AI 引用不會出現在你的流量儀表板裡。它散落在一次次對話中，你不主動去看，就不會知道自己在 ChatGPT、Perplexity 或 Google AI Overviews 裡，到底是被推薦、被略過，還是被講錯。設定 AI 引用警示，就是把『每隔一陣子手動查一次』換成『只要能見度有變化，通知就自動進到你的 Slack 或收件匣』。
為什麼「即時知道」比「月底才發現」重要
AI 的答案變得比搜尋排名還快。一次模型更新、競品發布一篇結構清楚的比較內容、你自己把產品頁改版，都可能在幾天內讓你從推薦名單裡消失。要是一個月才查一次，等你發現，落差已經累積了三十天。更急的是另一種狀況：模型把你的品牌講錯，定價、功能、甚至你服務的產業，都可能被自信地說錯，而正在做決策的買家會照單全收。即時警示的重點不是要你天天盯著，而是有事的時候第一時間叫住你。
先定義你要監測什麼
動手監測之前，先想清楚要抓哪些訊號，否則你會被一堆無關的提及淹沒。品牌被 AI 提及其實分成好幾種層次，每一種的處理方式都不同。對 B2B SaaS 來說，『被推薦為解法』和『被引用為來源』最靠近成交，值得優先盯緊。
- 純提及：答案裡出現你的品牌名，但沒有推薦、也沒帶連結。
- 被推薦為解法：AI 回答某個需求時，把你列進建議選項。
- 被引用為來源：答案直接引用你的內容並附上網址，這是 GEO 最有價值的結果。
- 與競品同列：你和對手出現在同一份清單，這時排序和描述用詞就是勝負關鍵。
- 事實被講錯：模型提到你，但定價、功能或定位有誤，這一層要設成最高優先。
建立你的提問組（prompt set）
警示系統的品質，取決於你餵給它的問題。只問『Tenten GEO 是什麼』沒有意義，那是你自己的品牌詞，模型當然提到你。真正要監測的，是使用者還不認識你時會問的問題。一組堪用的提問通常涵蓋四種角度，每種準備三到五題，用你的核心關鍵字和目標情境去填。
- 類別推薦型：『台灣有哪些專做 B2B SaaS 的 GEO 代理商？』——看你有沒有進候選名單。
- 比較型：『A 工具和 B 工具，哪個比較適合中小型團隊？』——看你在對比情境裡怎麼被描述。
- 問題解決型：『AI 搜尋都不引用我的網站，該怎麼辦？』——看你的內容有沒有被當成答案來源。
- 品牌驗證型：『Tenten GEO 提供哪些服務、大概多少費用？』——專門用來抓事實被講錯的情況。
選擇監測方式：手動、腳本，還是工具
同一組提問，可以用三種力度去跑，成本和即時性差很多。你不必一步到位，但要清楚自己現在在哪一層、什麼時候該往上升級。
- 手動定期查：把提問組存成清單，每週在 ChatGPT、Perplexity、Gemini 各跑一遍並記錄結果。零成本，但慢、容易忘、也難比較歷史變化，適合題數少於十題的起步階段。
- 用 API 寫排程腳本：透過各家 API 定時送出提問，讓程式自動比對答案裡有沒有你的品牌與網址，一有變化就打一則 Slack 或 Email 通知。工程量不大，卻能做到真正即時。
- 用專用工具：像 Tenten 的 Brand Radar 這類能見度追蹤，會跨平台持續跑你的提問組，把提及率、被引用率和競品對照整理成趨勢，指標跌破門檻時主動通知，省下自建與維運的力氣。
設定觸發條件與頻率
監測不等於警示。你不會想每跑完一次就收到一封『一切照舊』的信，那種通知很快會被你自動略過。真正該觸發警示的，是狀態改變的時刻。
- 原本被引用，這次卻消失了。
- 答案裡新出現一個過去沒有的競品。
- 模型講錯你的定價、功能或服務範圍。
- 一個過去不引用你的平台，開始引用你——這是好消息，值得跟進放大。
收到警示之後該做什麼
警示只是起點。一套沒有後續動作的監測，等於花力氣確認自己被略過。每一種警示，都該對應一個明確的下一步。
- 被略過：檢查對應主題的頁面有沒有清楚的問答結構、有沒有可被乾淨抽取的段落，補上直接的回答。
- 被講錯：回到來源頁修正事實，補上結構化資料（schema），讓頁面用詞和你希望模型複述的說法一致。
- 競品被引用而你沒有：把對方那段被引用的內容抓下來，拆解它的結構、涵蓋角度和資料密度，然後做得更完整。
AI 引用警示不難設，難的是把它變成每週會看、每次都會回應的習慣。如果你還不確定自己現在在主要 AI 平台上是被提及、被引用，還是被講錯，也還沒有一組能穩定監測的提問，可以先到 /contact 預約一次 30 分鐘 GEO 診斷；我們會用你的實際關鍵字跑一輪，讓你看到目前的缺口在哪裡。
