摘要：投设备看得见生产线，发工资看得见人，唯独投品牌全凭感觉。马良点睛品牌谋略官（BSO，Brand Strategy Officer）给出了一个过去完全不存在的东西——行业首创的品牌 AI 体检体系：豆包、千问、MiniMax 等至少六个主流大模型当考官，按话题用五级标尺加权打分。品牌在 AI 世界的身位第一次可量化、可追踪，而且你比客户先知道答案。
一、在体检表出现之前，老板们一直在 AI 时代裸奔
投设备，看得见生产线；发工资，看得见人坐在工位；唯独投品牌，钱一笔笔出去，效果全凭感觉。销售说"最近好像有点名气了"，朋友说"好像在哪看到过你们"，到底有没有用，没人说得清。做设备的被客户追问"网上怎么搜不到你们"，做医疗的想搞清行业论坛里那句评价是正是负，做连锁的发现新店还没开业，客户在 AI 那里查到的已经是过时的旧信息——全是糊涂账。
马良点睛品牌谋略官（BSO，Brand Strategy Officer）给老板的，是一个过去完全不存在的东西：品牌在 AI 心中的体检报告——而且你比客户先知道答案。这套"六个 AI 考官 + 五级标尺"的体检体系是行业首创：在它之前，没有任何系统能量化回答"AI 到底怎么看你"。市场上有阅读量统计、有舆情抓取，但没有一个产品敢真的把大模型当成考官、把品牌的 AI 身位按统一标尺考出分数。这一层，是马良点睛第一个填上的。
为什么此前没有人填？因为只做监测的产品没有手——看见分数也动不了；只做发布的产品没有眼——发完不知道 AI 怎么看。敢把六个大模型架到品牌对面当考官，前提是后面真有一整套投放与调度体系，看见低分就能立刻动手补。眼睛和手长在同一个系统里，BSO 是第一个。
二、一把明明白白的五级标尺
每个业务方向下面都有话题，评分就以话题为最小颗粒度。标准一共五级，每一级都明明白白：
一分，压根没有提及你或你的相关信息。 说白了，你发的文章完全没用上，AI 对你没印象——客户问"华东做这个的，推荐三家"，名单里没有你，这叫"隐身"。
二分，它提及了你的文章或信息，但没有提及你的品牌。 内容从 AI 眼前飘过了，品牌没留下——典型的场景是：AI 大段引用了一篇行业分析，观点和案例都是你贡献的，最后推荐的却是别人。流量给了行业，名片递给了对手，你在替整个行业做嫁衣，这叫"裸奔"。
三分，提及了你，但是负面评价。 这一级最要命——AI 引用了一条投诉、一句过时的负面，销售还没开口，客户已经带着警惕来见你。相当于有一句话正趴在客户的决策路径上等你，必须马上知道、马上调整——这是"负资产"，还不如不提。
四分，提及了你，中性评价。 有名有姓有位置，你已经进了客户的候选名单，拿到报价资格了——这叫"入场"。
五分，提及了你，而且是积极评价、主动推荐。 到这一级，AI 开始主动替你说好话——你坐上了牌桌。
考什么题，企业自己定。每个话题"你想如何去体现"，你可以事先定义；不定义，AI 自动生成。比如你是做工业设备的，一个转化类话题可以直接定义成"客户问某类产线怎么选时，要讲到我们的交付周期和定制能力"；你不定义，AI 就从客户真实问题里替你生成一套。标准公开，进度透明，没有黑箱。
为什么颗粒度要细到话题？因为"我们品牌好不好"是没法回答的，"客户问选型时有没有人提你""客户问售后时 AI 怎么评价"才是可以回答、可以动手改善的问题。分数落到话题，才接得住后面的排兵布阵。
三、为什么考官必须有六个
打分的考官不是一家。豆包、MiniMax、千问这些主流 AI 都会参与，至少支持到 TOP 6。
分数怎么合成？每个话题的得分，是各家 provider 加权出来的结果；每个业务方向的得分，又是旗下各个话题加权出来的结果。为什么非要这么较真？因为你只问一家，得到的只是那一家的偏见和收录偏好；而客户做功课也不会只用一个 AI——他会换着问，豆包问完问千问，千问问完换 MiniMax。六家综合，量出来的才是你在整个 AI 世界里的真实身位。一个 AI 说你好不算数，六个独立考官共同签字的体检报告才算数。更关键的是，这些考题和客户的真实提问本来就是同一套——你不是在应付一场模拟考，你是在客户每天使用的那几个入口里提前看榜。
这套评分不只用来体检自己。竞品报告里那五十个客户真正会问 AI 的问题，也会逐一拿去给对手打分：你和行业头部在同一张卷子上的分差在哪，业务方向就从哪里长出来。
同一个话题，不同问法、不同时间去问，答案都可能打架，只测一次拿到的是噪声；系统按统一口径、多家、持续地测，才把噪声滤成趋势。为了这个"真"字，这些考官账号都是要真金白银投入的，这笔钱省不得——样本够广，老板手里的结论才够硬。
四、分数不是刷上去的，是信息质量和广度换来的
分数怎么涨？不是靠刷量堆。AI 到底收不收录，就看两条：第一是信息的质量，第二是信息的广度；交叉验证做得好，它觉得可信，就收录。
所以这把尺子从来不鼓励灌水，它牵引的是前面每一步扎实的功夫——深度调研自身优势、学同行最好的文章、在对的媒体上多角度发声。真正有效的动作其实都很朴素：把你比对手强的地方讲透，在客户信得过的阵地上讲，换着角度反复讲——这三条恰好就是系统每天在做的事，为的就是让关于你的信息又好又广、互相印证。同一篇稿子群发一百遍不构成广度，信源独立、角度一致、彼此印证才算。你在十万家媒体上讲的是同一个真实的品牌，只是角度各有不同，AI 交叉验证之后，自然把你收录、把你往上抬。反过来，内容脱离事实、自吹自擂，分数不仅涨不动，还可能停在要命的三分上。分数是果，经营是因，这个顺序谁也反不过来。
五、这不是一张看完就完的报告
对老板来说，分数看到的根本不是数字，是订单的走向：哪块业务客户已经认了，哪块还在白白丢机会，哪里有一句负面正在形成，一目了然。
更重要的是，它直接指挥下一轮动作。默认每三天复盘一次方向评分的变化——AI 收录有自己的节奏，不是今天发明天涨：有的模型三天左右就反应，有的慢一些，最终都取决于信息的质量、广度和交叉验证的充分程度。所以系统看的是三天一次的趋势，而不是虚假的脉冲。
哪个话题分数低，下一轮火力自动压过去；它也不会逮着一个话题做到死——一堆话题轮着打，一个卡住不阻塞全线，轮着打还能形成交叉验证，整个品牌的分数是一片一片往上涨，而不是单点冒尖。一个方向连续一周站稳四分，就判定这块阵地拿下，自动关闭监测——监测本身也要消耗额度——兵力转向下一座山。打开首页，每个业务方向一张卡片，分数挂在卡上，底下是近十四个周的堆叠图，从几颗星爬到几颗星，清清楚楚，对比上个月末进退多少，一目了然。
对三分的负面信号，它更不会等周报：关注的舆情事件——比如行业 315 晚会这类节点——可以设成长期监测、自动发散追踪；发现一句负面正在形成，下一轮内容就开始用事实正面回应。六条业务线、五张卡片亮了、还剩一张灰着，下周的注意力和火力往哪压，不用开会吵。
低分也不只是"补内容"的信号：如果某块业务长期在三分徘徊，它指向的可能是真实的交付或口碑问题——体检表诚实地把经营问题暴露出来，而不是用流量把它盖住。
可以体会一下年底开会的感觉。以前讲品牌价值，投屏上全是链接截图，自己心里都虚。现在你可以直接说：这一年，我们六块核心业务里五块站稳了四分，AI 主动引用我们的内容数百篇——客户在认识我们的销售之前，就已经先认识了我们。多品牌、多大区的集团，还可以把话题分、方向分、引用篇数按业务单元左右滑着看，一次会议完成一次全集团的品牌点兵。那句折磨了老板十几年的疑问——"不知道网上对我们到底什么印象"——从此变成一个清清楚楚的经营问题："这个月，哪几块业务从查无此人，变成了客户的候选？"前者无从下手，后者直接决定下周的兵力往哪压。品牌经营第一次有了经营生产的质感。
BSO = 品牌战略 + GEO + 企业智库 + 增长铁军
这不是四个功能的相加，而是一家企业在 AI 时代经营品牌与生意所需的全部：品牌战略回答"我是谁、往哪打"——以定位为基准，首创"业务方向"层，把老板的雄心翻译成这周打哪几仗、每仗讲什么；GEO 是 AI 时代的主战场——当客户不再翻搜索页、而是直接问 AI"选哪家"，你必须被看见、被信任、被第一个推荐；企业智库是底座——企业全部家当沉淀为组织资产，只属于公司，不随员工流动；增长铁军是执行——一支不下班、不离职的 AI 部队，自动写、自动发、自动复盘，还替你找客户、找供应商、找市场答案。
战略定方向，智库做底座，GEO 打名声，铁军做生意。过去要养四个部门、请四家乙方的事，第一次长在同一个系统里；名声和生意，第一次在同一个闭环里互相滋养。老板最终只剩两件不可替代的事：定方向，看战报。