AI 聲量占比是您在AI 回答品牌提及中的占比。

AI 聲量占比是指在相同的買家問題與引擎上,提及您品牌的 AI 回答數,除以一組固定品牌的品牌提及總數。公式只有一行。難的是選擇哪些品牌放進分母,因為這個選擇對數字的影響可能超過一個月的努力。

200 則回答。25 Prompts/問題。頂尖 AI 引擎。2 天。免費。 不需信用卡。

AI 聲量占比的計算公式是什麼?

聲量占比是您的提及次數,除以同一批回答中框架內每個品牌(包括您)的提及次數。

聲量占比 = 點名您品牌的回答 / 點名框架內每個品牌的回答總和 x 100

在公開的 Tesla 範例中(2026 年 10 月 4 日),四個引擎各詢問了 25 個非品牌買家問題,共 100 個回答。Tesla 被點名 53 次,Rivian 和 SunPower 各 13 次,Ford 10 次,Enphase Energy 9 次。這五個品牌共有 98 次提及,所以 Tesla 的聲量占比是 53 / 98 = 54.1%,Rivian 則是 13 / 98 = 13.3%。

每則回答中每個品牌最多計算一次。沒有這條規則,一則重複提到某名稱五次的長回答,會比四則各提到一次的回答更有分量,分子計算的也不再與分母相同。

品牌組合為什麼會改變回答?

在框架中多加一個品牌,每個占比都會縮小。把在同樣 100 則 Tesla 回答中被點名 7 次的 General Motors 放進框架,總數就變成 105:Tesla 的聲量占比從 54.1% 降到 50.5%,而沒有任何一則回答改變。悄悄選擇較小框架的廠商,會回報較大的數字。

因此聲量占比必須說明其框架才有意義。誠實的框架有三種:

框架分母適合
追蹤的品牌您的品牌加上您選擇追蹤的競爭對手關注您已經知道的競爭對手
提及的所有廠商任何回答提及的每個品牌,無論是否追蹤發現您不知道引擎會推薦的競爭對手
被點名最多的前 10 名廠商最常被點名的十家供應商,若您排名較後也會一併列出以一個穩定的尺度比較品牌與類別

Proofsource 以這三個名稱之一顯示每個占比,並附上背後的計數,例如「5 個追蹤品牌共 98 次提及中的 53 次」,讓讀者永遠知道是用什麼除以什麼。

聲量占比與提及率、引用占比有什麼不同?

它們回答三個不同的問題,而且可能朝相反方向變動。當引擎在每則回答中開始點名更多品牌時,您的提及率可能持平,聲量占比卻下滑。

提及率
提及您的回答 / 所有回答。您到底有沒有進入候選名單?
聲量占比
您的提及數 / 範圍內所有品牌的提及數。候選名單有多少是您的?
引用占比
指向您網站的引用 / 所有引用。回答背後的證據有多少是您的?
引用率
至少引用您網站一次的回答 / 所有回答。回答多常把讀者帶到您這裡?

術語定義於詞彙表,AI 能見度分數頁面則說明四者如何合併為一個數字。

我該如何定義並計算我類別的 AI 引用占比?

引用占比是指向您網域的引用,除以同一批回答中的所有引用。請依網域計算,而不是依網址,這樣您的價格頁面和部落格都會算成您的。

引用占比 = 指向您網域的引用 / 回答中的所有引用 x 100

它通常遠小於聲量占比,因為回答會引用第三方頁面:評論、清單文章、論壇與影片。在 Tesla 範例中,100 個回答引用了 455 個不同的網站,每 100 次引用中不到 2 次指向 tesla.com,儘管有 53 個回答提及 Tesla。被提及與被引用是不同的成果,這就是為什麼引用檢視會排序每個被引用的網域,而不只是您的網域。

AI 聲量占比可以依主題、市場或客戶意圖細分嗎?

可以,只要每則回答都連同問題、引擎和日期一起儲存,因為區隔只是這些紀錄上的篩選條件。依主題或購買意圖把問題分組,在每組內套用同樣的公式即可。

細分區塊很快就會變小,所以每個區塊都要有自己的信賴區間。一個主題有 5 個問題、4 個引擎,就是 20 則回答,而 20 則回答得出的比率可能與真實值相差上下 20 個百分點。Proofsource 依引擎與主題拆分結果,回答少於 10 則時不顯示任何百分比。付費方案還可以從您銷售的每個市場提問並逐一比較市場,依客戶開啟。

AI 能見度工具如何計算聲量占比?

大多數工具使用上述公式的某種版本,但並非都公布框架或權重。以下是各家在自己頁面上的說法:

工具它的頁面怎麼說
Semrush工具組:衡量您的品牌相對於競爭對手在 AI 回答中出現頻率的 0 到 100 基準。Index:在 ChatGPT、Google AI Mode、Google AI Overviews 和 Gemini 上的 1.26 億個美國 Prompt,依平台報告;結合品牌出現的頻率與一致性。
Peec AI能見度 = 提到您品牌的回答數 / 回答總數 x 100。聲量占比 = 您品牌的提及數 / 所有品牌提及數 x 100。
ScrunchPresence = 出現次數 / 總數 x 100。聲量占比 = 提到您的 AI 回答相對於競爭對手所占的比例,通常彙總 90 天。引用聲量占比 = 引用您來源的回答數 / 有引用來源的回答數 x 100。
Otterly.AICoverage = 您的品牌出現的 AI 回答所占比例。聲量占比 = 在您追蹤的組合中,您在所有品牌提及(您的與競爭對手的)中所占的部分。
來源
  1. Semrush 知識庫:AI SEO 指標 www.semrush.com/kb/1594-ai-seo-metrics
  2. Semrush AI Visibility Index:方法論 ai-visibility-index.semrush.com/methodology
  3. Peec AI 文件:Visibility docs.peec.ai/metrics/brand-metrics/visibility
  4. Peec AI 文件:Share of Voice docs.peec.ai/metrics/brand-metrics/share-of-voice
  5. Scrunch:How does Scrunch measure AI share of voice scrunch.com/faqs/how-does-scrunch-measure-ai-share-of-voice
  6. Scrunch 說明中心:指標指南 helpcenter.scrunchai.com/en/articles/13566677-scrunch-metrics-guide
  7. Otterly.AI:AI 搜尋分析 otterly.ai/features/ai-search-analytics

於 讀取自各廠商自己的頁面。頁面未提供公式時,我們會如實說明而不是猜測。

Proofsource 如何衡量聲量占比?

  • 針對非品牌買家問題,在 ChatGPT, Perplexity, Claude 和 Google AI Overviews 上提問,每個引擎措辭相同。
  • 回答提到的每個廠商都會被擷取,不只是您列出的那些,因此「所有被提到的廠商」與「前 10 名」框架都會包含您原本不知道的競爭對手。
  • 每個百分比旁都附上次數,比率也附 95% Wilson 區間,讓小幅變動能與雜訊區分開來。
  • 每個數字都能展開查看計算所用的回答,讓您自己重新計算。

方法,包括數據低於某個下限時不予顯示的規則,請見方法論頁面。

關於 AI 聲量占比的常見問題

多少 AI 聲量占比算好?

取決於回答有多擁擠。框架中有十家供應商時,平均占比是 10%,所以 20% 代表您被點名的次數是一般競爭對手的兩倍。Proofsource 的 AEO 分數把前 10 名框架的 25% 視為滿分,並明白說明這個基準是一種慣例,不是定律。

聲量占比應該計算提及次數還是回答數?

每則回答中每個品牌最多計算一次。如此一來,重複提到某品牌五次的長回答,不會蓋過四則簡短的回答,分子與分母計算的也是同一件事。Proofsource 每則回答只計算一次品牌。

品牌問題應該計入聲量占比嗎?

不應該。點名您品牌的問題無論引擎是否會推薦您都會提到它,所以會灌水。請在非品牌的買家問題上測量聲量占比,並另外回報品牌問題。

哪些工具能追蹤 ChatGPT、Gemini 和 Perplexity 中的品牌提及?

有幾個工具有,包括 Peec AI、Otterly.AI、Scrunch 和 Semrush,各自有自己的引擎清單。Proofsource 預設追蹤 ChatGPT, Perplexity, Claude 和 Google AI Overviews,Google AI Mode, Gemini, Microsoft Copilot, Grok, DeepSeek 和 Meta AI 可在通話中或 Managed 方案中開啟。

聲量占比應該多久測量一次?

頻率要高到信賴區間在您行動前就能縮小。設定為每日的 Proofsource 方案,每天在方案內的每個引擎上詢問每個問題一次;每週則較便宜。免費試用執行 2 次掃描(今天和明天),每個引擎 25 個問題。

查看您的聲量占比,並標明其框架。

查看哪些買家問題點名您的品牌、改為點名誰,以及該修正什麼。200 則回答。25 Prompts/問題。頂尖 AI 引擎。2 天。免費。 不需信用卡。

200 則回答。25 Prompts/問題。頂尖 AI 引擎。2 天。免費。ChatGPTPerplexityClaudeGoogle AI OverviewsGoogle AI ModeGeminiMicrosoft CopilotGrokDeepSeekMeta AI