企业在 AI 回答中的问题并不只有“出现”和“没出现”。同一品牌可能在品牌词中被提及，在采购问题中未进入推荐；也可能名称出现了，但服务描述错误；还可能回答过度依赖少数旧来源。
思墨讯灵在诊断中把状态放回具体问题和完整回答，分别记录品牌出现、事实准确性、推荐语境和来源结构。分类结果会进入事实核验表和行动清单，而不是合成一个难以解释的总分。
未提及：先判断问题是否真的相关
目标企业没有出现在回答中，只能说明本次问题和条件下未观察到提及。还要检查问题是否属于企业真实服务范围，以及回答列出的候选依据是什么。
后续动作可能是补主体识别、场景页面或证据材料，不能直接归结为“内容不够多”。
说错：优先处理事实冲突
名称出现但主体、业务、区域、产品关系或案例信息错误，属于事实准确性问题。继续放大相同错误内容，可能加重公开信息冲突。
此时应回查官网和外部来源，确认正确口径、旧页面和待授权材料，再决定修订顺序。
图示：四类状态需要不同的核验材料和后续动作。
被提及但未推荐：检查语境和候选理由
企业可能被列为相关对象、来源或背景信息，却没有在用户的选择问题中成为候选。提及不等于准确理解，准确理解也不等于推荐。
诊断应检查目标问题需要哪些候选理由，以及企业是否有对应的主体、方法、交付和案例证据。
引用失衡：来源数量不是唯一判断
引用失衡可能表现为长期依赖同一类页面、引用过期信息、官网事实不足，或外部内容与主体口径不一致。重点不是追求链接越多越好，而是来源能否支持当前事实。
思墨讯灵自研 GEO 诊断工具整理来源线索，人员再核对页面有效性、主体和内容匹配度。
一条回答可以同时出现多种状态
例如企业被提及但服务说错，同时回答又引用旧页面。分类不应互相排斥，而应分别记录观察、证据和处理责任。
能力边界说明可参见：AI 可见性诊断的能力边界。
结论
把四类状态分开，企业才能决定先补事实、补场景、补候选理由还是核查来源。思墨讯灵用原始回答和核验记录支撑分类，不把提及、理解、推荐和引用混成一个结果。