最新筆記
每一則都註明樣本、日期，以及可能出錯的地方。格式就是這樣。
AI 引擎引用了供應商自己的「最佳」清單，卻有 38% 的時候沒有點名該供應商
許多軟體公司會發布一份「X 最佳工具」清單，把自己放在第一名，希望 AI 引擎引用它。我們檢視了四個引擎的 17,651 個買家回答，提出了引用次數統計略過的問題：當引擎引用了供應商自己的清單時，回答有沒有點名該供應商？
閱讀筆記ChatGPT API 引用的網站中，只有 22% 出現在 ChatGPT 本身的回答裡
有些 AI 能見度工具透過 OpenAI 的 API 詢問 ChatGPT，有些則像訪客一樣讀取 chatgpt.com。我們手上有同樣 172 個買家問題的兩種回答，相隔一天，另有 chatgpt.com 相隔一天自問自答的基準。品牌比率維持住了，來源卻沒有。
GPT-6 讓 ChatGPT 的回答長了 40%，點名的品牌卻一樣
ChatGPT 的免費方案在 10 月 8 日改用 GPT-6。我們有 16 個品牌在切換前後都問過的相同 188 個買家問題，並以 Claude、Perplexity 和 Google AI Overviews 上的相同問題作為對照組。ChatGPT 是否點名品牌幾乎沒變，回答的其他幾乎一切都變了。
72 個品牌網站中有 7 個，對不執行 JavaScript 的 AI 爬蟲藏住了關鍵頁面
ChatGPT 的頁面讀取器、Claude 與 Perplexity 讀取的是您的伺服器送出的 HTML，從不執行您的腳本。我們在 72 個品牌網站的 211 個關鍵頁面上，把這個視角與瀏覽器看到的內容比較。多數頁面完整呈現。有七個網站遺失了標題、價格表或所有客戶案例，而一半看起來嚇人的分數，其實是 Cookie 橫幅造成的。
每 13 個點名品牌的 AI 回答中，就有 1 個把它的事實說錯
提及率只要回答點名了您，就把它算作勝利。我們檢查了 ChatGPT、Perplexity、Claude 和 Google AI Overviews 上 2,137 個這類回答實際上對 80 個品牌說了什麼。以下是錯了什麼、哪些回答出錯，以及在您自己的數字背後該打開什麼來看。
改寫買家問題對 AI 回答的影響，比再問一次還大
我們針對 ChatGPT、Perplexity、Claude 和 Google AI Overviews 上的 96 個品牌比較了兩件事：再問一次相同的買家問題，以及在同一天換一種方式問。措辭的影響大得多。以下說明這對您該測試哪些措辭有什麼意義。
AI 回答的每日變化中，有一半在隔天就反轉了
我們連續七到九天，每天在 ChatGPT、Perplexity、Claude 和 Google AI Overviews 上詢問同樣的 40 個買家問題。大約每五個名字就有一個在一夜之間從回答中消失，而這些變化中有將近一半在隔天反轉。以下說明這對在每日與每週掃描之間做選擇有什麼意義。
ChatGPT 點名了它在第一次搜尋中輸入的品牌的 89%
ChatGPT 並不是拿買家的問題去搜尋。它會寫出自己的查詢，而在我們抽樣的 2,502 個登出狀態回答中，這個查詢常常已經含有沒有人輸入過的品牌名稱。它搜尋的那些品牌被點名的比例是 89%。以下說明這對獲得推薦有什麼意義，以及如何檢查您落在界線的哪一邊。
當問題沒有點名任何品牌時，AI 領導者從 59% 跌到 40%
我們把自己的品牌與引擎最常點名的 AI 能見度工具做基準比較：25 個買家問題、四個引擎、220 個回答。其中九個問題點名了某個工具，而這九個問題替領導者做了很多工作。以下說明如何設定比較，讓您回報的差距是真實的差距。
ChatGPT 在同一天把同一個工具既稱為 GEO 也稱為 AEO
我們向 ChatGPT、Perplexity、Claude 和 Google AI Overviews 詢問了 25 個關於追蹤品牌在 AI 回答中表現的工具的問題。沒有任何一個問題提到 AEO 或 GEO。回答中有 64 則（共 180 則）使用了 GEO，31 則使用了 AEO，而且經常是針對同一家廠商。以下說明這兩個詞的由來、為什麼標籤幫不了您做選擇，以及真正有用的區分方式。
相同的 AI 提及率，第一個被點名的次數卻是 38 次對 15 次
大多數 AI 能見度工具首先呈現的是提及率。在我們追蹤的一個類別中，兩家公司在 ChatGPT、Perplexity、Claude 和 Google AI Overviews 的 160 則回答中各被點名 70 次。其中一家第一個被點名 38 次，另一家 15 次。提及率看不出這一點。以下說明在付費前工具應該測量什麼，以及能判斷它是否做到的問題。
引擎引用了 129 個發布 llms.txt 的網站共 6,343 次，只有一次引用的是那個檔案
llms.txt 是 AI 搜尋中最常被推薦、卻最少被驗證的修正。我們取出樣本中 ChatGPT、Perplexity、Claude 和 Google AI Overviews 最常引用的 300 個網域，逐一抓取它們的檔案。其中 129 個有發布。這 129 個網站被引用 6,343 次，只有一次引用指向該檔案。被引用最多的十個網站中有八個沒有這個檔案。以下說明這個檔案的用途，以及那一個小時該花在哪裡。
我們的追蹤工具在 96% 的搜尋中漏掉了 Google 的 AI Overview，一項設定就修好了
從 8 月 22 日到 9 月 7 日，我們的抽樣程式在 201 次搜尋中有 193 次記錄沒有 Google AI Overview。而 Google 幾乎每次都顯示了。這些摘要是在頁面載入後才出現的，我們的資料供應商只有在您要求時才會回傳。修正後在相同的 36 個問題上，487 次搜尋中只有 3 次是空的。以下說明這對任何追蹤工具提供的 Google 數字代表什麼。
七個通用網站在 15 個類別中只占 5% 的引用
問該在哪些網站上被提到，您會得到同一份清單：Reddit、Wikipedia、YouTube、LinkedIn。這些清單是真的，它們是以人們詢問的所有主題建立的。我們改為計算 15 個類別中買家問題背後的引用。通用網站幾乎沒有存在感。被引用的內容幾乎全都只屬於單一類別。
當一個 AI 引擎點名該品牌時，四個引擎都點名的比例只有 32%
大多數 AI 能見度報告只給您一個數字，或每個引擎一個看起來差不多的數字。我們在同一天向 ChatGPT、Google AI Overviews、Perplexity 和 Claude 提出相同的非品牌問題，並逐題比較回答。引擎彼此之間的分歧，比任何一個引擎與隔天的自己之間的分歧還大。
競爭對手的網站占了我們計算的 AI 引用的 16%，品牌自己的網站只占 0.87%
一半的建議說，在您自己的網域上發布有深度的內容，引擎就會找到。另一半說，您自己的網域幾乎無關緊要。我們計算了 1,205 則針對非品牌買家問題的回答中的每一次引用。廠商網站是最大的單一來源區塊，所以這個管道顯然有效。只是它們幾乎從來不是提問的那個品牌的網站。
軟體名錄只占 AI 引用的 1.8%，而且被引用的頁面幾乎從來不是您的
標準建議是認領您的 G2 和 Capterra 個人檔案並填寫每個欄位，因為評論個人檔案是 AI 回答的來源。我們計算了 1,099 則抽樣回答中的每一次引用。名錄占其中的 1.8%，而引擎採用的頁面通常是類別排名或競爭對手的替代方案清單。品牌自己的個人檔案在 9,198 次中只出現了 8 次。
ChatGPT 有搜尋時提及品牌的比例是 78%，沒搜尋時只有 6%
您問 ChatGPT 您的類別中有哪些最好的工具，回答裡出現了您的競爭對手，卻沒有您。標準解釋是您的內容權威性不夠。在我們的樣本中，更可能的解釋是模型根本沒有查詢任何東西。它憑記憶回答，而這種情況下它提及品牌的比例是 6%，而不是 78%。
AI Overviews 中 59% 的 YouTube 連結會直接跳到某個時間點
每份指南都說要開 YouTube 頻道，因為 Google 偏好自家平台。在我們的樣本中，YouTube 確實是被引用最多的網域，占 Google AI Overview 引用的 10.4%，ChatGPT 的 0.7%。接著我們檢視了連結本身。大多數連結會跳到影片中的某一秒，通常在前兩分鐘內，而 533 個中只有 11 個在我們量測的品牌的頻道上。
Reddit 占 AI 引用的 3%，而且每一次都是單一討論串
每份教人如何被 ChatGPT 推薦的指南都說要上 Reddit。我們統計了兩個引擎在五週內實際引用的內容。Reddit 在網域清單中排名靠前，卻只占約 3% 的連結。這 183 個連結全都指向單一討論串，而兩個引擎幾乎從未選中同一個。這改變了品牌在那裡該做的事。
三十天能改變 ChatGPT 查詢的內容，卻改變不了它記得的內容
您問 ChatGPT 您的類別中最好的工具有哪些，它列出了五家不是您的公司。在發布任何東西之前，先了解新頁面能觸及回答的哪一半。模型的記憶早在幾個月前就凍結了。查詢的那一半會讀取今天的網路，而且只在引擎決定搜尋時才會。以下是我們會如何運用最初的三十天，以及為什麼我們不會在三十天結束時評斷新頁面。
先修正彙整文章已經寫下關於您的那一行
每份 AI 能見度指南都告訴您要在更多彙整文章中被提及。沒有人告訴您，已經提及您的彙整文章，常常把您的價格、方案與適用對象寫錯，而模型重複的是它們的句子，而不是您的首頁。Zapier 公開了它的評選標準、測試方法與一份表單，而這份表單唯一明確的承諾就是修正錯誤資訊。這是整個棋盤上最便宜的一步。
您的誤差線重疊，而 12 個百分點的下降是真的
您的能見度從 42% 降到 30%，但誤差線仍然相碰，所以什麼警示都沒有觸發。從相同母體畫出的兩個 95% 信賴區間，重疊的機率超過 99%，這讓重疊檢查大約等於 1% 的檢定，而不是您想要的 5%。在同樣 200 個 prompt 上，正確的檢定得到 p = 0.012，比較實際翻轉的 prompt 則得到 p = 0.00006。以下是算式，包括我們自己的警示關卡做錯了什麼。
您手上的每個 AI 能見度數字，都是第一輪的數字
每個回答引擎工具，包括我們的，都在全新的對話中執行每個 prompt，並報告誰被提及。買家不會只問一個問題就停下。在一項涵蓋十五個模型、200,000 次對話的實驗中，把同一個請求分成兩輪或更多輪傳達，表現下降了 39%，最佳與最差執行之間的差距擴大超過一倍。第二輪的候選名單是另一種量測，而沒有人在做。
知名品牌每次都贏，直到競爭對手好上十分之一顆星
一項 2026 年 6 月的研究讓三個模型面對十個只有品牌名稱不同的產品。知名品牌贏下了每一次試驗。接著研究者給一個不知名的競爭對手所能量測到的最小優勢，壟斷就一步瓦解。只要存在任何真實差異，品牌身分只能解釋排名第一的 1.2%。
提及幾乎不動，情緒翻轉的頻率卻高出 6.7 倍。
引擎在類別問題上是否點名您，其實接近一個既定事實：被追蹤的儲存格中有 77.5% 嚴格地不是一直被提及，就是從未被提及。真正會變動的，是回答怎麼說您：在有內容可報告的儲存格中，將近一半會翻轉。多數儀表板卻以那個穩定的數字為主，並針對它設定警示。
詢問最佳軟體時，73% 的引用來源是第三方網站
AI 回答不是對您頁面的評判。它是一組大約八個來源，而在軟體問題上，其中約四分之三屬於評論者與比較網站。共被引這個 1973 年定義的指標，正是有用的視角：兩份文件之所以成為鄰居，是因為其他人一再同時引用它們。您無法選擇和誰並列出現，而這些同伴會影響買家怎麼看您。
零引用不代表模型沒用到您的頁面
AI 回答下方的連結標籤看起來像收據，其實更接近圖說：是模型事後針對自己的擷取過程所產生的文字。Tow Center 把一段確切的段落交給八個 AI 搜尋工具，詢問出處，這些工具答錯的比例超過 60%。引擎擷取到的內容與它標示出處的內容之間的落差，正是許多品牌能見度悄悄流失的地方。
您問了一次，模型點名了您。誠實的解讀是 21% 到 100%。
有人在 ChatGPT 輸入類別問題，看到品牌出現在回答中，就截圖貼到頻道上。那張截圖只是一次白努利試驗。為它加上 95% Wilson 信賴區間，與您所見結果相符的範圍是從 20.7% 一路到 100%。引擎在設計上就是非確定性的，而多數被報告為 AI 能見度變化的東西，其實是樣本太小、根本得不出結論的結果。
Google 的 AI Mode 把一個問題變成一打搜尋，您只追蹤其中一個。
Google 已經寫明 AI Mode 的運作方式，而它不是排名清單。一個問題被拆成子主題，由引擎自己撰寫的一組搜尋來回答。一位 Google 工程總監說，一般情況大約是一打。如果您只追蹤一個主要關鍵字，您看的就是這組問題中唯一由您挑選的那一個。
封鎖 GPTBot 不會讓您從 ChatGPT 消失，封鎖 OAI-SearchBot 才會。
網路上流傳著一行封鎖 GPTBot 的 robots.txt，許多人加了之後，以為自己對 ChatGPT 做了決定。他們其實做了另一個決定。以下直接根據各引擎自己的文件，說明哪個代理程式真正掌控哪個回答，以及如何在一個下午內檢查您的網站。
出現 AI 摘要時，點擊率從 15% 降到 8%
Pew 觀察 900 人一個月的搜尋行為。出現 AI 摘要時，大家點擊結果的比例是 8%，而不是 15%，點擊摘要內來源的比例則是 1%。以下是這對品牌的影響，以及這個數字可能錯在哪裡。
我們一再回頭看的三項發現
三者都是我們在測試類別中的實際量測。沒有一個是市場預測，因為我們找不到值得信任的預測來源。
在我們測試的類別中， ChatGPT 針對「最佳 X」引用的內容有 44% 是清單文章. 評論網站 24%、廠商頁面 18%、編輯內容 14%。那些清單文章大多接受投稿，所以是整份報告中最便宜就能補上的缺口。這值得寫一篇文章，但並不是祕密。
我們追蹤的引擎都沒有把 llms.txt 記載為排名訊號. 它是這個領域最常被推薦的項目。發布成本很低，我們自己也有發布一份，但單靠它不會讓您被提及。我們會一直這樣說，即使這會讓我們少一筆生意。
幾乎每種措辭都會出現相同的五到七個名字. 如果這份清單是隨機重新洗牌，那就不值得爭取。它不是。它很穩定，所以值得擠進去，進去之後也值得守住。
每篇文章都註明樣本、日期，以及可能出錯的地方。格式就是這樣。
明天再問同樣的問題，有 9% 到 27% 的名字會改變。
在我們自己的抽樣中，Perplexity 每日變動最大，達 27%，Claude 最小，為 9%。一篇關於回答引擎的文章，過時的速度遠比過去關於搜尋的文章快得多。所以我們寧可發布持續更新的測量，而不是一篇觀點文章。
- 每個數字都附有信賴區間，即 95% Wilson 分數區間，所以我們無法把一次波動當成進步賣給您
- 文章引用數字時，會註明我們抽樣的日期
- 發現不再成立時，我們會說它不再成立
Perplexity27%
ChatGPT18%
AI Overviews12%
Claude9%同一個問題相隔一天，被點名品牌的平均變化。Proofsource 抽樣。
在撰寫清單上
我們接下來要衡量和撰寫的內容。
一則回答不算衡量
為什麼單次執行也要附上區間，以及 Wilson 信賴區間實際排除了什麼。
像讀地圖一樣解讀引用
回答背後的來源，告訴您必須出現在哪些頁面上。我們會把過程攤開給您看。
出現、排名、呈現方式
被點名、被第一個點名、被正面點名，是三種不同的測量。
