你的品牌在 AI 答案裡出現了嗎?建立 AI 可見度監控儀表板的 5 個步驟

上週一個客戶開會,行銷總監把筆電轉過來給我看:「我們產品在 Google 排第一,但我問 ChatGPT『台灣有哪些好的 XX 方案』,它列了五家,沒有我們。」他停頓了一下。「那我到底該擔心什麼?」

這是我最近最常被問的問題。而多數公司回答不出來,不是因為問題難,是因為他們根本沒在量。搜尋排名有 GSC、有 Ahrefs,一翻兩瞪眼；但「品牌在 AI 答案裡出現了幾次」,九成的行銷團隊靠的是偶爾自己去問一句、然後憑印象。那不是數據,那是心情。

所以這篇要講的是一套可以每週重跑的 AI 可見度檢測 流程:把「有沒有被 AI 提到」從感覺,變成一個你盯著它上上下下的數字。以下五步,你今天就能開始跑。

第一步:定義你的「被問問題集」

不要去問「介紹一下我們公司」——那是虛榮查詢,AI 當然講得出你,因為你把名字餵給它了。要問的是買家在決策時真正會問、而且沒有先射入你品牌名的問題。

實務上我們幫客戶列 15 到 30 題,分三類:品類問(「台灣有哪些企業 RAG 導入的顧問」)、情境問(「製造業想導入 AI 客服,該找誰」)、比較問(「A 方案和 B 方案哪個適合中小企業」)。這組問題集就是你的量測基準,一旦定好,之後每週原封不動重跑,才有可比性。改題目就等於換了體重計,數字再漂亮都沒意義。

第二步:設計可重複的 prompt 測試法

關鍵在「可重複」。每一題,固定用同一句框架去問,例如:「請推薦 3 到 5 家[品類],並簡述各自特點。」跨模型都問一輪——ChatGPT、Gemini、Perplexity、Claude,有中文市場的話再加上豆包或文心。同一題、同一天、同樣的問法。

有兩個雷我們踩過。一是記憶與個人化:一定要用無登入或無痕視窗,否則模型會拿你的歷史對話討好你,測出來全是假象。二是抽樣:LLM 有隨機性,同一題問一次不準,我們固定每題跑三次,取「是否出現」的多數。

第三步:定義追蹤欄位

這是把觀察變成數據的核心。每跑一題,記錄下面這幾欄:

欄位	記什麼	為什麼重要
查詢問題	那一題原文	對齊基準,不可變動
模型/平台	ChatGPT、Perplexity…	不同引擎表現差很多
是否被提及	是/否	最核心的可見度訊號
排序位置	第幾個被提到	第一個和第五個天差地遠
語境	正面推薦/中性列名/被比下去	出現不等於加分
是否附連結	有/無引用來源	決定能不能導流
競品同時出現	列出誰	看清楚你在跟誰搶版位

「被提及率」= 有提到的題數 ÷ 總題數,就是你的北極星數字。再往下拆,可以算各平台的被提及率、平均排序位置。

第四步:把它變成每週會動的儀表板

不必上什麼昂貴工具,一開始一張 Google Sheet 就夠。每週固定一天跑完全套,把當週的被提及率、平均排序、競品出現次數填進去,畫成折線圖。重點是趨勢,不是單週絕對值。你要看的是:改了官網 FAQ、發了幾篇結構化內容之後,三週後那條線有沒有往上抬。量多了想自動化,再接 API 排程,把人力那步換掉即可。

第五步:把數字接回內容動作

檢測本身不會提升可見度,它只是儀表板。真正讓數字動起來的,是你根據它調整內容:被競品比下去的那幾題,通常代表你缺一篇正面對比的內容;有提及但沒附連結的,代表 AI 認得你卻找不到可引用的權威來源,那就是補結構化資料和第三方佐證的訊號。每週看數字、每週改一件事,兩個月後回頭,那條線的斜率會告訴你哪些動作有效。

我們自己幫金融和製造業客戶做 FDM 時,做的就是這件事:不是交一份「AI 可見度報告」然後走人,而是把這套追蹤欄位嵌進客戶的週會,讓被提及率跟其他 KPI 一樣,每週被人盯著。Demo 一張漂亮的儀表板不算數,有人每週真的看它、並照著它改內容,才算數。