「AI 有沒有提到我的品牌」看起來是一個問題，其實藏著三個。你的名字出現在 ChatGPT 的回答裡、你的網站被列成引用來源、AI 直接把你講成「這種情況建議選 X」，是三件完全不同的事。多數品牌在 AI 能見度上做錯的第一步，就是把這三層混成一團，然後盯著最容易看到、卻最不值錢的那一層。
先把三個詞分清楚
在 GEO 與 AEO 的討論裡，mention、citation、recommendation 常被交替使用，但它們對應的是三種不同的能見度，也對應到三種不同的優化動作。搞混它們，你會用錯力氣：明明該補內容的權威性，卻一直在改標題；明明缺的是被推薦的理由，卻只顧著讓名字出現得更頻繁。
- 提及（mention）：AI 生成的答案文字裡出現你的品牌名，可能只是一句帶過，甚至沒有連結。
- 引用（citation）：AI 把你的網頁列為資訊來源，通常附上可點擊的連結或標註，代表模型「參考了你」。
- 推薦（recommendation）：使用者問「該選哪一個」時，AI 主動把你放進建議名單，甚至排在第一個。
提及：名字出現，不代表被看見
提及是門檻最低的一層。使用者問「台灣有哪些 B2B 內容代理商」，AI 在列舉時順手寫到你的名字，這就算一次提及。它有價值，因為代表模型的訓練資料或即時檢索裡有你的存在感。但它也最容易被高估。一個名字夾在十個品牌中間、沒有描述、沒有連結，帶來的實際影響接近於零。更麻煩的是，提及不保證正確，AI 可能把你的定位講錯，或把競品的功能安到你頭上。只追蹤「有沒有被提到」，你會漏掉「被怎麼提到」這個更關鍵的問題。
引用：AI 願不願意把你當來源
引用比提及高一階。當 Perplexity 或 AI 概覽（AI Overviews）在答案下方列出來源，其中一條指向你的網站，這就是引用。它的意義在於：模型不只知道你存在，還判斷你的內容夠可信，值得拿來支撐它的回答。引用會直接帶進點擊與流量，也是少數能在 AI 答案裡「贏得版位」的方式。這裡有個常被忽略的落差——你可以被大量提及，卻幾乎不被引用。原因多半出在內容結構：資訊埋在冗長段落裡、缺少清楚的定義句、沒有可獨立抽取的重點，模型讀得到你的名字，卻抓不到能直接引用的句子。
被提及是別人在講你，被引用是 AI 願意站在你的內容後面。前者是聲量，後者才是信任。— Tenten GEO 顧問團隊
推薦：從被看見到被選擇
推薦是三層裡最靠近成交的一層。使用者不再只是問「有哪些選項」，而是問「我這種情況該選誰」，AI 直接把你講成答案。這時候的能見度已經帶有立場，模型是在替你背書。要進到這一層，光有名字和來源還不夠，你得讓 AI 有理由選你：清楚的適用情境、可比較的優劣、真實的客戶結果、與競品的差異點。B2B 採購尤其吃這一套，因為決策者常把 AI 當成初步篩選顧問。AI 給出的推薦名單，很可能就是他們第一輪要聯絡的名單。
為什麼要把這三層分開看
分開看，是因為它們的修法不一樣。提及不足，代表市場對你的品牌認知不夠，要補的是內容覆蓋率與被談論的頻率；引用不足，代表你的內容不好被模型抽取，要補的是結構化、定義句、資料佐證與權威訊號；推薦不足，代表 AI 找不到選你的理由，要補的是差異化定位、使用情境與可驗證的成果。把三個指標壓成一個模糊的「AI 能見度」數字，你既看不出缺口在哪，也無從判斷該先動哪一塊。
該怎麼開始追蹤這三個指標
追蹤不必一開始就上工具。先用一組固定的提問，手動在 ChatGPT、Perplexity、Gemini 上各跑一輪，記錄結果，就能建立第一份基準。重點是把問題設計得像真實買家會問的樣子，而不是自問自答的品牌名。
- 列出 15 到 30 個買家真的會問的問題，涵蓋「有哪些選項」「該選哪一個」「X 和 Y 差在哪」三種句型。
- 在每個主要 AI 平台各跑一次，分別記下：有沒有被提及、有沒有被列為引用來源、有沒有被主動推薦。
- 同一組問題固定每兩週或每月重跑一次，AI 答案會隨模型更新與內容變動而改變，單次快照沒有意義。
- 把競品也一起記。能見度是相對的，你要知道的是在同一個問題下，誰被推薦、你排第幾。
分清楚提及、引用、推薦，你才問得出對的問題：不是「AI 有沒有講到我」，而是「在買家真正會問的那些問題裡，我卡在哪一層」。想知道自己的三層缺口分別長什麼樣、該從哪一塊先補，可以預約一場 30 分鐘的 GEO 診斷（/contact），我們用你的實際買家問題，當場跑一輪給你看。
