AI 提到了你，但把你描述错了
大部分 AI 可见性报告只回答一个问题：有没有提到你。但实测里我们碰到过一种更麻烦的情况——提到了，信息也基本准确，可它给你的定位和你想要的市场完全错位。
实测中见到的一次
问一家 IT 系统集成商「这家公司是做什么的」，AI 给出的描述里，成立日期、注册地址、业务大类都对，还提到了它与原厂的合作关系。
但整段的落点是：它「大量中标教育、政务的采购项目」「客户以政府、学校、医院为主」「主要参与招投标项目」。答案末尾，AI 还主动提议帮用户整理一份该公司的典型中标项目清单。
这段描述在事实层面有历史依据——那确实是这家公司过去的业务构成。问题在于它现在要打的是企业客户市场，而 AI 把它的公开形象牢牢锚在了招投标上。
为什么这比「没提到」更难处理
没被提到，你要做的是从零往上加内容。被错误锚定，你要做的是改变一个已经形成的印象——而 AI 的印象来自它能检索到的存量信息，那些内容不在你手上。
常见的第一反应是想办法把旧内容删掉。这条路基本走不通：新闻稿、名录页、第三方转载散落在几十个站点上，多数联系不上、也没有删除义务；而且删除只减少信号，不产生新信号。
唯一有效的做法是用新内容把锚点挪过来：持续产出符合新定位的、可核验的内容，让 AI 检索时看到的新信息在数量与质量上盖过旧信息。这需要时间，通常按月计。
所以诊断要看三层，不是一层
第一层：有没有提到。最基础的命中率。
第二层：说得对不对。成立时间、地址、业务范围、资质有没有错。错的信息比没有信息危害更大，因为它会被用户当真。
第三层：把你放在什么位置上。它认为你的客户是谁、你擅长什么、你和谁是同类。这一层最少人看，但它直接决定 AI 会在哪些问题下推荐你。
我们的基线报告三层都要记，尤其是第三层——它没有一个现成的分数可以打，只能把 AI 的原话摘出来存档，逐月对照看它有没有变。
给客户的一句实话
如果诊断发现你被锚在了一个错误的定位上，我们会直接说这件事要花更长时间，而不是先接下来再解释。
把一个已经存在的印象挪走，比在一片空白上写字慢得多。这一条会写进项目预期里。
要点回顾
- AI 可见性有三层：有没有提到、说得对不对、把你放在什么位置上
- 被错误锚定比没被提到更难处理，删旧内容基本走不通，只能用新内容挪锚点
- 第三层没有现成分数，只能摘 AI 原话存档、逐月对照
- 诊断发现错误锚定时，项目周期要往长里估
依据：2026-08-04 的一次基线测量，六道题的原始回答全文逐题留档，上述描述与提议均出自其中第一题的原文。判断「与目标市场错位」的依据是该主体当时的业务方向，属于当事方陈述，不是我们的测量结论。