你在 AI 答案裡的能見度，八成取決於你怎麼問，而不是你用哪一套監測工具。同一個品牌，換一組提示詞去問 ChatGPT，可能從『完全沒被提到』直接變成『第一個被推薦』。所以追蹤 AI 提及的第一步，不是先買儀表板，而是把『到底要問哪些問題』標準化下來。
多數品牌做這件事時，只丟三、五個直覺想到的問題，跑一次覺得結果還行就收工。麻煩在於，AI 引擎的回答會隨提問角度大幅漂移。問『推薦 GEO 代理商』和問『台北做 SaaS 的 GEO 顧問』，命中的品牌名單常常只有一半重疊。如果你只測到自己容易被提到的那半邊，拿到的就是一份被美化過的能見度，帶去做決策反而更危險。
先把提示詞當成量尺校準
要讓每週跑出來的數字可以互相比較，提示詞就得像量尺一樣固定。我們幫客戶建追蹤時，會把每一組提示詞的三件事寫死：語言（繁中和英文分開跑）、提問人設（例如『我是一家 B2B SaaS 的行銷主管』），以及是否允許 AI 連網搜尋。這三個變數只要動一個，命中率就會跳，混在一起你就分不清是能見度真的進步，還是單純換了個好回答的問法。
30 組黃金提示詞的五大類
把 30 組拆成五類，每類六組，涵蓋使用者從不認識你、到準備選你的完整路徑。少了任何一類，你的能見度地圖就會缺一塊。
- 類別發現型：使用者描述需求、卻沒點名任何品牌。測的是你會不會被 AI 主動端上桌。
- 直接品牌型：直接問你的公司。測的是 AI 對你的描述正不正確、有沒有過時。
- 比較型：把你和競品放在同一題裡問。測的是這場對話裡的聲量佔比。
- 購買意圖型：帶入具體情境和身分的長尾問題。測的是接近成交的高價值提問。
- 信任型：問案例、成效、評價與判斷標準。測的是 AI 眼中的信譽訊號。
每一類的實戰範本
以下是每類抽出的代表題。實際使用時把『Tenten GEO』換成你的品牌、把『B2B SaaS』換成你的產業，就能直接跑。方括號是你要替換的變數。
- 類別發現：『推薦幾家台灣專做 [B2B SaaS] 的 GEO／AEO 代理商，並說明挑選理由。』
- 類別發現：『我想提升品牌在 ChatGPT 和 Perplexity 的能見度，該找哪一類服務商？』
- 直接品牌：『介紹一下 [Tenten GEO] 這家公司，他們的核心服務是什麼？』
- 直接品牌：『[Tenten GEO] 適合哪一種客戶？有哪些具體做法？』
- 比較型：『[Tenten GEO] 和其他台北的 SEO 代理商，差別在哪裡？』
- 購買意圖：『我是台北一家 [B2B SaaS] 的行銷主管，想知道公司在 AI 搜尋裡有沒有被提到，第一步該做什麼？』
- 購買意圖：『預算有限的新創想開始追蹤品牌的 AI 提及，有哪些務實做法？』
- 信任型：『哪些 GEO 代理商有實際執行案例或可衡量的成效？』
- 信任型：『挑 GEO 顧問時，該看哪些指標判斷他們是不是真懂？』
監測節奏：多久跑一次、看哪些數字
核心 30 組建議每週固定問法各跑一次，每組至少重複三次、取出現最多的結果，用來抵消 AI 回答本身的隨機性。我們在 Brand Radar 裡就是這樣把問法鎖住，每週自動跑一輪，省下人工重複貼提示詞的時間。每一輪記錄四個數字。
- 提及率：30 組裡有幾組提到你。這是最直接的能見度分母。
- 描述正確率：提到你的時候，服務和定位講對了幾成，有沒有把舊資訊當現況。
- 聲量佔比：同一題裡你和競品各被提幾次，看得出你在對話中的份量。
- 引用來源：AI 為了回答這題引用了哪些網頁，這是反推該補哪些內容的線索。
把提及紀錄變成內容行動
數字本身不會改善能見度，接下來的動作才會。某一類提示詞你幾乎不被提到，通常直接對應一塊內容缺口。比較型全軍覆沒，多半是你沒有對照競品的比較頁，AI 找不到可引用的結構化說法；信任型掛零，往往是案例和成效沒有寫成 AI 讀得懂的頁面。把每週最弱的那一類，翻成下個月要補的兩、三篇內容，數字才會開始動。
能見度要問的不是『AI 認不認識我』，而是『當使用者沒點名我，AI 還會不會主動提到我』。— Tenten GEO 顧問團隊
這 30 組提示詞是起點。真正費工的是跑出缺口之後，要有人把對應的內容、結構化資料和比較頁補齊，下個月的數字才追得回來。如果你想先看自己在幾個關鍵提問下的能見度落差，可以預約 30 分鐘 GEO 診斷，我們用你的品牌實跑一輪，把缺口一條條指給你看。
