随着消费者越来越多地通过 AI 平台发现品牌、产品和内容，一个新的测量问题正在出现：市场上已有 20 多家公司销售 AI 可见性测量工具，但不同工具使用的方法不同，同一个品牌或出版方可能得到不同答案。如果没有一套共同方式评估这些数据，行业就很难区分可靠信号和噪音。

　　IAB 发布了《Measuring Visibility in the AI Era》，这是面向 AI 发现平台中品牌和出版方可见性的标准化测量指南。框架提供共同词汇、质量标准和披露要求，目标不是指定某个工具或给供应商排名，而是让市场能够在同一套语言下运转。

　　AI 可见性正在迅速成为一个新的测量类别。IAB 希望沿用其在数字广告行业历次技术变化中建立秩序和信任的方式，为这一新领域建立基础标准。

　　IAB 人工智能副总裁 Caroline Giegerich 表示，消费者越来越多地在 AI 平台中发现和考虑品牌与产品，但测量框架尚未跟上。这份 playbook 为行业提供了一套共同基础，使 AI 可见性评估更加一致和可信。越早采用这套框架的品牌、出版方和代理机构，越能理解自己在 AI 发现中的存在方式，并据此采取行动提升可见性。

　　Microsoft Clarity 高级产品经理 Ihab Rizk 表示，当 AI 成为新的发现和决策层时，品牌需要的不只是流量报告。品牌需要知道 AI 系统如何找到自身内容、何时引用自身内容，以及哪里存在改进可见性的机会。IAB 的框架为这个新时代提供了共同测量语言，也与 AI 可见性应当清晰、可执行、可被每个企业使用的理念一致。

　　这套框架把 AI 可见性组织成一个因果层级，即“四个 P”：Presence、Prominence、Portrayal 和 Persuasion，用来说明可见性如何转化为品牌和出版方的商业价值。

　　Presence 关注品牌或出版方是否出现在 AI 回答中，指标包括提及率、引用率、声量份额和可见性动量。Prominence 关注出现的位置和显著程度，指标包括展示位置、排序，以及出版方内容是被实质使用还是被表面引用。Portrayal 关注出现语境与准确性，指标包括情绪、叙述框架、幻觉率和事实错误率，这也把 AI 测量中特有的品牌安全维度暴露出来。Persuasion 关注 AI 可见性是否推动行动，指标包括推荐强度和引用后点击率，并将与 IAB 后续归因框架连接。

　　这份指南还提出数据质量的两层标准。方向性测量用于识别模式和趋势，支持早期信号发现和竞争感知，但不足以支撑预算分配或高层战略决策。决策级测量需要在查询量、样本规模、提示词类型覆盖、测试频率、可复现性和平台覆盖等方面达到更高严谨程度，预算和战略决策应以这一层级为标准。

　　对生态各方来说，这套框架各有用途。品牌可以用它衡量自身可见性，并判断供应商给出的数据是可靠依据还是方向性噪音；代理机构可以用共同基准管理客户预期并清晰报告表现；出版方可以用标准化的可见性和披露指标量化自身内容如何被 AI 平台摄取和呈现，并把这些数据带入授权谈判；测量供应商则可以用方法论严谨性，而不是营销话术，来区分自身能力。

　　流媒体网点评

　　IAB 这套框架的价值不只在互联网广告，智能电视桌面、语音助手、AI 搜索、内容问答和跨屏推荐都可能成为新的“发现入口”。当用户不再只通过频道号、应用图标或片单进入内容，而是通过一句话搜索、一个 AI 推荐或一个智能入口完成选择时，大屏平台需要知道哪些内容被看见、为什么被推荐、品牌如何呈现，以及广告主如何验证投放结果。

　　平台如果能证明自己的内容和广告在 AI 入口中被准确识别、合理引用、稳定推荐，就能把“入口价值”转化为可交易的测量能力；如果缺少统一口径，广告主和内容方只能依赖各平台自报数据，难以形成长期预算信任。国内大屏广告下一阶段的竞争，可能会从曝光量、点击率和开机资源，进一步延伸到 AI 可见性、内容引用质量和可复核的数据披露。

　　原文来源：IAB

　　原文作者：Kortney Kavanagh

责任编辑：李楠