# 品牌 AI 可見度基線怎麼測：一套可複測的方法

> 測量品牌的 AI 可見度基線，不能只問幾次“是否推薦某品牌”。正確做法是固定問題、測試引擎、測試條件和記錄口徑，持續統計品牌是否被提及、是否進入候選、排在什麼位置、哪些頁面被引用，以及競品獲得了多少提及。

來源：https://www.starbox.work/zh-hant/insights/geo-guide/geo082/（星盒AI 知識中心，更新於 2026-09-18）

## 一次回答，不能代表品牌的真實可見度

很多團隊剛開始做 GEO 時，會先在 AI 中搜尋自己的品牌名。回答裏出現了品牌，就認為已經獲得曝光；沒有出現，就馬上準備增加內容。

這兩種判斷都過早。AI 的回答會受到模型版本、聯網檢索結果、賬號狀態、所在地區和測試入口等因素影響。一次出現或一次缺席，都不能直接代表品牌的穩定表現。

GEO 是 Generative Engine Optimization 的縮寫，中文通常譯為“生成式引擎優化”。它關注的是：當用戶向 AI 提問時，品牌能否被識別、進入答案，並獲得可信頁面的支持。

一套可用的 AI 可見度基線，至少要回答四個問題：

1. AI 是否主動提到品牌？
2. 品牌被提及時，位於推薦清單的什麼位置？
3. 回答引用了哪些頁面？
4. 在同一批問題中，競品被提到的頻率是多少？

只有持續記錄這四項，團隊才能判斷後續對內容、官網和外部公開信源所做的調整，是否影響了 AI 的回答。

其中有兩個概念必須分開：

- **品牌提及**：答案正文中出現了品牌名稱。
- **頁面引用**：答案提供了可點擊的來源頁面連結。

品牌被提及，説明 AI 已經識別到這個品牌；頁面被引用，説明某個具體網頁被用作回答依據。兩項都重要，但不能合併成一個數字。

GEO 也不能和 SEO 混在一起計算。SEO 是 Search Engine Optimization 的縮寫，即搜尋引擎優化，主要觀察網頁在搜尋結果中的位置和點擊情況；GEO 主要觀察生成式答案是否提到品牌、是否把品牌列入候選，以及是否引用品牌相關頁面。

兩者的統計對象不同，但基礎工作有交集：網頁需要允許抓取，標題和結構需要清楚，重要事實也要便於檢索和理解。

![品牌 AI 可見度基線怎麼測：一套可複測的方法](/static/img/insights/geo-guide/geo082-2.jpg)

## 第一步：建立固定的問題庫

起步階段不必直接準備幾百條問題。一個便於執行的方案，是先設置30條問題，覆蓋品牌、品類、場景、對比和實體資訊五類。

例如，將30條問題分別放到4個引擎中測試1次，就能得到120個初始觀察點。以後繼續使用同一套問題複測，前後結果才有比較價值。

30條不是固定標準。產品線、市場和語言較多的企業，可以擴展到50條或100條；業務剛起步的團隊，也可以先測試15條。數量可以調整，但進入正式測試後，原問題必須保留。

如果這個月問“最好的XX”，下個月改成“XX供應商哪家可靠”，兩輪結果就不能直接比較，因為問題本身已經變了。

| 問題類型 | 建議數量 | 主要測試內容 | 示例寫法 |
|---|---:|---|---|
| 品牌詞 | 4—6條 | AI掌握了哪些品牌資訊，是否存在事實錯誤 | “介紹一下[品牌全稱]” |
| 品類詞 | 6—8條 | 品牌能否進入泛品類答案 | “2026年[品類]有哪些值得關注的服務商” |
| 場景詞 | 6—8條 | 品牌是否與具體需求建立關聯 | “[行業]要解決[具體問題]，通常怎麼選方案” |
| 對比詞 | 6—8條 | 品牌是否進入候選和比較 | “[品牌A]、[品牌B]、[品牌C]怎麼比較” |
| 實體詞 | 4—6條 | 公司、創始人、資質和主營資訊是否一致 | “[公司全稱]成立於什麼時候，主要做什麼” |

問題應保留真實用戶會使用的表達，不能只使用企業內部的產品名稱。

例如，工業服務企業除了測試“工業數字化解決方案推薦”，還應加入“找[工藝]供應商看什麼”“有[認證]的廠家有哪些”“能不能做小批量”等問題。這些説法更接近用戶實際諮詢和選擇供應商時的表達。

![品牌 AI 可見度基線怎麼測：一套可複測的方法](/static/img/insights/geo-guide/geo082-3.jpg)

## 第二步：根據目標市場選擇測試引擎

測試哪些引擎，應由品牌的目標市場決定。

面向海外市場，可以覆蓋 ChatGPT、Google AI Overviews、Perplexity、Gemini、Claude 等入口。面向中國大陸市場，可以測試豆包、DeepSeek、Kimi、元寶和文心一言；必要時再增加通義千問、秘塔或知乎直答。

不同引擎採用的信源範圍和答案形式並不相同。國內行業觀察中，常見的判斷包括：元寶更容易調用微信生態資訊，文心更依賴百度生態，豆包更常出現字節系內容，Kimi 和 DeepSeek 的回答中較常看到知乎等公開問答來源。

但這些只是行業觀察，不是各平台公開承諾的固定規則。測試前不要預設某個引擎一定會引用哪類信源，應以實際答案和實際引用頁面為準。

即使測試的是同一個引擎，也不能依據一次結果長期下結論。模型更新、檢索索引變化、個性化設置和網頁實時變化，都可能改變回答。Profound 的公開追蹤曾指出，同一問題對應的 Google AI Overviews，也就是 Google 搜尋中的 AI 摘要答案，在較多時間會發生變化，引用來源也可能被替換。

因此，首輪可以把每個問題在每個引擎中執行1次，建立初始記錄；此後再按照相同條件持續複測。

基線的作用，不是證明某一次回答絕對正確，而是建立一個可以重複比較的起點。

## 第三步：統一測試條件

測試環境是基線中最容易被忽略的部分。

每輪測試至少要記錄以下資訊：

- 賬號是否登錄；
- 測試人員所在地區；
- 使用的語言；
- 是否開啓聯網；
- 使用網頁、應用程序還是搜尋入口。

不要一部分問題在登錄狀態下測試，另一部分在未登錄狀態下測試；也不要第一次使用中文，複測時改用英文，卻把兩輪結果直接比較。

建議把同一輪測試集中完成。先確定4至6個引擎，再按照同一題序依次測試。每個問題都應原樣複製，不追問、不補充背景，也不為了讓品牌出現而臨時修改問題。

如果模型反問，應記錄“需要追問”；如果模型明確表示無法核實，也要保留原話。這些同樣屬於測試結果。

企業內部還可以安排兩個人交叉複核部分問題。例如，抽取20%的問題，讓第二個人獨立測試。如果兩人的記錄差異較大，應先檢查賬號狀態、所在地區、使用入口和問題文本是否一致，再判斷差異是否來自答案本身的波動。

## 第四步：每條答案記錄9項資訊

如果只記錄“出現”或“沒出現”，後續很難判斷問題究竟出在哪裏。

建議每條問題都記錄以下9項，並統一放在同一張表中：

| 字段 | 記錄方式 | 後續用途 |
|---|---|---|
| 測試日期和時間 | 精確到日期，必要時記錄時段 | 避免把不同時間的答案混在一起 |
| 引擎和版本入口 | 寫清網頁、應用程序或搜尋入口 | 區分同一品牌下的不同產品入口 |
| 原始問題 | 一字不改地保存 | 複測時直接使用相同問題 |
| 是否提及品牌 | 是／否 | 計算品牌提及率 |
| 候選位置 | 首位、前3、其他、未進入 | 判斷品牌進入推薦後的具體位置 |
| 引用頁面連結 | 原樣保存每一個連結 | 找出真正被採用的頁面 |
| 資訊正確性 | 正確、部分錯誤、明顯錯誤 | 優先處理錯誤的品牌資訊 |
| 競品與數量 | 記錄出現的競品及次數 | 計算競品可見度份額 |
| 截圖或導出連結 | 保存原始證據 | 便於複核，不依賴測試人員記憶 |

“候選位置”必須提前統一定義。

例如，一條答案列出了10個品牌，不能只要品牌出現就算成功。可以將結果分為首位、前3、其餘候選和未進入。排在第2位與排在第9位，對用戶選擇的影響並不相同。

引用頁面也不能只記錄域名。需要進一步區分具體頁面屬於官網產品頁、幫助中心、第三方報道、百科頁面、論壇帖子，還是競品頁面。

完成這一步後，通常可以識別出性質不同的問題。例如：

- 某個問題沒有提到品牌，是因為該問題下的回答主要引用行業協會、標準文件和媒體內容；
- 某個問題提到了品牌，但引用依據是一篇已經過期的報道。

兩種情況的原因不同，處理方式也不同，不能都歸結為“內容不夠多”。

## 第五步：統一四個核心指標的計算口徑

基線階段不必先做複雜的數據看板，但以下四個指標必須使用統一口徑。

### 1. 品牌提及率

計算方式：

`提及品牌的問題數 ÷ 全部有效問題數 × 100%`

例如，30條問題中有9條提到了品牌，品牌提及率就是30%。

如果某條答案報錯、拒答或沒有完成，應單獨標記為無效，不要直接計入分母。

### 2. 候選進入率

這個指標只統計包含“推薦”“供應商”“服務商”“品牌對比”等候選清單的問題。

計算方式：

`進入候選清單的問題數 ÷ 候選類有效問題數 × 100%`

相比只測試品牌名稱，候選進入率更接近用戶實際選擇品牌的過程。

### 3. 引用覆蓋率

計算方式：

`至少有一個自有頁面被引用的問題數 ÷ 全部有效問題數 × 100%`

除覆蓋率外，還應分別記錄引用頁面數和引用域名數。

十個答案都引用同一篇文章，與十個答案分別引用十個不同頁面，代表的覆蓋情況並不相同。

### 4. 競品可見度份額

在每條可以比較的問題中，統計各品牌被提及的次數，再計算：

`某品牌提及次數 ÷ 所有品牌提及總次數 × 100%`

這個數字不是市場份額，只代表該品牌在本次問題庫中的答案份額。報告中必須寫清問題範圍、測試引擎和測試時間，不能把它表述為整個市場的結論。

除以上四項指標外，還應單獨統計事實錯誤率。

如果 AI 把品牌的成立年份、主營業務、所在地或資質資訊説錯，即使品牌提及率很高，也不能認為當前狀態良好。錯誤資訊可能來自舊新聞、目錄站或百科詞條，需要根據實際引用和公開頁面逐項查找來源。

## 第一次測試後，優先檢查三類缺口

完成第一輪測試後，不要急着增加內容數量。先判斷問題屬於哪一類。

### 1. 品牌詞回答正確，品類詞和場景詞中卻沒有品牌

這通常説明 AI 能夠識別品牌，卻沒有穩定建立品牌與具體品類、服務場景或用戶需求之間的關聯。

下一步不應繼續重複發佈公司介紹，而應補充用戶問題對應的頁面，説明品牌適用於哪些場景、不適用於哪些場景、服務邊界是什麼、用戶可以從哪些維度進行比較，以及哪些事實能夠公開核實。

### 2. 回答提到了品牌，但沒有引用自有頁面

這可能説明模型通過已有訓練資訊或其他公開內容知道品牌，卻沒有把品牌官網作為可引用依據。

此時應檢查：

- 官網是否允許搜尋引擎和相關程序抓取；
- 重要內容是否只能通過前端腳本加載；
- 頁面是否有明確的標題、作者和日期；
- 頁面是否提供常見問題（FAQ）和事實來源。

Google 在2025年關於 AI 搜尋的公開説明中仍然強調，面向 AI 功能的內容基礎是做好 SEO。因此，可抓取、可理解的網頁仍應優先處理。

### 3. 頁面被多次引用，但品牌資訊不正確

這種情況應先修正公開的品牌實體資料，再考慮擴大曝光。

需要整理並核對公司全稱、簡稱、創始人、成立時間、主營業務、證書和聯繫方式，確保官網、新聞稿、百科和社交媒體簡介之間保持一致。

AI 不會只依據一個頁面生成答案。多個來源的資訊互相矛盾，回答就更容易出現錯誤。

## 基線建立後，按30、60、90天複測

基線不能只測一次。一個便於執行的複測安排是：

- **第0天：** 建立完整基線；
- **第30天：** 使用原問題庫進行全部複測；
- **第60天：** 再次完成全部複測，並增加一輪新的高價值問題；
- **第90天：** 進行一次完整復盤。

每一輪都應保留舊問題，不能為了讓數據變好而刪除表現不佳的題目。

如果團隊資源有限，也可以每週測試10條核心問題，每月完成一次全部測試。核心問題應優先選擇更接近諮詢、比較和採購的場景，例如“怎麼選”“哪家可靠”“是否適合某行業”“與競品怎麼比”。

周度記錄用於觀察波動，月度記錄用於判斷趨勢，季度復盤再決定後續的內容和渠道投入。

一次複測上漲，不能直接證明某篇文章立即產生了效果；一次下跌，也不能直接説明已有內容已經失效。應先觀察連續兩至三輪的變化，再結合引用頁面、網站收錄情況和第三方提及進行判斷。

GEO 需要持續觀察品牌是否被檢索、理解和引用，不能只在內容發佈後檢查一次。

## 可直接複製的基線表頭

可以直接使用下面這行建立 Excel 或在線表格：

`日期｜市場與語言｜引擎入口｜賬號狀態｜問題編號｜原始問題｜是否提及｜候選位置｜自有引用URL｜引用類型｜資訊是否正確｜競品名稱｜競品次數｜截圖連結｜備註`

先把原始記錄和證據保存完整，再考慮數據看板和自動化。

如果一項“AI 可見度分數”沒有對應的原始問題、原始答案和引用連結，後續既難以復盤，也無法向團隊解釋數字為什麼發生變化。

## 常見問題

### 只搜尋品牌名，能不能作為 AI 可見度基線？

不能。

品牌名測試只能驗證 AI 是否知道這個品牌，不能説明用戶在品類選擇、場景搜尋和競品比較時是否會看到它。

問題庫至少還應加入品類詞、場景詞、對比詞和實體資訊詞。

### 基線問題一定要有30條嗎？

不一定。30條只是便於起步和比較的常用規模。

少於15條時，問題庫容易只覆蓋品牌詞；超過100條後，手工複測成本會明顯增加。應先覆蓋五類問題，再根據業務複雜度調整數量。

### AI 沒有提供引用連結，應該怎麼記錄？

直接記錄“無引用”，不要自行推測來源。

如果答案提到了品牌但沒有連結，可以計入品牌提及率，不能計入引用覆蓋率。把兩項分開，才能判斷問題出在品牌認知，還是頁面沒有成為回答依據。

### 為什麼同一個問題今天和明天的答案不同？

聯網檢索結果、模型版本、索引更新和回答策略都可能發生變化。

不要把單次回答作為最終判定。保持問題和測試環境一致，連續記錄多輪。趨勢比某一次答案更有參考價值。

### 競品可見度份額較高，是否應該立即增加大量外鏈？

應先查看競品被引用的具體頁面。

如果競品主要依靠標準文檔、行業媒體或資訊清楚的產品事實頁獲得引用，應優先補充同類可信內容；如果只是受到某個短期熱點影響，可以再觀察兩輪。

增加連結數量，並不等於提高頁面被引用的可能性。

### 國內和海外市場能否使用同一套問題？

核心意圖可以保持一致，但具體表達和測試引擎應分別設置。

海外用戶可能更關注認證、最低起訂量（MOQ）和交付週期；國內用戶可能更關注案例、預算和平台生態。兩套問題可以沿用相同的分類方式，再根據市場和語言分別改寫，不能把英文題機械翻譯後直接比較。

### 基線分數達到多少才算合格？

沒有適用於所有行業的統一標準。

新品牌、細分品類、大眾消費品牌和企業對企業（B2B）的長決策業務，初始情況可能相差很大。第一輪測試最重要的作用，是建立品牌自己的初始參照值。

之後要觀察的，不是某一次分數是否好看，而是品牌提及率、候選進入率、引用覆蓋率和事實錯誤率是否在持續改善。

一套基線是否有用，取決於每個數字能不能找到對應的問題、答案和引用證據。記錄完整，後續的複測、比較和調整才有依據。