Tenten AIGEO
回到部落格
能見度衡量(Brand Radar)評估

Brand Radar 怎麼運作?從提示詞抽樣到引用計分的完整拆解

拆解 Brand Radar 運作原理:如何從買家真實提問建立提示詞集合、跨 AI 引擎反覆抽樣、區分「被提到」與「被引用」,再算出提及率、引用率與聲量佔比等能見度分數,並轉成可執行的內容決策。

Tenten GEO 團隊發布於 2026-07-125 分鐘閱讀
一台概念化的雷達螢幕在暖調深灰空間中掃描出多個品牌光點,象徵 AI 能見度追蹤

Brand Radar 做的事,用一句話講就是:把 AI 引擎當成一個每次都會給不同答案的母體,反覆丟同一批問題進去,統計你的品牌被提到、被引用的比率。它不查關鍵字排名,也不看網站流量,它量的是「當潛在客戶問 AI 該找誰時,你出現的頻率有多高、被信任到什麼程度」。整套流程的成敗,八成取決於抽樣設計,而不是背後的技術。

先搞懂 Brand Radar 到底在量什麼

傳統 SEO 工具給你的是某個網址在 Google 排第幾。AI 引擎沒有固定的第幾名。你問 ChatGPT「台灣有哪些做 B2B SaaS 的 GEO 代理商」,它今天可能列三家、明天列五家,順序也會變。所以能見度沒辦法用單一名次表示,只能用「在大量重複詢問中,你被納入答案的機率」來描述。Brand Radar 把這個機率拆成幾個可量化的指標:提及率、引用率、平均出現位置、語氣傾向,還有相對於競品的聲量佔比。

第一步:把買家真的會問的問題變成提示詞集合

一切從提示詞集合開始,這裡最常見的錯誤是拿自家想被搜到的關鍵字直接當提示詞。買家不會問「GEO 審計服務」,他們會問「AI 搜尋一直不提到我們公司,該找誰處理」或「怎麼知道 ChatGPT 有沒有在推薦我的產品」。我們建這份清單時,會從三種來源蒐集:業務端實際被客戶問過的話、客服與銷售對話裡的原句、以及各家引擎的自動補全與追問建議。集合大小要夠才抽得出穩定比率,但不是越大越好,太多會稀釋掉真正帶來商機的問題。以一個利基 B2B 品類來說,抓 40 到 120 條核心提示詞、覆蓋認知、比較、決策三個情境,通常就足以看出趨勢,關鍵是每一條都對得上一個真實的購買場景。

第二步:為什麼要反覆抽樣,而不是問一次

AI 引擎的回答帶有隨機性。同一個問題、同一個模型,跑十次可能給你八種措辭,順序也不同。只問一次就記錄,你拿到的是雜訊,不是訊號。Brand Radar 的做法是對每一條提示詞、在每個引擎上重複抽樣多次,再取統計分布,你被提到七次就是 70% 的提及率,這個數字才站得住腳。抽樣還要跨引擎進行,因為 ChatGPT、Perplexity、Gemini、Google AI Overviews 各自的來源偏好差很多,同一個品牌在不同引擎的能見度可能天差地遠。

第三步:擷取回應,並區分「被提到」與「被引用」

抽樣回來的每一則回應,都要做兩件不同的判讀。第一是提及:答案的文字裡有沒有出現你的品牌名、產品名或關鍵人物。第二是引用:答案底下的來源連結、註腳或參考清單裡,有沒有指向你的網站。這兩者常被混為一談,意義卻完全不同,被文字提到代表模型記得你,被引用代表你的內容正在當下這次檢索裡被當成證據。健康的品牌兩者都要有,只有提及沒有引用,通常表示你靠舊有知名度撐著,內容層面的抓取覆蓋不足。辨識本身也有陷阱:品牌名若是常見詞容易誤判,同名的其他公司會混進來,模型還可能把名字拼錯或只講一半,所以擷取階段需要一套消歧規則,把真的在講這個品牌的情況跟同形異義的雜訊分開,否則後面算出來的分數全是虛的。

Brand Radar 運作流程圖,從提示詞集合、跨引擎反覆抽樣、提及與引用擷取到能見度計分的五個階段
Brand Radar 的核心是一條抽樣統計流水線:先設計提示詞,再反覆跨引擎抽樣,最後把提及與引用壓成可追蹤的分數。

第四步:計分——能見度分數是怎麼算出來的

有了乾淨的提及與引用資料,接著把它們壓成幾個可以追蹤的分數。核心邏輯是加權統計,不是玄學:

  • 提及率:在所有抽樣中,品牌被文字提到的比例。
  • 引用率:回應附帶來源時,來源指向你網站的比例,反映內容被當成證據的程度。
  • 出現位置:品牌是被列在答案前段,還是敷衍帶過的一句,位置越前權重越高。
  • 語氣傾向:AI 描述你時是正面、中性,還是點出缺點,直接影響這次曝光的實際價值。
  • 聲量佔比:把你和主要競品放進同一組提示詞比較,看誰更常被 AI 選進答案。

這些指標會再依提示詞的商業價值加權,決策階段、帶明確採購意圖的問題,權重高於一般認知型問題。最後彙整成一個綜合能見度分數,方便對外溝通,但真正拿來做決策的,往往是拆開後的單項,因為它們各自指向不同的修補動作:引用率低就補內容與結構化證據,聲量佔比輸就針對競品常被引用的題目下手。

第五步:把單次快照變成趨勢

單一時間點的分數只能告訴你現況,看不出因果。價值出現在持續追蹤:固定週期重跑同一批提示詞,把分數畫成時間序列,就能把「我們上個月補了三篇比較型內容」對到「Perplexity 的引用率兩週後開始往上」。趨勢也會提早暴露風險,某個競品的聲量佔比連續三期上升、正在吃掉你的答案版位,這種訊號在你的網站流量反映出來之前就看得到。

這些數字,實務上該怎麼用

能見度分數不是拿來裱在報告上的虛榮指標。它的用途是告訴你:下一篇內容該寫哪個題目、哪個引擎的缺口最該優先補、以及你花的力氣有沒有真的讓 AI 更常選你。

把 Brand Radar 的邏輯走過一遍,你會發現它其實是一套抽樣統計方法,套在 AI 引擎這個會變動的母體上。難的不是抓資料,而是把提示詞設計對、把雜訊清乾淨、把分數對回可執行的動作。如果你不確定自己現在在主要 AI 引擎的提及率與引用率落在哪裡、缺口卡在哪個環節,可以預約一場 30 分鐘 GEO 診斷,我們會用你所在品類的實際問題跑一輪,把落點與優先修補順序講清楚。

常見問題

Brand Radar 和一般 SEO 排名工具有什麼不同?
SEO 工具追蹤網址在 Google 的名次,Brand Radar 追蹤的是你在 AI 引擎答案裡被提到與被引用的機率。因為 AI 回答每次都不同,能見度只能用大量重複抽樣後的統計比率來衡量,而不是單一名次。
為什麼 Brand Radar 要對同一個問題反覆詢問很多次?
AI 引擎的回答帶有隨機性,同一問題跑多次會給出不同措辭與順序。只問一次拿到的是雜訊。反覆抽樣後取統計分布,才能得出穩定的提及率與引用率,也才能看出隨時間的變化趨勢。
「被提到」和「被引用」有什麼差別,哪個比較重要?
被提到是品牌名出現在答案文字裡,代表模型記得你;被引用是答案的來源連結指向你的網站,代表你的內容正被當成證據。兩者都需要,但引用率低通常表示內容抓取覆蓋不足,是更需要優先補的缺口。

READY WHEN YOU ARE

想知道你的品牌在 AI 答案裡值多少?

30 分鐘 GEO 診斷,我們用你的實際提問,帶你看見在六大 AI 引擎裡的能見度缺口,以及補上它的優先順序。

預約 30 分鐘診斷