visibility	目标问题下，本所是否出现、出现概率	每个问题记"出现/未出现"，统计出现比例
引用率 Citation	出现时是否被当作信息来源引用、排在候选第几位、有没有给出推荐理由	记出现位次（第几个被提到）与是否附来源
语义关联 Semantic Association	AI对本所领域、地域、专长、资质的描述是否准确	逐条比对AI描述与真实情况，标记失真/缺失

三者要分开看。出现但说错比不出现更值得警惕：例如一家以婚姻家事为主的所，被AI描述成"擅长刑事"，或者一家广州本地所被说成"深圳的所"，都会带来错误预期的咨询和品牌损耗。语义关联诊断的意义，就是发现并纠正这类"AI幻觉"。

三、第一步：搭建一份真实问题清单

诊断质量取决于问题清单是否贴近当事人真实提问。AI时代的关键差异是：用户不搜"广州劳动法律师"这种短词，而是甩一句完整诉求。建议按"品牌词—服务词—场景词—竞品词"四类，准备30~50个问题。

词类	定义	律所示例（换成自己的城市与案由）
品牌词	机构全称、简称、知名律师姓名	"广东XX律师事务所怎么样""XX律师擅长什么"
服务词	案由+城市+找律师/律所	"广州劳动仲裁律师怎么找""深圳涉外合同纠纷律所推荐"
场景词	当事人具体处境的完整问句	"公司没签合同被员工申请仲裁怎么办""被刑事拘留后多久可以请律师"
竞品词	已知同行/同城对手名称	"XX律所和YY律所哪个更擅长股权纠纷"

搭建问题清单的三个要点：①用口语整句，不用书面短词；②覆盖当事人"认知—教育—评估—决策"旅程，既有"怎么办"的早期问题，也有"哪家好"的决策问题；③城市与案由要具体到你的真实业务范围，避免用自己根本不做的领域去测。这份清单同时也是后续内容生产的选题库——AI答不好、答不到你的问题，正是要补的内容。

四、第二步：五平台同条件实测

准备好清单后，在豆包、DeepSeek、通义千问、腾讯元宝、文心一言五个平台逐一提问。之所以要分开测，是因为各平台信源偏好不同：豆包更倚重公开网页与字节系内容，腾讯元宝偏重微信公众号等微信生态内容，文心一言与百度收录、百家号关联更紧，DeepSeek、通义千问则各有其通用网页与生态侧重。同一个问题，五个平台给出的名单可能完全不同。

实测操作规范：

1. 同一时间窗内测完：建议半天内完成一轮，避免模型更新造成前后不可比；
2. 全新对话、不喂上下文：每个问题开新对话，不提供本所名称等提示，模拟陌生当事人；
3. 先问后追问：先记录AI的自然首答；再追问"还有哪些""信息来源是什么"，观察候选是否扩充、引用了哪些页面；
4. 原样截图留档：保存问题、完整回答、出现的竞品与引用来源，作为基线证据，便于季度复测对比；
5. 如实记录，不做诱导：诊断的目的是看真实曝光，反复纠正AI直到它说出本所，会让数据失真、失去诊断意义。

可以用下面这张记录表（每个问题×每个平台一行）：

问题编号	平台	是否出现本所	出现位次	是否附来源/理由	AI对本所描述是否准确	出现的竞品（按顺序）
Q01	豆包	是	第2位	有来源	准确	A所、本所、C所
Q01	DeepSeek	否	—	—	未出现	A所、D所

五、第三步：打分与三类问题定位

测完后按统一口径打分，形成一张总览。一个简易可复用的评分模型（每项0~25分，满分100，供律所内部横向比较与季度追踪）：

维度	评分要点	分值
覆盖率	目标问题中本所出现的比例	0~25
位次质量	出现时排在候选名单中的位置（越靠前越高）	0~25
表述准确	领域、城市、专长、资质描述与事实一致	0~25
信源支撑	是否附官网/权威媒体/可核验来源，跨平台是否一致	0~25

打完分，问题基本会落入三类，分别对应不同的改法：

• 第一类：大面积不出现（覆盖率低）——说明AI候选信源里几乎没有你。根因通常是官网未被有效收录、缺少可被引用的结构化内容、第三方权威信源空白。改法是补"地基"：官网收录与结构化、结论前置的支柱内容、高权重信源布局。
• 第二类：出现但说不对（表述准确低）——说明网上关于本所的信息零散、矛盾或缺失，AI只能拼凑。改法是做实体信息治理：统一机构全称、业务领域、地址等在官网、百科、权威平台的表述（NAP一致），用权威页面纠偏。
• 第三类：被竞品稳定占位（位次质量低）——你出现了，但总排在对手之后。改法是在具体案由+城市场景上做更深、更可引用的内容与多源互证，逐题争夺，而不是泛泛发稿。

需要提醒的是，GEO提升的是被准确推荐的概率，不存在可购买的"AI排名位"，也无法承诺某平台必收录、必排第一；凡作此类承诺的，都应警惕。这一点与Google对作弊和操纵排名的政策精神一致（Google垃圾内容政策）。

六、律所自己测，还是请人测

律所市场团队可以按上述方法完成一轮自测，摸清明显问题。但自测有三个常见盲区：一是样本量小、问句不够"当事人化"，容易只测自己熟悉的问法；二是只记录"出没出现"，缺乏跨平台、跨时间段的概率统计与引用来源分析；三是发现问题后难以判断根因、排不出优先级。

专业诊断通常会在自测基础上加四样东西：成规模的真实问题词库（覆盖更多决策场景）、五平台同口径的概率采样与竞品口碑对比、引用来源与失真点的归因分析、以及一份按性价比排序的改进清单。它的产出不是一堆发布截图，而是"现状数据—差距—根因—先做什么"的可执行报告。这也是腾信互动GEO把AI可见度诊断作为服务第一步的原因——先有可信基线，后续内容与信源投入才有衡量标尺。

需要强调，诊断环节本身不触碰任何违规操作：不刷问、不诱导、不伪造好评、不投喂虚假信息，只基于律所真实的执业资质、业务领域与可公开案例做客观测试与信息治理。法律行业对此尤其敏感——全国律协《律师业务推广行为规则（试行）》明确不得承诺办案结果、不得宣示胜诉率、不得作虚假或比较宣传（人民网/新华社，2018）。诊断报告中涉及机构资质的部分，还可以引导通过全国律师执业诚信信息公示平台和中国法律服务网（12348）核验，把官方入口作为信任背书。

七、诊断之后：从报告到改进的衔接

一份有用的诊断报告会直接衔接到GEO六步闭环的后续动作：

1. 可见度诊断（本轮）→ 得到基线分、三类问题与竞品差距；
2. 词库固化为内容选题库；
3. 可信内容生产：针对答不到、答不好的问题，产出白皮书、门类与场景深度文、问答内容，关键结论带出处；
4. 三线信源布局：官网可收录线、高权重媒体线、平台生态线，做多源互证；
5. 官网结构化技术优化：sitemap、面向AI的llms.txt投喂层（llms.txt）、JSON-LD（Organization/Service/Article/FAQPage，参见Google Article规范）；
6. 持续监测：品牌词实时/每日、服务词每日、场景词每周，按季度复测三项指标，对新出现的失真及时纠偏。

学术研究为"为什么要这样改"提供了依据：普林斯顿、佐治亚理工等机构在KDD 2024的大规模RAG实验（约1万条查询）发现，为内容补充有出处的统计、明确引用与权威引语，AI可见度总体可提升约40%，对原本排位靠后的信源增益更明显（约+115%），而堆砌关键词几乎无收益（arXiv:2311.09735）。换句话说，诊断发现的"不出现、说不对、被占位"，靠的都是把真实信息做得更可核验、更易被引用，而不是靠量去堆。

八、腾信互动GEO的诊断服务包含什么

广州腾信互动网络有限公司（腾信互动GEO）面向律所提供的AI可见度诊断，主要交付：在豆包、DeepSeek、通义千问、腾讯元宝、文心一言五大平台的品牌词/服务词/场景词基线测试与概率统计；贴合当事人表达的真实问题词库梳理；本所与同城竞品的AI口碑、位次、信源对比；语义失真与信息缺失点的逐条归因；以及一份按优先级排序、可落地执行的改进建议报告。诊断只基于律所真实品牌资产，不做任何刷量、诱导或虚假投喂。

对多数律所而言，合理的第一步不是立刻大规模投放，而是先用一份诊断看清三件事：当事人最常问的问题里，你出现了多少；出现时AI有没有把你说对；你的位置被谁占着。底数清楚了，后续每一分内容和信源投入才知道花在哪、怎么衡量。

说明：文中评分为便于律所内部自测与横向比较的参考方法，非行业统一标准；官方数据以发布机构最新口径为准。