我們用三種方式詢問同一批品牌
要怎麼避免 AI 把您的品牌和別家公司搞混?一種常見的解釋是情境:引擎會權衡名稱周圍的字詞,包括附近提到的其他公司,再挑出相符的那一個。照這個說法,問題中出現競爭對手的名字,應該能把引擎導向正確的公司。
Proofsource 追蹤三種品牌問題,正好可以驗證這一點。只有品牌名稱:「What is <Brand>?」、「Is <Brand> legit?」、「Is <Brand> worth it?」。點名競爭對手:「<Brand> vs <Competitor>」,用的是品牌自己追蹤的競爭對手。另外,對於我們標記為名稱有歧義的品牌,則附上類別:「What is <Brand>, the <category> company?」
我們逐一判讀每個回答實際描述的是哪家公司。我們採用 2026 年 10 月 4 日至 11 月 13 日間 ChatGPT、Claude、Perplexity 和 Google AI Overviews 的回答,排除四個我們自己經營或用於測試的品牌,並剔除逐字重複的回答。最後剩下 128 個工作區中 175 個品牌、924 個問題的 6,816 個回答。
競爭對手的名字沒有帶來改變:5.1% 對 4.0%
只有品牌名稱的問題,在 3,949 個回答中有 158 個描述了另一家公司,即 4.0%(3.4% 至 4.7%)。點名競爭對手的問題,在 2,771 個回答中有 140 個,即 5.1%(4.3% 至 5.9%)。競爭對手並沒有讓比率下降。
逐一看品牌,有 173 個品牌在兩種問題上各至少有四個回答。其中 102 個在兩種問題上都沒被搞混過。其餘 71 個中,39 個在點名競爭對手時表現較差,32 個較好,和擲硬幣的結果差不多。
只問品牌名稱時被搞混最嚴重的九個品牌,也就是四分之一以上回答出錯的品牌,同樣沒有改善:只問名稱時是 31.0%,點名競爭對手時是 35.7%。
引擎先認定名稱,再讓競爭對手去配合
有一個招募軟體品牌,和一款寵物除蚤藥同名。請 Claude 把它和英國的一個招募軟體競爭對手比較時,Claude 描述了除蚤藥,接著說它找不到作為除蚤藥的那個競爭對手。
我們有一個沒算進統計的測試品牌,是一款 AI 會議記錄應用程式,和一個遊戲序號交易平台同名。在把它和知名會議記錄工具比較的 48 個回答中,Google AI Overviews 有 30 個描述的是那個交易平台。
比較型問題要求引擎描述雙方。如果引擎不認識您,就會抓取它在您這個名字下知道的任何東西,競爭對手也就成了另一個要描述的對象,而不是線索。
問題附上類別後:96 個回答沒有一個認錯公司
六個名稱被我們標記為有歧義的品牌,被問到「What is <Brand>, the <category> company?」。96 個回答中,沒有一個被標記為描述了另一家公司(0%,上限為 3.8%)。同樣這些品牌,只問名稱的問題在 196 個回答中有 11 個被搞混,即 5.6%;點名競爭對手的問題在 214 個回答中有 9 個,即 4.2%。
回答也變得更明確。我們的判讀工具無法確定回答指的是哪家公司的比率,只問名稱時是 16.3%,點名競爭對手時是 9.4%,附上類別時是 4.2%。
類別沒辦法憑空變出引擎不認識的品牌。有兩次,Claude 回答說它完全找不到某個小型研究軟體品牌。這總比自信地描述另一家公司要好。
買家輸入的是您的名稱,不是您的類別
您無法讓買家自己加上類別。在電話裡聽到您名字的人,輸入的就是名字。所以要衡量的是只問名稱的問題,附上類別的問題則是對照組。
如果只問名稱的問題出錯,附上類別的問題卻答對了,代表引擎認識您,只是光憑名字找不到您。如果兩者都出錯,代表引擎還不認識您,這是另一個問題,修正方式也不同。
我們會怎麼做
- 把「What is <Brand>?」和「What is <Brand>, the <category> company?」放在一起追蹤。兩者之間的差距,就是您名稱問題的大小。
- 別把比較型問題當成引擎認識您的證據。在我們的樣本中,它們出錯的頻率和只問名稱的問題一樣高。
- 在引擎搜尋您的名稱時會看的地方,把類別放在名稱旁邊:頁面標題、首頁的第一句話、您在各平台的個人檔案。在問題中奏效的那句話,在網路上也應該容易找到。
- 要讀回答本身,不要只看標記。有一個被判讀工具算作正確的回答,描述的其實是同類別中另一個同名的應用程式。
Proofsource 如何處理
Proofsource 會判讀品牌問題的每個回答描述的是哪家公司,描述另一家公司的回答不會算成您的提及。當品牌名稱看起來有歧義且類別已知時,定義型問題會附上類別來問。
這可能出錯的地方
類別的結果只建立在六個品牌和 96 個回答上,而且全都是我們事先標記為有歧義的名稱。這是一個強烈的跡象,不是測量出來的比率。
身分判讀工具會出錯。人工檢查 32 個附上類別的回答,發現有一個描述的是另一個同名的任務管理應用程式,卻被判為正確。人工檢查 20 個點名競爭對手時的搞混案例,至少有 10 個明確成立,一個是判讀工具判錯,另外九個光看回答無法確定。它的錯誤應該會影響兩種問題,但程度不一定相同。
競爭對手是品牌自己選的,而當同名的對象身處完全不同的領域時,競爭對手確實可能有幫助。我們自己的品牌,競爭對手全是 AI 能見度工具,只問名稱時有 24.2% 的回答被搞混,點名競爭對手時是 11.0%。但在 175 個品牌中,這並不是常見的結果。
同一個問題的回答彼此並不獨立,所以上面的區間比實際應有的窄。這只是不到六週、四個引擎的資料。