167 個被算作提及的回答對品牌說了錯誤的內容
提及率對每個回答只問一個問題：品牌有沒有被點名？它不問回答提到品牌之後說了什麼。我們想知道這兩件事多常不一致。
樣本：2026 年 10 月 4 日至 16 日間，Proofsource 工作區在 ChatGPT、Perplexity、Claude 和 Google AI Overviews 上的回答。對每個點名追蹤品牌的回答，檢查器會把每項關於品牌的主張，與品牌確認過或我們從其網站讀到的事實比對。共有 2,137 個回答、涵蓋 63 個工作區中的 80 個品牌，至少含有一項能與存檔事實比對的主張。
其中 167 個，即 7.8%，至少有一項主張與品牌自己的事實相矛盾（95% 信賴區間 6.8% 到 9.0%）。逐項主張來看，4,761 項可檢查的主張中有 200 項錯誤，占 4.2%。分散到各品牌，80 個品牌中有 36 個在不到兩週內至少有一個錯誤回答。
這 167 個回答每一個都計入了提及率。在儀表板上，它們看起來和完全正確的回答一模一樣。
大多數錯誤主張是數字：數量、價格，以及產品是什麼
我們用一個簡單的文字規則，依主題把 200 項錯誤主張分類，所以這個分布請視為粗略估計。
- 數量和其他數字，92 項：整合數、據點數、服務客戶數、差了一個百分點的錄取率。
- 產品是什麼或做什麼，50 項：估價工具被描述為專案管理軟體，資安公司被描述為區塊鏈專案。
- 價格和方案，48 項：引述的起始價格低於實際價格，各方案點數說錯。
- 日期，依規則有 10 項，但真正是創立年份的只有 6 項，大多差了一年。
Claude 有 12% 的回答把事實說錯，Perplexity 為 5%
依引擎區分，至少有一項錯誤主張的已檢查回答比例：Claude 為 12.3%（470 個中的 58 個），Google AI Overviews 為 8.7%（516 個中的 45 個），ChatGPT 為 6.0%（612 個中的 37 個），Perplexity 為 5.0%（539 個中的 27 個）。
不要把這當成排行榜。在我們的樣本中，各引擎回答的問題組合不同，而一項採用不同方法的外部研究給出了不同的排名（下文詳述）。四個引擎共同成立的是：沒有一個是零錯誤。
引用品牌自家網站的回答，出錯機率只有一半
在點名品牌的問題上，例如「這家公司做什麼」或「多少錢」，回答引用品牌自家網站 1,353 次。其中 7.1%（96 次）把事實說錯。當品牌網站不在引用之中時，比例為 15.3%（307 次中的 47 次，信賴區間 11.7% 到 19.8%）。
在沒有點名品牌的買家問題上，沒有明顯差距：4.8% 對 5.7%，而且計數小得多。這是相關性，不是檢驗。但它指向最便宜的修正方式：當引擎描述您時，如果它讀的是您自己的內容，就更常說對。
176 個錯誤事實，其中 162 個只出現過一次
依品牌、事實和數值把錯誤主張分組，200 項會收斂為 176 個不同的錯誤事實。其中 162 個只出現在單一回答中。只有 14 個重複出現，只有 8 個出現在多個引擎上。
這改變了應對方式。某個引擎只說過一次的錯誤價格，是一次您可能再也看不到的隨機結果。反覆出現或出現在兩個引擎上的錯誤，則一定有來源，而那個來源通常是某個頁面。我們也在引擎引用的頁面上發現了 17 個品牌的 65 個錯誤事實：這些第三方頁面本身就帶有錯誤。
在您自己的提及率背後該打開什麼
只顯示比率的工具無法告訴您這些。請要求看回答。
- 閱讀每個點名您的問題的完整回答文字，從最常點名您的開始。
- 用您的定價、產品和關於我們頁面核對每項關於您的主張。價格、數量和創立日期最先過時。
- 確認回答講的是您。名稱相似的公司可能被算作您的提及。
- 打開被引用的頁面。如果您自己的網站不在其中，引擎就是根據別人的頁面在描述您。
- 採取行動前先計算重複次數。先修正跨日或跨引擎反覆出現的主張，並找出它來自哪個頁面。
Proofsource 如何處理
Proofsource 保留每個回答的完整文字和被引用的頁面。對每個點名您品牌的回答，它會把關於您的主張與您確認過的事實和從您網站讀到的事實比對，並且只有在引述的主張和正確數值都逐字出現時，才保留「錯誤」判定。同樣的錯誤數值再次出現時，會增加同一則警示的計數，而不是發出新警示；關於名稱相似的另一家公司的回答會被標記，而不會算作您的。
這可能出錯的地方
檢查器是一個對照存檔事實閱讀的語言模型。我們人工閱讀了 200 項錯誤主張中的 25 項：21 項是明確的矛盾，4 項較弱（把缺少細節當成錯誤、一個範圍、一份自相矛盾的事實清單，以及關於另一個產品的主張）。它也只判斷與儲存事實相符的主張。另外 5,330 項主張沒有對應的事實，沒有被判斷，所以會漏掉關於品牌從未寫下之事的錯誤。
品牌自己的事實也可能過時，這會把正確的回答變成錯誤的「錯誤」。這 80 個品牌大多是註冊 Proofsource 的小公司，不是隨機樣本，而且十二天的期間很短，也限制了錯誤事實重複出現的機會。
一項外部比較：Searchable 請 1,704 個品牌的員工為 AI 引擎陳述的 32,556 項關於自家品牌的事實評分，他們把 9.2% 標為錯誤，其中定價是最差的類別，達 13.5%。他們的評分者可以標記任何自己知道有誤的內容，包括過時的細節，這比我們以事實比對的檢查更廣，可能也是他們比率較高的原因。他們也發現在比較的三個引擎中 Perplexity 最不準確，與我們的排序相反。
