在 ChatGPT 隨手問一句「推薦幾家台灣的 SaaS 顧問」，看到自家名字就鬆一口氣，這不是稽核，是抽獎。同一句話換個帳號、關掉記憶、隔天再問，答案很可能就變了。稽核要看的不是「有沒有被提到」，而是在固定條件下，你被提及的頻率、被放在第幾順位、以及有沒有附上可點擊的來源連結。這三件事量化得出來，才叫稽核。
先分清楚「被引用」的三個層級
很多人把三種完全不同的狀況混在一起講，導致稽核結果失真。第一種是模型在生成的文字裡提到你的名字，但沒有連結；第二種是 Perplexity 或開啟搜尋的 ChatGPT 在答案旁列出來源卡片，使用者點得進你的網站；第三種是模型在「推薦一家」時直接把你當首選。三者的商業價值差很多，稽核時要分開記。
- 純文字提及：名字出現在答案裡，沒有連結、沒有排序意義。這是基本盤，但很容易被競品稀釋。
- 來源引用：答案旁出現你的網址卡片，使用者點得進來。這是 GEO 真正要搶的位置。
- 首選推薦：模型在「只推薦一家」時第一個講你，或整段只講你。稽核裡最稀有、也最值錢的訊號。
開始問之前，先固定四個變因
稽核跟做實驗一樣，變因不固定，資料就沒有意義。你今天用登入帳號問、明天用無痕視窗問，模型調用的個人化記憶不同，結果自然對不起來。跑稽核前，把下面四件事寫死。
- 帳號與記憶：一律用登出或無痕狀態，並關閉 ChatGPT 的「參考聊天記錄」，排除個人化污染。
- 平台與模式：分開跑 ChatGPT（含搜尋模式）、Perplexity、Google AI Overviews、Gemini，各自記錄，不要混算。
- 語言與地區：用你目標客戶的語言問。台灣 B2B 就用繁體中文問，英文問法的答案不能拿來代表台灣市場。
- 提問時間：同一批提示詞盡量在同一天內跑完。模型索引與即時檢索每天都在變，跨週的資料不可比。
提示詞範本：五種問法，直接複製
一個問法問不出全貌。真實使用者會用不同角度逼近同一個需求：有人問類別、有人指名比較、有人帶著情境。下面五類提示詞把買家旅程從「還不認識你」到「已經在考慮你」覆蓋一遍。把〔類別〕〔品牌〕〔情境〕換成你自己的字。
- 類別探索型：「我想找〔類別，例如台灣的 B2B GEO/SEO 代理商〕，請推薦幾家並說明各自擅長什麼。」看你會不會出現在沒有指名的清單裡。
- 指名比較型：「〔你的品牌〕和〔主要競品〕相比，在〔服務項目〕上有什麼差別？」看模型認不認得你、講得對不對。
- 情境需求型：「我是一家〔產業〕的 SaaS，想提升在 AI 搜尋的能見度，該找誰、該怎麼開始？」看你會不會被帶進解法裡。
- 事實查核型：「〔你的品牌〕提供哪些服務？價格與服務範圍是什麼？」檢查模型講的內容正不正確、有沒有過時。
- 來源要求型：「請推薦〔類別〕，並附上你參考的來源網址。」專門逼出來源引用層級，看你的網站有沒有被連出去。
ChatGPT 與 Perplexity 要分開看
兩者的引用機制不一樣。Perplexity 幾乎每個答案都會附編號來源，稽核時可以直接數你的網址出現在第幾條、被引用幾次，訊號很乾淨。ChatGPT 則要區分純模型回答與開啟搜尋的回答：前者靠訓練與記憶，你能不能被提及取決於長期的品牌聲量；後者會即時檢索網頁並附連結，比較接近 Perplexity。跑 ChatGPT 時兩種模式各問一次，這中間的落差本身就是情報。
把回答變成分數：一張表就夠
問完之後不要憑印象。開一張表，橫向放四個平台、縱向放五類提示詞，每一格只填三件事。這張表跑第二次、第三次時，你就有了趨勢，而不是單點感覺。
- 提及與否（0 或 1）：這一格的答案裡有沒有出現你的品牌。
- 引用層級（1 到 3）：純文字提及記 1、附來源連結記 2、被列為首選記 3。
- 競品覆蓋：同一格裡出現了哪些競品，他們排在你前面還是後面。
從稽核缺口反推要修什麼
稽核的價值在於它會指到具體的修法，而不是「多寫幾篇文章」這種模糊建議。如果你連純文字提及都拿不到，問題多半在品牌被談論的密度太低，要補的是外部佐證與曝光機會；如果提及有、卻幾乎拿不到來源引用，問題通常在頁面本身不好抽取，沒有清楚的問答結構、沒有 schema、關鍵事實藏在圖片或冗長段落裡。前者是聲量問題，後者是技術問題，兩條路要修的東西完全不同。
自己跑一輪這套稽核，大概半天就能看出缺口落在聲量還是結構。如果你想要的是一份把二十格結果、競品對照與具體修補清單整理好的完整版本，Tenten GEO 的 30 天 GEO 審計就是把這套流程做深、做完整。想先確認自己的缺口在哪，可以預約一場 30 分鐘的 GEO 診斷，我們用你的品牌實際問幾輪給你看。
