# 不買監測工具，如何用一張表格完成品牌AI推薦率實測？

> 測品牌在AI裏的推薦表現，不需要花錢買監測系統。按照真實買家邏輯設計3套梯度提問，用無痕模式在主流平台各跑一遍，填入統一表格核算得分，半天就能得出客觀的AI推薦率實測報告。

來源：https://www.starbox.work/zh-hant/insights/geo-guide/2026-10-21-manual-geo-testing-sheet/（星盒AI 知識中心，更新於 2026-10-21）

你可能正在經歷這樣的場景：早上一打開行業資訊，管理層就發來微信，要求市場團隊儘快做一次**AI推薦率實測**，摸清自家品牌在主流對話助手裏究竟排在第幾名、有沒有被優先推薦。

手頭沒有動輒數萬元預算去採購專門的數據監測軟件，普通市場或運營人員在工位上能不能做？

完全能做。監測軟件底層做的事情，無非是用程序批量向對話引擎發[提示詞](/zh-hant/glossary/prompt/)並提取文本。只要你掌握了標準化的測試句式與量化打分邏輯，一張普通的電子表格就能充當精準的測算工具。

---

## 誤區：做AI推薦監測必須依賴昂貴的自動化軟件？

很多人把 AI 推薦監測看得很神秘，以為必須接入 API、搭建數據看板才能拿到真實數據。

這種想法忽視了對話引擎的輸出機制。多數商業監測工具做的事情，同樣是模擬固定提問並抓取答案中的實體名稱。自動化工具適合監測幾百個長尾詞的日常波動，但在釐清「核心業務場景下 AI 到底推不推我們」這件事上，人工實測反而更精準。

自動化程序往往只能識別機械的字符匹配，很難判斷 AI 給出評價時的真實態度。很多時候品牌名字雖然出現在文本里，扮演的卻是「不推薦的反面案例」或者「湊數備選項」。

把測試邏輯拆解清楚，人工抽樣測試不僅零成本，還能幫你摸清各個平台在回答業務訴求時的信源引用偏好。

---

## 神秘顧客測試法：用 3 個梯度的提問模板模擬買家

對話引擎不是傳統的關鍵詞搜尋引擎，不能只扔一個孤獨的品類詞進去看排名。買家向大模型提問，通常伴隨着具體的選型訴求或痛點。

我建議借鑑線下零售的「神秘顧客暗訪法」，把測試提示詞分為三個不同深度。

1. **行業通用選型詞（寬口徑認知）**：測試模型的基礎語料庫裏是否有你的實體記憶。例如：「2026年國內做工業除濕機的廠家有哪些？請推薦5家主流供應商。」
2. **場景與痛點訴求詞（垂直匹配度）**：測試模型在遇到細分業務條件時，能否把你的方案和需求建立關聯。例如：「醫藥車間需要控制相對濕度在30%以下，有哪些靠譜的除濕設備品牌？請按技術參數對比。」
3. **競品正面指名對比（競品替代度）**：測試在存量競爭場景下，模型對你與頭部競品的能力歸納。例如：「對比【競品A】與【自家品牌】，在售後響應和定製能力上各自有什麼優勢與短板？」

設計提問時，不要夾帶任何誘導性詞彙。不要問「為什麼某品牌是最好的」，而是讓模型站在客觀中立的採購顧問角度給建議。

---

## AI答案打分規則：怎麼把一段模型文本換算成分數？

AI 給出的文本是一大段話，怎麼向管理層彙報成清晰的百分比？關鍵在於建立一套統一的打分標尺。我們可以將每個引擎的回答拆解為三個維度進行打分：

- **提及分（基礎門檻，佔 30% 權重）**：模型是否點出了你的品牌全稱或常用簡稱。沒提到記 0 分；提到了記 100 分。
- **排序分（曝光優先級，佔 40% 權重）**：模型推薦往往是有順序的。如果在推薦清單中位列第 1 位，記 100 分；位列第 2 位，記 80 分；位列第 3 位，記 60 分；在第 4 位及以後，記 40 分；未提及記 0 分。
- **傾向分（內容態度，佔 30% 權重）**：模型對品牌的評價態度。如果作為首選推薦並詳細列舉優勢，記 100 分；作為常規並列選項列出，記 70 分；雖提及但指出明顯缺陷或參數不足，記 30 分；作為負面預警提及，記 0 分。

單次提問綜合得分公式建議如下：

$$\text{單次提問得分} = (\text{提及分} \times 0.3) + (\text{排序分} \times 0.4) + (\text{傾向分} \times 0.3)$$

整套測試中，將所有提示詞的得分取算術平均值，就能得到該平台對應的**品牌AI可見度**綜合得分。

---

## AI推薦率實測全流程：半天落地從環境隔離到數據歸因

為了確保測出來的數據真實客觀，不能直接打開自己平時聊天的賬號去問。模型會根據你的歷史對話偏好調整輸出，導致測試結果虛高。在工位上執行測試，需要嚴格遵守以下步驟：

1. **環境準備與隔離**：打開瀏覽器的「無痕/隱私窗口」，或者使用新註冊的無歷史對話賬號。每次更換提示詞測試前，務必點擊「開啓新會話」，防止上文干擾模型的判斷。
2. **[多平台分發](/zh-hant/glossary/multi-platform/)執行**：國內建議優先測試豆包（字節跳動旗下）、DeepSeek（深度求索）、騰訊元寶、Kimi（月之暗面）以及文心一言；若涉及海外業務，可增加 ChatGPT、Perplexity 進行對照。各引擎偏好的生態不同，國內實測中元寶常引用微信生態，文心依託百度索引與百家號，Kimi 與 DeepSeek 則頻繁參考知乎等平台的討論。
3. **記錄引用信源**：不僅要記錄打分，還要把回答下方附帶的「參考資料連結」複製下來。看看模型到底是通過哪篇文章、哪個百科詞條認識你的。如果它推薦了競品，順手把競品的[引用來源](/zh-hant/glossary/citation-source/)也摘出來。
4. **歸因歸檔**：把得分異常高或異常低的提示詞標紅，對比競品出現的信源渠道，歸納出後續需要查漏補缺的內容平台。

---

## 交付物：《品牌AI可見度手動打分表與彙報模板》

你可以直接把下面的表格結構複製到 Excel 或飛書表格中，搭建屬於自己團隊的手動測試底表：

### 1. 實測記錄與打分表

| 測試編號 | 提問梯度 | 測試提示詞（Prompt） | 測試平台 | 提及情況 (0/100) | 推薦位次 (0-100) | 推薦傾向 (0-100) | 單項得分 | 引用信源類型（知乎/百科/公眾號/其他） | 競品被推薦情況 |
|---|---|---|---|---|---|---|---|---|---|
| T01 | 行業選型 | 2026年國內工業除濕機主流廠家有哪些？推薦5家 | 豆包 | 100 | 60 (第3位) | 70 (常規列出) | 75 | 行業媒體、官網新聞 | 競品A(第1)、競品B(第2) |
| T02 | 場景痛點 | 醫藥車間濕度需控制在30%以下，求推薦除濕設備 | 豆包 | 0 | 0 (未提及) | 0 (未提及) | 0 | 行業採購平台參數頁 | 競品A(第1)、競品C(第2) |
| T03 | 競品對比 | 對比【競品A】與【自家品牌】的除濕機售後與性能 | 豆包 | 100 | 80 (並列) | 70 (中立對比) | 81 | 科技評測站、知乎問答 | 競品A |
| T04 | 行業選型 | 2026年國內工業除濕機主流廠家有哪些？推薦5家 | 騰訊元寶 | 100 | 100 (第1位) | 100 (主推) | 100 | 微信公眾號深度報道 | 競品B(第2) |

*(注：單項得分計算示例：以 T01 為例，$100 \times 0.3 + 60 \times 0.4 + 70 \times 0.3 = 30 + 24 + 21 = 75$ 分。)*

### 2. 向上彙報結論彙總模板

測試完成後，不要把幾十行原始問答直接甩給領導，整理成如下框架彙報最清晰：

```text
【品牌主流 AI 推薦率實測簡報】
測試周期：2026年10月
覆蓋平台：豆包、DeepSeek、騰訊元寶、Kimi

一、核心結論
1. 品牌綜合平均得分：62 分（及格線以上，處於行業第二梯隊）。
2. 各平台表現分化：騰訊元寶推薦率最高（85分），豆包中等（60分），DeepSeek最低（42分）。
3. 場景覆蓋差異：在「通用選型詞」中提及率達 75%，但在「細分場景痛點詞」中提及率僅為 25%，大模型普遍缺乏我司具體技術參數語料。

二、競品態勢
競品 A 在 80% 的測試用例中位列前兩名，其高頻被引信源主要集中在知乎專業技術帖與行業白皮書。

三、下一步動作建議
針對 DeepSeek 與 Kimi 引用率低的現狀，下月集中在知乎平台補充高精度參數解析內容；針對細分場景落地案例進行結構化分發。
```

---