Presence·Portability·Concentration 三指标 Presence, Portability & Concentration

Presence·Portability·Concentration（三指标）是 Kevin Indig 提出的 AI 可见度三维框架：Presence 看你在被追踪问题集里的覆盖面，Portability 看内容能否被多个引擎共同引用，Concentration 看可见度是否押注在单一引擎上。它出现的原因很硬：各引擎引用重合度极低，“全局 AI 排名”并不存在，可见度必须分引擎测量、再结构化地汇总——三指标就是那个汇总框架。

前提：引用的碎片化格局

站内转述的对比实测口径：三个引擎的引用重合约 2.4%，约 91% 的引用只出现在单一引擎（公开报道未复验，见三引擎重合数据卡）。这组数字直接否定了“盯一个全局 AI 总分”的管理方式——你在某个引擎的全绿，说明不了任何其他引擎的情况。

碎片化的根源在引擎的内容供给结构：有的吃现成搜索索引，有的纯自建索引，有的优先生态内内容。索引底座不同、检索偏好不同，引用选择自然分叉。所以三指标的第一纪律是所有数字按引擎分列，框架本身只是把分列数字组织成三个可决策的视角。

顺带说明证据纪律：这组合并数字在站内标注为公开报道未复验，我们引用它支撑“分引擎测量”的结论，而不用于引擎之间的精确排序。凡是对决策有实质影响的外部数字，都应保留口径与复验状态——这条纪律贯穿全站，也是三指标框架能立足的前提：框架吃的是结构信息，不依赖单点数字的绝对精度。

同族指标可以互相校验：三指标与引用率、提及率共享同一批采集数据，只是切片视角不同。这也意味着一次采集投入能产出多套读数——监测预算有限的团队，应优先把采集面做扎实，指标视图可以后补。

三个指标各测什么

Presence 是摸底指标，与AI SOV（AI 声量份额）同族：固定一组提示词反复询问，统计提及或引用目标品牌的回答占比。品牌出现用提及率口径，链接出现用引用率口径，两个分母要分开声明。它的价值取决于提示词集的设计——只测品牌词几乎没有信息量，必须覆盖品类词与买家真实问题。

Portability 是资产质量指标。同样一批内容，有的只在单一引擎被引用，有的在多个引擎同时上榜；后者才是能穿越引擎偏好的资产。实践中教学型、解释型内容的跨引擎重合度最高——各引擎回答“是什么、怎么做”类问题时检索语义高度趋同，优质解释内容的复用率自然高。把这类内容识别出来、加倍投入，是 Portability 视角的决策产出。

Portability 的计算还有一个容易忽略的口径细节：“同一内容”怎么判定。按 URL 严格匹配，改版换址的内容会被当成两个资产；按主题聚类匹配，又要人工校准相似度阈值。我们的建议是以 URL 归一化为主、主题聚类为辅，先回答“这批页面有没有跨引擎复用”，再谈更细的资产级分析——判定口径越复杂，框架越容易被自己的脚注绊倒。

Concentration 是风险指标。可见度集中于一个引擎，等于把渠道风险全部暴露给单一平台的改版、算法与商业政策。它与 Presence 反向相关：覆盖面越广越均匀，集中度越低，结构越健康。

两个维度交叉起来就是一张诊断矩阵。Presence 高、Concentration 低：健康结构，接下来做单引擎深度；Presence 高、Concentration 高：当前的量全押在一个引擎上，先把第二引擎做起来再谈优化；Presence 低、Concentration 低：全域存在感不足，先回内容基本盘；Presence 低、Concentration 高：通常意味着依赖某个生态内入口，要分辨它是结构性优势还是单点风险。四象限把“接下来干什么”排了序，这正是框架的用途。

三者怎么联读

框架的用法有顺序。先看 Presence 摸底：没有覆盖面，谈不上结构优化。再看 Concentration 判断风险：若绝大多数可见度押在一个引擎上，第一优先级不是继续优化内容，而是把第二个引擎做起来。最后用 Portability 找杠杆：在多引擎同时被引的内容就是可复制的模板——把它们的主题选择、结构、出处密度抽象成方法论，推广到其他页面。

联读要带上两条纪律。其一，所有指标都来自采样，而引用是概率事件，同一问题多次提问结果不同，任何单点数字都不构成结论，必须看多次采样的趋势。其二，跨工具不可比：各家提示词集、分母口径、平台覆盖不同，三指标只能在同一套口径内纵向比自家趋势——这与站内谈Share of Model（模型份额）时的纪律一致：先有口径，后有数字。

实施起来长什么样

落地的最小闭环分四步。建提示词集：从品牌词、品类词、买家问题三层取材，冻结版本，只增不改口径；分引擎采集：同一题集在每个引擎反复提问，记录提及与引用；算指标：先算各引擎 Presence，再算跨引擎重合得 Portability，按引擎分布得 Concentration；定期复盘：看三指标的趋势变化，把资源决策写回提示词集与内容计划。整个闭环的关键不是工具，而是口径冻结——题集一变，前后数字就断代，三指标会立刻失去可比性。

资源有限的团队不必一上来铺满全部引擎。选两三个目标市场的主流引擎起步，题集小而准，每月一轮固定节奏，比大而全的季度冲刺更能产出可读的趋势。等结构看清了，再扩引擎、扩题集——三指标框架对规模不敏感，扩容只是采集面的放大。

还有一层组织价值值得点破：三指标把“AI 可见度”从营销团队的叙事题变成结构题。向管理层汇报时，“我们在某个引擎覆盖了多少问题、风险集中在哪、哪类内容能跨引擎复用”比一个笼统的“AI 排名上升了”可决策得多——框架的可贵之处，在于它逼着每个数字带上结构属性。

还要接受指标的时间性。内容改造到引用变化之间有滞后期，引擎索引的更新节奏各不相同，三指标因此是慢变量：按周追会读到噪声，按月看趋势才稳。把复盘节奏与指标的天然节拍对齐，是对框架最基本的尊重。

边界与误用

三指标是组织监测数据的框架，不解释“为什么被引用”，只回答“可见度长什么样”。常见误用两种：一是把 Presence 当 KPI 去冲刺，用品牌词提示词把数字做大，覆盖面好看、决策价值为零；二是无视 Concentration 的提醒，在单一引擎的数字上反复加注。正确的姿势是把它当诊断仪表：先看结构，再决定资源往哪投。结构健康之后，单引擎里的位次优化才有意义。

最后一条边界：三指标描述的是“你的内容在引擎答案里的存在结构”，不包含情感与定性——品牌完全可能 Presence 很高，但每次出现都在被批评。把它与提及的情感分类放在一起读，框架才算完整；这也是我们坚持提及与情感同表呈现的原因。