怎么查 AI 到底怎么说你的品牌

太长不看（TL;DR）

AI 是否提到品牌、说了什么、引用了谁，是三个不同问题。本文教你打开 BrandGEO 追踪台 Overview，先读一次探测的回答原文和平台日期，再看汇总指标与趋势；数据点不足时先保留样本，别把一次回答当成长期结论。

AI 眼里的你，和你以为的你，很可能不一样

你有没有打开 ChatGPT，搜过自己品牌的名字？如果你经营的不是苹果、耐克这样的大公司，AI 的回答大概率会让你意外——要么信息过时，要么细节失真，要么压根没提到你。

这不是个案。SparkToro 联合 Gumshoe.ai 做了一项到目前为止公开记录中规模较大的 AI 推荐一致性研究：600 名志愿者用 12 个相同的提示词在 ChatGPT、Claude 和 Google AI 上总共跑了 2,961 次。[1] 结论让人不安：同一个问题问 100 次，收到完全相同品牌列表的概率不到 1%。把排序也算上，一致概率降到千分之一以下。

换句话说，AI 不是一个给你打了固定分数的考试系统，而更像是一个每次开口都在"重新决定推荐谁"的导购。你的品牌可能这一次被推荐，下一次就不见了。

这种不稳定有多严重？SE Ranking 对 10,000 个关键词的研究发现，Google AI Mode 在同一天对同一个查询跑三次，只有 9.2% 的引用 URL 保持一致；21.2% 的情况下，三次结果之间没有任何 URL 重叠。[2] 另一项独立研究显示，只有 30% 的品牌能在连续两次 AI 回答中保持可见；能在连续五次回答中稳定出现的品牌，只有 20%。[3]

问题还不止于"有没有提到你"。BrightEdge 的研究发现，Google AI Overviews 给品牌负面评价的概率比 ChatGPT 高 44%。[4] 两个平台的触发逻辑也不同：Google 的负面评价多由新闻事件驱动（诉讼、数据泄露、产品召回），而 ChatGPT 更多是在"值不值得买"这类评价型问题上表达保留意见。Spotlight 分析了超过 180 万条 AI 提及品牌的回答，其中 80.6% 是中立或正面的，但剩下的 19.4% 负面或消极——如果你根本不知道 AI 在说什么，这些负面内容就会在你看不见的地方影响潜在客户。[5]

"把 AI 工具当成能给出一致答案的信息来源，这个想法是可以被证伪的。"——Rand Fishkin，SparkToro 联合创始人 [1]

那你可能会想：既然 AI 回答这么不稳定，是不是干脆不用管了？恰恰相反。正因为回答不稳定，你更需要持续监测——不是看某一次快照，而是追踪在大量回答中你的品牌出现的比例趋势。SparkToro 的研究也发现了一个好消息：虽然单次回答高度随机，但当你把同一类问题跑 60–100 次，品牌的"出现频率"（visibility percentage）是稳定的。[1] 比如在耳机类问题中，Bose、Sony、Apple 无论怎么换问法，出现率都稳定在 55%–77%。

这意味着：你不需要纠结某一次 AI 有没有提到你。你需要看的是——在足够多次回答中，你的品牌出现的比例是多少，这个比例是在上升还是下降。

正如 Similarweb CEO Or Offer 在 2025 年生成式 AI 版图报告中所说：

"消费者现在开始在 AI 助手内部开启旅程，在他们到达任何网站之前就已经在形成偏好、决定信任谁。"——Or Offer，Similarweb CEO [6]

这正是 Track 追踪台 Overview 页面要帮你做的事。

先手动试一下：AI 现在怎么说你

在看追踪台数据之前，建议你先自己跑一遍，建立直觉。

打开 ChatGPT（或者 Perplexity、Google Gemini），输入这三个问题：

1. "[你的品牌名] 是什么？"
2. "推荐一个做 [你的品类] 的工具/品牌"
3. "[你的品牌名] 和 [最大竞品名] 比，哪个更适合 [你的典型客户]？"

把 AI 的回答截图保存。然后过几个小时，再问一遍完全相同的问题。对比两次回答——品牌提及的位置、引用的来源、描述的措辞，很可能已经变了。

这个手动测试能帮你理解两件事：第一，AI 确实在谈论你的品类（或者完全没有）；第二，每次回答的内容确实在变化。但手动测试的问题是——你不可能每天把 20 个问题在 5 个平台上各跑 3 遍。这就是为什么你需要自动化追踪。

如果你的网站已经在 BrandGEO 做过体检，Track 追踪台会在每次体检后自动运行一组探测题（prompt probes），把 AI 的原始回答收集回来，展示在 Overview 页面上。

手把手：读懂 Track Overview 页面

Track 追踪台位于 /site/你的域名/track，有 5 个标签页：Overview、Prompts、Citations、Competitors、Actions。Overview 是总览入口——你可以把它理解为 AI 对你品牌看法的"体检报告首页"。

下面分三个区块讲解你会看到什么、怎么读。

第 1 步：看 AI 原文摘录卡片——AI 到底说了什么

页面最突出的区域是 AI 原文摘录卡片。它展示的是某次探测中 AI 回答的完整原文——不是摘要、不是分数，而是 AI 用自己的话说的关于你品牌的那段话。

AI 原文摘录卡片：完整展示 AI 引擎的原始回答、来源平台和探测日期。你看到的就是用户在 ChatGPT/Perplexity/Gemini 里看到的那段话。

卡片上有三个关键信息：

• 回答原文：AI 完整的回答文本。注意看它是否提到了你的品牌名、描述是否准确、在推荐列表中的位置（第一个被提到还是最后一个）。
• 来源引擎：这条回答来自哪个 AI 平台（ChatGPT、Perplexity、Gemini 等）。不同平台的回答差异很大——Vismore 的 750 次响应审计发现，同一组提示词的引用率在不同引擎之间相差 3 倍。[6]
• 探测日期：什么时候采集的。因为 AI 回答不断变化，日期帮你判断这条信息的时效性。

读这张卡片时，重点看三件事：

第一，有没有提到你。如果 AI 在回答一个和你品类直接相关的问题时完全没提到你，这是一个信号——你在这个话题上对 AI 来说是"不存在"的。

第二，描述是否准确。Vismore 的审计发现，11.2% 的品牌提及包含至少一个事实错误，最常见的是过时的定价和已废弃的功能。[6] 如果 AI 说你的产品"售价 $99"但你已经调到 $149，或者说你"不支持中文"但你早就支持了，这些错误信息会直接影响潜在客户的判断。这也是为什么建立品牌档案如此重要——给 AI 可靠的事实来源。

第三，情感倾向。AI 是在推荐你、中立描述你、还是在提示潜在问题？Spotlight 的分析显示，ChatGPT 的正面与负面比例大约是 27:1，Google AI Overviews 大约是 21:1。[4] 如果你看到的描述偏负面，这可能是一个需要优先处理的问题——通过改善网站上的结构化信息和第三方评价来源。

第 2 步：看 5 个汇总指标——你的 AI 可见度全局

原文摘录告诉你"AI 说了什么"，而 5 个汇总指标格子告诉你"全局怎么样"。这 5 个数字是你最应该定期检查的核心仪表盘。

五个指标格子：快速掌握你的品牌在 AI 中的全局表现。点击任何一个格子可以跳到对应的详情 Tab 深入查看。

每个指标的含义：

总分——综合评估你的品牌在 AI 搜索中的可见度。这是一个聚合指标，把多次探测的结果综合成一个数字，帮你在不同时间点之间做对比。行业研究者提出的类似评分体系（如 AI Visibility Score）通常涵盖提及率、位置质量、引用率、情感指数和品牌声量占比这几个维度。[6]

AI 引荐次数——在所有探测问题中，AI 明确推荐或提及你品牌的次数。需要注意的是，"提及"（mention）和"引用"（citation）是不同的。提及是 AI 在回答中写了你的品牌名，引用是 AI 把你的网站链接列为来源。提及影响认知，引用带来流量——两个都需要追踪。

自然提及率——你的品牌在未指定品牌名的问题（unbranded prompts）中被自然提及的比例。这是最能反映"AI 是否主动推荐你"的指标。研究显示，在无品牌提示词的情况下，单个品牌的平均提及率只有 0.34%。[7] 如果你的自然提及率高于品类平均值，说明你在 AI 的"推荐名单"上有位置。

自有引用数——AI 在回答中引用了你自己网站（而非第三方网站）的次数。Muck Rack 2026 年的分析发现，84% 的 AI 引用指向的是第三方媒体而非品牌自有内容。[8] 所以不要指望 AI 主要从你的官网拉信息——但自有引用数的变化趋势能告诉你，你的内容优化（比如添加 FAQ、更新技术基础）有没有在起作用。

体检次数——你已经跑了多少轮体检。这个数字的重要性在于：数据量决定趋势图的可靠性。SparkToro 的研究建议至少需要 60–100 次探测才能得到统计意义上稳定的可见度百分比。[1] 追踪台会在数据点不足时提示你"再等 N 次体检解锁趋势图"。

每个指标格子都可以点击，跳转到对应的详情 Tab。比如点击"AI 引荐次数"会跳到 Prompts 探测题库，在那里你可以逐条看每个问题的 AI 原始回答。

第 3 步：看双折线趋势图——方向比数字重要

Overview 页面底部是一张双折线趋势图，用 SVG 手绘方式展示两条曲线：分数趋势和提及率趋势。

双折线趋势图：蓝色是综合分数趋势，绿色是提及率趋势。方向比绝对数值更重要——两条线都向上走，说明优化在起效。

为什么趋势比快照重要？因为 AI 回答的高度随机性意味着任何单一时间点的数据都是噪声——同一天同一个问题跑三次，38% 的情况下品牌列表会发生变化。[6] 只有把多次体检的数据串起来看趋势，才能分辨出真实的进步和随机波动。

读趋势图时关注三件事：

方向：两条线的整体走向。如果你在过去几周做了技术修复或内容优化，先观察趋势是否变化，不要预设一定上扬。一份从业者指南引用了 60–90 天内改善的案例，[9] 但它不是所有品牌都能获得 30%–40% 增长的基准。

分数和提及率是否同步：如果分数在上升但提及率持平，可能说明你的技术基础在改善（AI 能更好地读取你的网站），但还没转化为更多的品牌推荐。这时候需要看竞品对比数据，找出 AI 在推荐竞品时引用了哪些你没有的信息来源。

门槛提示：如果你只跑了一两次体检，趋势图区域会显示"再等 N 次体检解锁趋势图"。这不是 bug——追踪台在保护你，避免你从不够充分的数据中得出错误结论。按照研究建议，持续跑几轮体检后再开始解读趋势。

做完后你会看到什么

当你在 Overview 页面花 5 分钟浏览完这三个区块（AI 原文摘录 → 5 个汇总指标 → 趋势图），你会对自己品牌在 AI 搜索中的处境有一个清晰的全局判断：

• AI 有没有在谈论你（原文摘录卡片告诉你）
• 谈论的频率和准确性如何（5 个指标格子告诉你）
• 情况是在变好还是变差（趋势图告诉你）

如果趋势不理想，Overview 只是起点——你可以从这里进入更深的分析：

• 想知道具体哪些问题 AI 提到了你、哪些没有？→ 点 Prompts 探测题库
• 想知道 AI 引用的是你网站的哪个页面？→ 点 Citations 引用来源
• 想知道同一个问题 AI 推荐了你还是竞品？→ 点 Competitors 竞品对比
• 想知道接下来先做什么优化？→ 点 Actions 行动计划

每次体检后，Overview 数据会自动更新。如果你刚做了一轮修复（比如加了 llms.txt、补了 FAQ、更新了品牌档案），回来看 Overview 的趋势变化，就是在验证"我做的事有没有用"。这是整个 GEO 复检流程中"复检"环节的核心：修复 → 再体检 → 看 Overview 趋势 → 决定下一步。

完整的 Overview 页面：一屏看完 AI 对你品牌的全部关键信息。

常见问题

AI 说我品牌的信息是错的，怎么办？

这很常见。Vismore 的审计发现，11.2% 的品牌提及包含至少一个事实错误。[6] 你不能直接"纠正"AI——它不是一个数据库。但你可以改善 AI 的信息来源：确保你的网站有准确、结构化的品牌信息（建立品牌档案），添加 schema 标记帮助 AI 更准确地理解你的产品，以及在 AI 经常引用的第三方平台（如 Reddit、Wikipedia、G2）上保持一致的品牌描述。

为什么每次看到的 AI 原文摘录都不一样？

因为 AI 模型在设计上就是概率性的——每次生成回答时都在重新"采样"。SparkToro 的研究证实了这一点：即使在完全相同的条件下，AI 的引用来源和品牌提及在两天之间的重叠率只有 34%–42%。[1] 这不是追踪台的问题，而是 AI 本身的工作方式。这也是为什么你应该关注趋势而非单次快照。

多久看一次 Overview？

建议每次体检后看一次，至少保持每周一次的节奏。研究表明，每周 7 天滚动平均值是最可靠的报告周期——比每日数据噪声小得多，又比月度数据反应更快。[6] 如果你正在执行一轮密集的优化（比如刚加了 llms.txt、改了 FAQ），可以在优化后一到两周看看趋势有没有变化。

我只做了一次体检，Overview 里的数据有用吗？

有用，但要谨慎解读。一次体检能告诉你 AI 现在怎么说你的品牌（通过原文摘录）和基线指标（通过 5 个格子），但趋势图需要多次体检的数据才有意义。追踪台会在数据点不够时提示你。建议至少跑 3–5 次体检后再开始做趋势判断。

ChatGPT 有 9 亿周活跃用户，但来自 AI 搜索的流量目前还很小，值得投入吗？

值得。虽然 AI 搜索目前只占全球互联网流量的 0.15%–0.25%，但关键在转化率：来自 AI 搜索的访客在交易类网站上的转化率约为 7%，是 Google 自然搜索转化率的 4.4 倍。[6] 而且 AI 搜索的影响远不止直接流量——AI 的品牌推荐会影响用户的心智，即使用户没有立即点击链接，品牌被提及本身就会带来 4–6 周后的品牌搜索量上升。

怎么判断我的品牌 AI 可见度算好还是差？

看 Share of Model（品牌声量占比）——你的品牌被提及的次数占同一组问题中所有品牌被提及总次数的比例。Vismore 审计中，品类领导者的平均 Share of Model 是 22.4%。[6] 达到 18% 以上通常被认为是竞争力较强的水平。但更重要的是趋势——你的占比在上升还是下降。

不同 AI 平台的结果差异大吗？

非常大。不同的 AI 模型提及品牌的频率差异显著——Claude 在 97.3% 的回答中提及品牌，而 Google AI Overviews 只有 48.5%。[10] ChatGPT 占 AI 引荐流量的 87.4%，[11] 但 Google Gemini 的引荐流量同比增长了 388%。[6] 这就是为什么 Track 追踪台的原文摘录卡片会标注来源引擎——帮你分辨不同平台的差异。

Overview 和 Track 里其他 Tab 的关系是什么？

Overview 是总览入口。它展示的是汇总后的全局图景——像仪表盘。当你发现某个指标需要深入了解（比如"自然提及率为什么在下降？"），你点击对应格子进入详情 Tab：Prompts 看逐条探测结果，Citations 看 AI 引用了哪些页面，Competitors 看竞品对比，Actions 看行动优先级。从全局到细节，这是推荐的阅读路径。

来源

1. Fishkin, R. & O'Donnell, P. "Why AI Brand Recommendations Change With Every Query." SparkToro/Gumshoe.ai, 2025. 600 名志愿者、12 个提示词、2,961 次 AI 回答的一致性研究。综合报道
2. SE Ranking. "AI Mode URL Consistency Study." 2026. 10,000 关键词，同日三次查询仅 9.2% URL 一致。综合报道
3. AirOps. "The 2026 State of AI Search: How Modern Brands Stay Visible." 2026. 30% 品牌连续可见率数据。报告
4. BrightEdge. "When AI Goes Negative: Google AI Overviews vs ChatGPT." 2026. 负面情感对比分析。报告
5. Spotlight. "Comprehensive Guide to Sentiment Analysis of Brand Mentions in ChatGPT." 2026. 180 万条 AI 回答的情感分布分析。文章
6. Vismore. "Best Ways to Track Brand Mentions in AI Search (2026 Guide + 750 Response Study)." 750 次响应审计，涵盖引用率差异、38% 变异率、11.2% 事实错误率、AI Visibility Score 框架。报告
7. Search Engine Journal / Peec. "Prompt Tracking: Does prompt variance % impact brand mentions?" 2026. 无品牌提示词平均提及率 0.34%。文章
8. Muck Rack. "The State of AI Citations 2026." 2,500 万条引用链接中，平均 84% 指向品牌非自有来源。报告
9. Vismore. "Best Ways to Track Brand Mentions in AI Search." 2026. 从业者指南引用若干 60–90 天改善案例；不作为普遍增长基准。指南
10. Rocketblue. "Tracking Brand Mentions in AI Chatbots (Feb 2026 data)." Claude 97.3% vs Google AI Overviews 48.5% 品牌提及率。文章
11. Conductor. "2026 AEO/GEO Benchmarks Report." November 2025. ChatGPT 占 AI 引荐流量 87.4%。报告

最后更新：2026-07-23

你的品牌在 AI 里被怎么说？打开 BrandGEO，免费体检你的网站 → 到 Track 追踪台看 AI 原文摘录。 立即体检