品牌在 AI 回答中的曝光度，取决于你问了什么，而不是用了哪款监测工具。同一个品牌，只要更换向 ChatGPT 提问的提示词，结果就可能从“完全没有提及”变成“首选推荐”。因此，追踪 AI 提及的第一步不是购买仪表盘，而是先把要问的问题标准化。
多数品牌刚开始做这件事时，只会凭直觉列出三到五个问题，运行一次便认为监测已经完成。问题在于，AI 引擎会因提问视角不同而给出明显不同的答案。“推荐 GEO 服务商”和“适合台北 SaaS 企业的 GEO 顾问”，列出的品牌往往只有一半重合。如果只监测那些容易提到你的问题，得到的只是被美化过的曝光度，用它来做决策反而更危险。
第一步：把提示词变成一把固定的尺子
要让每周跑出的数据能够相互比较，提示词必须像尺子一样保持固定。我们为客户建立追踪方案时，会为每组提示词记录三项设置：语言（中文或英文）、提问者身份（例如“我是 B2B SaaS 公司的销售总监”），以及是否允许 AI 联网搜索。只要其中一个变量发生变化，你就无法判断曝光度是真的提升了，还是问题只是变得更容易回答。
五大类、共 30 组高质量提示词
将 30 组提示词分为五类，每类六组，覆盖用户从完全不了解你到准备做出选择的完整路径。少了任何一类，品牌曝光版图都会缺一块。
- 发现型：用户只描述需求，不点名任何品牌。测试 AI 会不会主动把你列入候选名单。
- 品牌直问型：直接询问你的公司。测试 AI 对品牌、服务和定位的描述是否准确。
- 比较型：把你和竞争对手放在一起比较。观察双方在同一话题中的声量。
- 购买意向型：加入具体情境、身份和问题。测试品牌是否能在接近高价值交易的场景中出现。
- 信任型：询问案例、成效、评价和判断标准。测试 AI 能否识别品牌的可信度信号。
各类型提示词示例
下面列出各类提示词的示例。实际使用时，把“Tenten GEO”替换为你的品牌，把“B2B SaaS”替换为你的行业即可运行。方括号中的内容是需要替换的变量。
- 发现型：“推荐几家台湾专注于 [B2B SaaS] 的 GEO／AEO 服务商，并说明推荐理由。”
- 发现型：“我想提升品牌在 ChatGPT 和 Perplexity 中的曝光度，应该找哪类服务商？”
- 品牌直问型：“[Tenten GEO] 的核心服务是什么？”
- 品牌直问型：“[Tenten GEO] 服务过哪些客户？具体采用了哪些方法？”
- 比较型：“[Tenten GEO] 与台北其他 SEO 服务商有什么区别？”
- 购买意向型：“我是一家台北公司的销售经理，想知道公司是否被 AI 搜索提及，第一步应该怎么做？”
- 购买意向型：“预算有限的新创公司想开始追踪 AI 对品牌的提及，有哪些可行做法？”
- 信任型：“哪些 GEO 服务商有实际案例或可衡量的成果？”
- 信任型：“选择 GEO 顾问时，应该看哪些指标，才能判断对方是否真的专业？”
监测节奏：多久运行一次，要看哪些数据？
建议每周固定运行核心 30 组问题，每组至少重复三次，并采用多数结果，以降低 AI 回答随机性带来的影响。Brand Radar 的做法就是锁定问题、每周自动运行一轮，省去人工重复输入提示词的时间。每轮重点记录四项数据。
- 提及率：30 组问题中，有多少组提到了你的品牌。这是衡量曝光度最直接的指标。
- 描述准确率：AI 提到你时，对服务和定位的描述是否基本准确，是否仍在沿用过时信息。
- 话题声量：在同一主题下，你与竞争对手分别被提及多少次，以及 AI 如何描述双方。
- 引用来源：AI 为回答问题引用了哪些网页。这些来源能帮助你判断下一步应补充哪些内容。
把提及记录转化为内容行动
数据本身不会提升曝光度，真正产生变化的是后续行动。某类提示词几乎从不提到你，通常直接对应一项内容缺口。比较型结果被竞争对手占满，往往是因为你没有针对对手的比较页面，AI 找不到结构清晰、可供引用的信息；信任型结果为零，则常见于案例和成果尚未整理成 AI 易于读取的页面。把每周表现最弱的部分转化为下个月要补充的两到三项内容，数据才会开始变化。
真正要问的不是“AI 认不认识我”，而是“用户没有点名我时，AI 会不会主动提到我”。— Tenten GEO consultant team
这 30 组提示词只是起点。真正的工作，是从结果中找出缺口，在下一轮数据回来前补齐内容、结构化数据和比较页面。如果你想了解品牌在几个关键节点上的曝光情况，可以预约一次 30 分钟的 GEO 诊断；我们会用你的品牌运行一轮监测，并指出其中的差距。
