如何檢測品牌在 AI 答案中的可見度?5 種監測方法與工具實作比較

上週一位金融業客戶問我們一句話:「我們家在 ChatGPT 裡到底長什麼樣子?」他們花了半年做內容行銷,老闆突然想知道——當一個潛在客戶問 AI「台灣有哪些做企業放款數位化的公司」,答案裡有沒有他們。

沒人答得出來。因為沒人量過。

這就是 AI 可見度檢測要解決的問題:用系統化的方式,確認你的品牌在 ChatGPT、Perplexity、Google AI Overviews、Claude 等生成式引擎的回答中,是否被提及、以什麼語氣提及、以及是否附上你的連結。 它跟傳統 SEO 排名查詢是兩回事——AI 答案沒有「第三名」這種東西,你要嘛被寫進那段話,要嘛不存在。

為什麼不能沿用 SEO 那套

Google 排名是穩定的:同一個關鍵字,今天第五名明天大概還是第五名。生成式引擎不是。同一個問題問三次,可能引用三組不同來源;換個問法,結果又變。它有溫度(temperature)、有隨機性、還會因為使用者所在地與對話脈絡而漂移。

所以 AI 可見度檢測的核心不是「查一次」,而是「重複採樣、算頻率」。你關心的不是「我有沒有出現」,而是「在 100 次相關提問裡,我出現了幾次、排在哪個位置、旁邊站著誰」。

五種方法:成本、精度、可規模化程度對照

我們幫客戶做過的做法,從最土法煉鋼到全自動,大致是這五種。

方法一,手動提問。 打開 ChatGPT,問你最在乎的那幾個問題,截圖。優點是零成本、五分鐘上手;缺點是樣本小到沒有統計意義。問一次沒出現,不代表你真的不可見,只是這一次骰子沒轉到你。它適合當「體檢前的第一眼」,不適合當結論。

方法二,結構化提問清單。 這是我們最推薦一般行銷團隊起步的做法。把你的目標問題整理成 15 到 30 條,每條固定問法,每週在 ChatGPT、Perplexity、Google AI Mode 各跑一輪,用試算表記下:有沒有被提及、提及的是品牌還是產品、有沒有附連結、同框的競品是誰。紀律取代規模,一個月後你就有趨勢線了。

這是我們給客戶的檢測 prompt 模板,可以直接抄:

「假設你要推薦『台灣提供〔你的品類〕的服務商』給一位〔你的目標客戶,例如中型製造業 IT 主管〕。請列出你會推薦的 5 家,並說明推薦理由與資料來源。」

換掉中括號就能用。重點是問「推薦名單」而不是「介紹某某公司」——後者你早就在裡面了,不算數。

方法三,官方 API 批次腳本。 用 OpenAI、Anthropic 的 API 把同一批問題各跑 50 到 100 次,把溫度設固定、解析回答裡的品牌命中率。這是精度最高的自主做法,因為你拿到的是分布,不是單一樣本。踩過的雷:記得處理引擎的網路檢索開關,關掉檢索時模型只靠訓練記憶回答,那量到的是「歷史印象」;開著檢索,量到的才是「現在的你」。兩個數字都有用,但別混為一談。

方法四,第三方監測工具。 市面上如 Profound、Peec、Otterly 這類工具幫你把採樣、跨引擎、儀表板都包好了。省事、適合要向上匯報。取捨是:你被綁在它覆蓋的引擎與問題模板裡,而且中文與台灣在地語境的覆蓋往往不如英文市場,採用前務必用你自己的真實問題試跑一輪再決定。

方法五,自建監控管線。 把方法三的腳本排程化、接進自家 BI、設定命中率掉到某個門檻就告警。這是把可見度當成一條要長期守的生產線在經營,而不是一次性的健檢。

先量,才知道要修什麼

這五種方法不是互斥的階梯,而是同一件事的不同解析度。我們的建議很簡單:用方法一花十分鐘破除「我大概還行吧」的錯覺,用方法二建立每週的基線,等你確定值得投資,再往三到五升級。

在 Tenten,我們把這套檢測當成 FDM/GEO 專案的第一天工作——不是先寫一堆內容,而是先讓工程師把監控管線架起來,量出品牌現在在 AI 答案裡的真實命中率。因為跟導入 AI 系統一樣,Demo 上被誇獎不算數,答案裡真的有人被引用、而且引用的是你,才算數。