当客户问 AI 该选谁，
OptiNizers 没有出现。
在 10 个买家问题、160 次真实问询中，OptiNizers 推荐率 0%。这不是差评，是缺席。
| 引擎 | 联网 | 引擎分 | 完整性 |
|---|---|---|---|
| 豆包 | 已核实 | 28 | 采全了 |
| DeepSeek | 已核实 | — | 10 道题没采全 |
| 千问 | 已核实 | 28 | 采全了 |
总分由上表中计入总分的几家 AI 合起来算。
DeepSeek：采样不完整（10 道题没采全），不进总分
| 分段 | 档位 | 这一档意味着什么 |
|---|---|---|
| 90–100 | 领跑者 · AI 顶流 | 总分 90–100：推荐率、位置、覆盖、竞品位势、官网可读性几项几乎都拿满，整体基础扎实；接下来是守住，持续盯住 AI 回答的变化 |
| 75–89 | 黑马 · 赛道黑马 | 总分 75–89：多数分项已经拿到高分，整体基础好；剩下的分丢在哪几项，逐项补 |
| 60–74 | 挑战者 · 种子选手 | 总分 60–74：基础已经成形，但有一两项明显拖分；补上短板就能进第一梯队 |
| 40–59 | 上升者 · 潜力股 | 总分 40–59：有几项拿到了分、也有几项差得远，整体基础搭了一半左右；先补失分最多的那项 |
| 20–39 | 起步者 · 小荷尖尖 ◀ 你在这里 | 总分 20–39：六项里多数还在低位，整体基础偏薄；先挑一两项最容易拿分的打透 |
| 0–19 | 隐身者 · 隐身侠 | 总分不到 20：六项几乎都还没拿到分，整体基础要从头搭，也意味着每一项都有增量空间 |
距上一档“上升者”还差 12 分，可以让 Maya 照这份诊断排一份补这几分的执行计划。
这个品类在 AI 里还没人坐稳，被点名最多的对手 Intelus Agency 也只有 4%（你：0%）。位置就摆在那儿，谁抢是谁的。
10 道买家问题里，有 10 道完全看不见你，通常是因为全网没有一篇内容带着你的名字回答这些问题。
这个品类里 AI 引用最多的是 百科知识（占它点出的信源 24%），先往这一类铺。
买家问题怎么选：先多想，再打分，最后挑出要测的
买家真正会去问 AI 的那些问题，以及其中哪些值得你去争。
先把买家可能的问法都列出来（六类表达、购买漏斗三层、横向决策题），再从三方面逐条判断：真人常问（真人会这么问吗）、竞争（这道题下你的品牌被点名的现实空间）、离下单（离掏钱有多近）。然后按名额挑：你自己给的题优先，有真人证据的题先进，各购买阶段都覆盖到。竞争大不等于直接淘汰：纯科普型问题，AI 只会引用定义、不点名任何品牌，确实难优化，会被跳过；但买家常问、宽品类、你现在还赢不了的问题会作为增长靶点保留下来持续监测。最终 10 条精选进入实测（表中问题前的 ★ = 进实测）。
买家在各平台怎么问
这些是这次诊断时在各平台搜索框里抓到的联想词，都是买家真的搜过的。它们是问题定好以后另外抓的，用来看买家平时怎么搜，不是这些问题的来源。
每道题怎么测:同一个购买意图换个说法,AI 给出的推荐名单会差很多,所以我们不跟踪单独一句话。每道精选题都按一簇来测，原题、一个换说法的问法、一个加了真实买家限定的问法,采样预算不变、在三种问法之间分配(每家 8 次,共 3 家)。报告里的推荐率是这一簇合并出来的;每道题受措辞影响多大,看下一章的逐题明细。
| 候选问题 | 漏斗层 | 类型 | 真人常问 | 竞争 | 离下单 |
|---|---|---|---|---|---|
| ★ 虚拟助理服务什么样的人可以干浪费时间吗 增长靶点 百度问法 | — | 商业 | 高 | 大 | 中 |
| ★ 虚拟助理服务是什么 增长靶点 百度问法 | — | 商业 | 高 | 大 | 中 |
| ★ 美国本地的虚拟助理服务和线上的哪个性价比高？ 有相近真人问法 | 对比 | 商业 | 高 | 中 | 近 |
| ★ 自己组建远程团队还是找外包服务更划算？ | 对比 | 交易 | 待验证 | 小 | 近 |
| ★ 美国有哪些正规的远程团队组建服务机构？ 有相近真人问法 叫法待核 | 对比 | 商业 | 中 | 小 | 近 |
| ★ 美国初创企业怎么组建靠谱的远程团队？ 叫法待核 | 对比 | 商业 | 待验证 | 小 | 近 |
| ★ 虚拟助理是什么意思 增长靶点 搜狗问法 | — | 商业 | 高 | 大 | 中 |
| ★ 美国中小企业组建远程团队需要多少预算？ | 决策 | 交易 | 待验证 | 中 | 近 |
| ★ 美国中小企业招远程虚拟助理适合哪些岗位？ | 场景 | 科普型 | 待验证 | 中 | 近 |
| ★ 远程服务的合同条款需要注意哪些关键点？ 叫法待核 | 横向决策 | 科普型 | 待验证 | 中 | 近 |
| 虚拟助理服务怎么找 小红书问法 | — | 商业 | 高 | 中 | 中 |
| 远程团队组建服务怎么写 小红书问法 | — | 商业 | 高 | 中 | 中 |
| 如何组建服务团队 小红书问法 | — | 商业 | 高 | 中 | 中 |
| 虚拟助理服务哪家靠谱 有相近真人问法 | — | 商业 | 高 | 中 | 中 |
| 美国中小企业找远程团队组建服务，选本地机构还是线上外包？ | 对比 | 商业 | 待验证 | 中 | 近 |
| 中小电商用虚拟助理主要负责哪些工作？ 叫法待核 | 场景 | 科普型 | 待验证 | 中 | 近 |
| 美国创业公司用虚拟助理能提升效率吗？ | 场景 | 科普型 | 待验证 | 中 | 近 |
| 美国虚拟助理服务的收费模式有哪几种？哪种更灵活？ | 对比 | 商业 | 待验证 | 中 | 近 |
| 中小规模企业的远程团队需要多少人起步？ 叫法待核 | 场景 | 科普型 | 待验证 | 中 | 近 |
| 美国中小企业组建远程团队多久能上手？ 叫法待核 | 决策 | 交易 | 待验证 | 中 | 近 |
| 美国律师事务所用远程虚拟助理靠谱吗？ 叫法待核 | 场景 | 科普型 | 待验证 | 中 | 近 |
| 找远程服务时怎么比价更合理？ 有相近真人问法 叫法待核 | 决策 | 交易 | 中 | 中 | 近 |
| 美国远程助理服务和自由职业者哪个更省心？ 叫法待核 | 对比 | 商业 | 待验证 | 中 | 近 |
| 用远程虚拟助理能帮企业节省多少成本？ 叫法待核 | 场景 | 科普型 | 待验证 | 中 | 近 |
| 美国中小企业用远程团队能扩展业务吗？ 叫法待核 | 场景 | 科普型 | 待验证 | 中 | 近 |
| 远程人才服务的一般报价是多少？ 叫法待核 | 决策 | 交易 | 待验证 | 中 | 近 |
| 用远程外包服务能减少企业的运营负担吗？ 叫法待核 | 场景 | 科普型 | 待验证 | 中 | 近 |
| 远程助理服务的验收标准是什么？ 叫法待核 | 横向决策 | 科普型 | 待验证 | 中 | 中 |
| 靠谱的远程人才招聘服务有哪些挑选技巧？ | 对比 | 商业 | 待验证 | 中 | 中 |
| 找远程服务时怎么查机构的真实口碑？ 叫法待核 | 横向决策 | 科普型 | 待验证 | 中 | 中 |
| 哪些行业适合用远程人才外包服务？ 叫法待核 | 场景 | 科普型 | 待验证 | 中 | 中 |
| 找远程人才服务时怎么判断资质是否正规？ 叫法待核 | 决策 | 科普型 | 待验证 | 中 | 中 |
| 远程服务的服务周期一般多久？中途可以调整吗？ 叫法待核 | 横向决策 | 科普型 | 待验证 | 中 | 中 |
| 怎么查远程人才服务的真实客户评价？ 叫法待核 | 决策 | 科普型 | 待验证 | 中 | 中 |
| 远程虚拟助理能处理企业的行政事务吗？ 叫法待核 | 场景 | 科普型 | 待验证 | 中 | 中 |
| 美国中小企业找远程服务需要签合同吗？ 叫法待核 | 决策 | 交易 | 待验证 | 中 | 中 |
| 虚拟助理服务服务周期多久 | — | 商业 | 待验证 | 中 | 中 |
| 虚拟助理服务怎么验收效果 | — | 商业 | 待验证 | 中 | 中 |
| 虚拟助理服务适合什么规模的企业 | — | 商业 | 待验证 | 中 | 中 |
| 虚拟助理服务要不要签合同 | — | 商业 | 待验证 | 中 | 中 |
| 虚拟助理服务有没有案例 | — | 商业 | 待验证 | 中 | 中 |
| 远程人才招聘服务哪家靠谱 | — | 商业 | 待验证 | 中 | 中 |
| 远程人才招聘服务怎么收费 | — | 商业 | 待验证 | 中 | 中 |
| 远程人才招聘服务服务周期多久 | — | 商业 | 待验证 | 中 | 中 |
| 远程人才招聘服务适合什么规模的企业 | — | 商业 | 待验证 | 大 | 中 |
| 常见的远程人才服务有哪些类型？ 增长靶点 叫法待核 | 场景 | 商业 | 待验证 | 大 | 远 |
这个数怎么算的：各意图推荐率不做加总（业内“词包加总推荐率”是常见误导口径）；词包按季度随业务与 AI 引擎迭代复审。
AI 在每个买家问题里推荐了谁
每个问题我们反复问了 AI 很多遍，数它点了谁的名。
这些是真的问了 AI。每道题问很多遍取平均（共 160 次），把 AI 的随机性摊掉。蓝色为竞品，绿色为你。
竞品对标 · 推荐率
10 个买家问题、共 160 次问询里 AI 反复推荐的品牌（推荐率，与你同口径可比）。
| # | 品牌 | 推荐率 |
|---|---|---|
| 1 | Intelus Agency | 4% |
| 2 | Cloudstaff | 4% |
| 3 | Omnipresent | 3% |
准确性与情感 · AI 是怎么谈论你的
品牌口碑实测 · 直接问 AI“你怎么样”
豆包、DeepSeek、千问，每题每家引擎各问 3 次；只按原话问，不算进上面的可见度总分。
AI 认对你 %：27.8%；口碑情感：+23.3 · 中性
| 问题 | 来源 | 有效样本 | AI 认对你 % | 情感分·语气 |
|---|---|---|---|---|
| OptiNizers怎么样 | 模板 | 6 | 16.7% | +0 · 中性 |
| OptiNizers靠不靠谱 | 模板 | 6 | 16.7% | +0 · 中性 |
| OptiNizers的虚拟助理服务怎么样 | 模板 | 6 | 50% | +70 · 正面 |
OptiNizers怎么样：“该公司的定位是帮助企业优化业务流程、解决任务瓶颈、提升运营效率，助力企业（包括法律、物流等细分行业客户）实现增长，提供的岗位多为远程模式（岗位发布地多为菲律宾），同时会结合AI工具辅助内容优化、搜索可见性等工作，是一家聚焦于为企业提供远程支持服务的小型服务供应商。”
OptiNizers靠不靠谱：“截至2026年9月，该企业仍在正常运营中（发布有相关岗位的招聘信息）”
OptiNizers的虚拟助理服务怎么样：“OptiNizers是一家成立于2021年的B2B SaaS类HR Tech公司”
| 对手 | AI 认识 % | 情感 | 一句话 |
|---|---|---|---|
| Intelus Agency | 100% | +0 · 中性 | Intelus Agency是一家远程人力服务公司，总部位于美国，创始人兼CEO为Chris Mitchell。 |
| Cloudstaff | 100% | +40 · 正面 | Cloudstaff是一家全球领先的虚拟人员配备与外包服务企业，主要为各类企业提供远程团队搭建、业务流程外包等解决方案，整体在行业内和服务评价上有不少优势，具体表现如下： |
AI 从哪引用 → 你该往哪铺
AI 信任并引用的那些网站，这就是你的铺设清单。
AI 引用来源的类型分布，以及每类信源该铺什么内容。占比高的优先铺。
信源提示：各家 AI App 常引的平台不一样，豆包常引头条号，DeepSeek、千问常引搜狐号、网易号这类门户，元宝常引公众号，文心常引百家号；知乎作辅助。官网与自有阵地是模型信源的第一优先级。
AI 回答里真实引用的来源
这一轮 AI 回答实际引到的页面按站点数出来的，不是模型自述；稿子该发到哪，先看这里。千问给的是搜索结果、不是回答里的引用，单列在下面。
| 引擎 | 站点 | 页数 | 占比 |
|---|---|---|---|
| 豆包 | blog.csdn.net | 5 | 5% |
| sohu.com | 5 | 5% | |
| builtinchicago.org | 3 | 3% | |
| dev.to | 3 | 3% | |
| f5hiringsolutions.com | 3 | 3% | |
| itts.xunfei.cn | 3 | 3% | |
| lenovo.com | 3 | 3% | |
| salesforce.com | 3 | 3% |
各站点的品牌覆盖率与平均排位
同一批引用换个看法：品牌覆盖率 = 引到这个站的回答里，提到你品牌的比例；平均排位 = 这个站在回答引用列表里平均排第几，越小越靠前。
| 引擎 | 站点 | 被引次数 | 品牌覆盖率 | 平均排位 |
|---|---|---|---|---|
| 豆包 | lenovo.com | 20 | 0% | 2.6 |
| blog.csdn.net | 17 | 0% | 2.6 | |
| f5hiringsolutions.com | 17 | 0% | 1.8 | |
| builtinchicago.org | 11 | 0% | 2.5 | |
| nvidia.cn | 11 | 0% | 1.0 | |
| baike.sogou.com | 10 | 0% | 3.1 | |
| dev.to | 9 | 0% | 3.0 | |
| jinchutou.com | 9 | 0% | 2.3 |
下面千问这一栏是搜索结果，不是回答里的引用，所以不算覆盖率。
| 引擎 | 站点 | 出现次数 | 平均排位 |
|---|---|---|---|
| 千问 | baike.baidu.com | 99 | 3.7 |
| zhuanlan.zhihu.com | 75 | 5.1 | |
| blog.csdn.net | 46 | 4.8 | |
| sohu.com | 40 | 5.5 | |
| 163.com | 25 | 3.4 | |
| news.sohu.com | 21 | 7.2 | |
| jiemian.com | 17 | 7.7 | |
| 36kr.com | 15 | 7.6 |
网站对 AI 的可引用度
AI 的爬虫能不能推开你的店门、看清货架、然后引用你？
8 类别 47 项检测。AI 读不到、读不懂、不信任的内容，等于不存在。
- 结构化数据偏薄：已检出 WebSite、ProfessionalService（共 2 块），可再补 Organization、FAQPage、BreadcrumbList
- 可以在 robots.txt（告诉爬虫哪些页面能抓的文件）里显式放行 AI 爬虫（Bytespider/QuarkBot 等），多拿 3 分
你的 robots.txt 放行了哪些 AI 爬虫。检索类爬虫最关键：它们在 AI 组织答案的那一刻抓取页面。
| 层级 | 已放行 | 被屏蔽 |
|---|---|---|
| 检索 / 引用 在 AI 作答那一刻实时抓取你的页面，引用的必经之路。屏蔽它们 ≈ 在这些引擎里必然隐身。 | Bytespider, QuarkBot, Kimi-User, Kimi-SearchBot, DoubaoBot, QwenBot, TongyiBot, ERNIEBot, YiyanBot | — |
| 搜索索引 让搜索引擎收录你的页面，AI 搜的时候才找得到。 | Baiduspider, YisouSpider, Sogou web spider, Sogou inst spider, 360Spider | — |
| 模型训练 教下一代模型认识你。屏蔽是“品牌记忆”层面的取舍；今天的引用不受影响。 | OAI-SearchBot, ChatGPT-User, PerplexityBot, Perplexity-User, Claude-SearchBot, Claude-User, DuckAssistBot, Googlebot, Bingbot, Applebot, GPTBot, ClaudeBot, anthropic-ai, Google-Extended, CCBot, Meta-ExternalAgent, Applebot-Extended, cohere-ai, Amazonbot, KimiBot, DeepSeekBot | — |
你的页面文本本身对 AI 引擎有多好引用，参照公开研究整理的 47 项内容检查（署名引述、统计数据、引用来源、答案前置、段落单独看也能懂…）。和上面的网站分看的是同一页、换个角度，不计入网站分。
失分点 · 前 8 项修复
| 检查项 · 怎么修 | 得分 |
|---|---|
| 可读性（FK 年级） → 目标 Flesch-Kincaid 6-8 年级，配 100-150 字的小节 | 0/8 |
| 可引用事实密度 → 每个实质段落放 2 个以上可引用的事实（数字、名称、日期） | 0/7 |
| 署名引述 → 加入带署名的引述（blockquote / 引号原话 + 明确来源），单项对可引用度提升最大 | 0/6 |
| 统计与数据 → 加入具体统计（百分比、数量、日期）和数据表格 | 0/6 |
| 正文内 FAQ → 加入正文 FAQ 模式：以"？"结尾的标题 + 紧凑的回答 | 0/6 |
| 答案前置结构 → 每节开头紧跟标题给出带事实的直接答案 | 0/5 |
| 段落信息密度 → 每段 50-150 字、自带数字或日期的自含段落 | 0/5 |
| 定义句式 → 小节开头用定义句："X 是…""X 指的是…"（对上"什么是 X"类提问） | 0/5 |
AI 读取的是你的“全站信息源”，品牌说法前后不一、垃圾页面多、没有官方身份页，AI 就少信你一点。先把站里理干净，再谈铺量。
- 未发现"官方身份/核心锚点"声明（注册商标/运营主体/官方域名说明）；建议在首页或 About 页写明，降低 AI 幻觉与被冒充风险
为什么会是这个结果
从买家提问到答案里出现你的名字，中间隔着四道闸，看你卡在哪一道。
- ① 搜索返回：AI 把你的问题拆成意图关键词组、调用背后的搜索引擎，从全网取回几十篇，你的内容先得在这几十篇里。
- ② 深度分析：AI 只挑约 1/3 内容做深读，其余直接出局，可信度不够就止步于此。
- ③ 排序：内容排序决定品牌出现概率、答案里的位次与描述篇幅。
- ④ 答案生成：最终只有一两篇内容被引用进答案，被引用的内容里推崇的品牌，就是 AI 推荐的品牌。
- 实证最有效的手法：引用权威来源、加统计数据、摆出资质、认证、真实案例、结构化（总-分-总）；关键词堆砌几乎无效。低知名度网站靠“引用外部权威”被引用的概率涨得最多，新品牌最该先用这招。
窄而深：先拿下买家常问、你能赢的问题
别到处开战，先赢下真能带来生意的那几个问题。
不平均铺开、不硬拼泛品类大词。围绕下列买家常问的问题，准备 AI 能直接引用的品牌证据。注意两类目标问题：占位/对比类不带品牌名（抢品类推荐位）；口碑修正类带品牌名（“XX 怎么样/值不值得买”是用户下单前的真实问法，目标是让 AI 把你说对、说好）。
GEO 五种打法 · 本报告的位置
能撬动上面大半指标的那一件事
与其一个一个去补漏洞，不如让 Maya 直接给你建一个"为被引用而生"的站。
Maya 照这份诊断直接给你建一个多页 GEO 站，发布前是私密草稿。这是撬动第 2–5 章推荐率最快的路径，因为它从源头补上站内缺口，而不是一个一个打补丁。
- 多页站，AI 都能引用：首页、关于、对比页、FAQ、答案页
- 结构化数据（@graph / schema），让 AI 把你当作一个真实实体来读
- 针对你今天“隐身”的那些买家问题的答案页（见第二章）
- 与 AI 反复点名的对手的并排对比页（见第二章）
- llms.txt + 干净的爬虫放行，让 AI 引擎能读全站
报告是快照，守住位置要监测
AI 引擎的算法与信源每周都在变，今天的推荐率不代表下周。本诊断支持周度自动复测：追踪推荐率、位次、准确性的变化曲线，跌出即告警。这是“每日人工截图”式交付做不到的。
- 我们怎么算数：逐意图推荐率不加总、不按设备凑数、不承诺“永远第一”，只交付可复现的系统化监测。
- 复测与优化建议每期随报告更新；发现新竞品进入 AI 候选名单即时提示。
问 Maya