# 不买监测工具，如何用一张表格完成品牌AI推荐率实测？

> 测品牌在AI里的推荐表现，不需要花钱买监测系统。按照真实买家逻辑设计3套梯度提问，用无痕模式在主流平台各跑一遍，填入统一表格核算得分，半天就能得出客观的AI推荐率实测报告。

来源：https://www.starbox.work/insights/geo-guide/2026-10-21-manual-geo-testing-sheet/（星盒AI 知识中心，更新于 2026-10-21）

你可能正在经历这样的场景：早上一打开行业资讯，管理层就发来微信，要求市场团队尽快做一次**AI推荐率实测**，摸清自家品牌在主流对话助手里究竟排在第几名、有没有被优先推荐。

手头没有动辄数万元预算去采购专门的数据监测软件，普通市场或运营人员在工位上能不能做？

完全能做。监测软件底层做的事情，无非是用程序批量向对话引擎发[提示词](/glossary/prompt/)并提取文本。只要你掌握了标准化的测试句式与量化打分逻辑，一张普通的电子表格就能充当精准的测算工具。

---

## 误区：做AI推荐监测必须依赖昂贵的自动化软件？

很多人把 AI 推荐监测看得很神秘，以为必须接入 API、搭建数据看板才能拿到真实数据。

这种想法忽视了对话引擎的输出机制。多数商业监测工具做的事情，同样是模拟固定提问并抓取答案中的实体名称。自动化工具适合监测几百个长尾词的日常波动，但在厘清「核心业务场景下 AI 到底推不推我们」这件事上，人工实测反而更精准。

自动化程序往往只能识别机械的字符匹配，很难判断 AI 给出评价时的真实态度。很多时候品牌名字虽然出现在文本里，扮演的却是「不推荐的反面案例」或者「凑数备选项」。

把测试逻辑拆解清楚，人工抽样测试不仅零成本，还能帮你摸清各个平台在回答业务诉求时的信源引用偏好。

---

## 神秘顾客测试法：用 3 个梯度的提问模板模拟买家

对话引擎不是传统的关键词搜索引擎，不能只扔一个孤独的品类词进去看排名。买家向大模型提问，通常伴随着具体的选型诉求或痛点。

我建议借鉴线下零售的「神秘顾客暗访法」，把测试提示词分为三个不同深度。

1. **行业通用选型词（宽口径认知）**：测试模型的基础语料库里是否有你的实体记忆。例如：「2026年国内做工业除湿机的厂家有哪些？请推荐5家主流供应商。」
2. **场景与痛点诉求词（垂直匹配度）**：测试模型在遇到细分业务条件时，能否把你的方案和需求建立关联。例如：「医药车间需要控制相对湿度在30%以下，有哪些靠谱的除湿设备品牌？请按技术参数对比。」
3. **竞品正面指名对比（竞品替代度）**：测试在存量竞争场景下，模型对你与头部竞品的能力归纳。例如：「对比【竞品A】与【自家品牌】，在售后响应和定制能力上各自有什么优势与短板？」

设计提问时，不要夹带任何诱导性词汇。不要问「为什么某品牌是最好的」，而是让模型站在客观中立的采购顾问角度给建议。

---

## AI答案打分规则：怎么把一段模型文本换算成分数？

AI 给出的文本是一大段话，怎么向管理层汇报成清晰的百分比？关键在于建立一套统一的打分标尺。我们可以将每个引擎的回答拆解为三个维度进行打分：

- **提及分（基础门槛，占 30% 权重）**：模型是否点出了你的品牌全称或常用简称。没提到记 0 分；提到了记 100 分。
- **排序分（曝光优先级，占 40% 权重）**：模型推荐往往是有顺序的。如果在推荐清单中位列第 1 位，记 100 分；位列第 2 位，记 80 分；位列第 3 位，记 60 分；在第 4 位及以后，记 40 分；未提及记 0 分。
- **倾向分（内容态度，占 30% 权重）**：模型对品牌的评价态度。如果作为首选推荐并详细列举优势，记 100 分；作为常规并列选项列出，记 70 分；虽提及但指出明显缺陷或参数不足，记 30 分；作为负面预警提及，记 0 分。

单次提问综合得分公式建议如下：

$$\text{单次提问得分} = (\text{提及分} \times 0.3) + (\text{排序分} \times 0.4) + (\text{倾向分} \times 0.3)$$

整套测试中，将所有提示词的得分取算术平均值，就能得到该平台对应的**品牌AI可见度**综合得分。

---

## AI推荐率实测全流程：半天落地从环境隔离到数据归因

为了确保测出来的数据真实客观，不能直接打开自己平时聊天的账号去问。模型会根据你的历史对话偏好调整输出，导致测试结果虚高。在工位上执行测试，需要严格遵守以下步骤：

1. **环境准备与隔离**：打开浏览器的「无痕/隐私窗口」，或者使用新注册的无历史对话账号。每次更换提示词测试前，务必点击「开启新会话」，防止上文干扰模型的判断。
2. **[多平台分发](/glossary/multi-platform/)执行**：国内建议优先测试豆包（字节跳动旗下）、DeepSeek（深度求索）、腾讯元宝、Kimi（月之暗面）以及文心一言；若涉及海外业务，可增加 ChatGPT、Perplexity 进行对照。各引擎偏好的生态不同，国内实测中元宝常引用微信生态，文心依托百度索引与百家号，Kimi 与 DeepSeek 则频繁参考知乎等平台的讨论。
3. **记录引用信源**：不仅要记录打分，还要把回答下方附带的「参考资料链接」复制下来。看看模型到底是通过哪篇文章、哪个百科词条认识你的。如果它推荐了竞品，顺手把竞品的[引用来源](/glossary/citation-source/)也摘出来。
4. **归因归档**：把得分异常高或异常低的提示词标红，对比竞品出现的信源渠道，归纳出后续需要查漏补缺的内容平台。

---

## 交付物：《品牌AI可见度手动打分表与汇报模板》

你可以直接把下面的表格结构复制到 Excel 或飞书表格中，搭建属于自己团队的手动测试底表：

### 1. 实测记录与打分表

| 测试编号 | 提问梯度 | 测试提示词（Prompt） | 测试平台 | 提及情况 (0/100) | 推荐位次 (0-100) | 推荐倾向 (0-100) | 单项得分 | 引用信源类型（知乎/百科/公众号/其他） | 竞品被推荐情况 |
|---|---|---|---|---|---|---|---|---|---|
| T01 | 行业选型 | 2026年国内工业除湿机主流厂家有哪些？推荐5家 | 豆包 | 100 | 60 (第3位) | 70 (常规列出) | 75 | 行业媒体、官网新闻 | 竞品A(第1)、竞品B(第2) |
| T02 | 场景痛点 | 医药车间湿度需控制在30%以下，求推荐除湿设备 | 豆包 | 0 | 0 (未提及) | 0 (未提及) | 0 | 行业采购平台参数页 | 竞品A(第1)、竞品C(第2) |
| T03 | 竞品对比 | 对比【竞品A】与【自家品牌】的除湿机售后与性能 | 豆包 | 100 | 80 (并列) | 70 (中立对比) | 81 | 科技评测站、知乎问答 | 竞品A |
| T04 | 行业选型 | 2026年国内工业除湿机主流厂家有哪些？推荐5家 | 腾讯元宝 | 100 | 100 (第1位) | 100 (主推) | 100 | 微信公众号深度报道 | 竞品B(第2) |

*(注：单项得分计算示例：以 T01 为例，$100 \times 0.3 + 60 \times 0.4 + 70 \times 0.3 = 30 + 24 + 21 = 75$ 分。)*

### 2. 向上汇报结论汇总模板

测试完成后，不要把几十行原始问答直接甩给领导，整理成如下框架汇报最清晰：

```text
【品牌主流 AI 推荐率实测简报】
测试周期：2026年10月
覆盖平台：豆包、DeepSeek、腾讯元宝、Kimi

一、核心结论
1. 品牌综合平均得分：62 分（及格线以上，处于行业第二梯队）。
2. 各平台表现分化：腾讯元宝推荐率最高（85分），豆包中等（60分），DeepSeek最低（42分）。
3. 场景覆盖差异：在「通用选型词」中提及率达 75%，但在「细分场景痛点词」中提及率仅为 25%，大模型普遍缺乏我司具体技术参数语料。

二、竞品态势
竞品 A 在 80% 的测试用例中位列前两名，其高频被引信源主要集中在知乎专业技术帖与行业白皮书。

三、下一步动作建议
针对 DeepSeek 与 Kimi 引用率低的现状，下月集中在知乎平台补充高精度参数解析内容；针对细分场景落地案例进行结构化分发。
```

---