能——AI Search 中的品牌提及完全可以追踪,而且方法已经成体系。ChatGPT、Gemini、Perplexity、Grok、Google AI Overviews 生成的是概率性回答,所以你不能像盯 Google 排名那样盯它,而要像民调机构抽样选民那样采样:固定一批购买问题,跨引擎、换问法、反复运行,看似随机的回答就会收敛成稳定的可见性数据。下面拆解它的原理、数据的边界,以及一个下午就能搭完的五步方案。
核心要点
- AI Search 中的品牌提及靠采样追踪:固定 prompt 集反复运行,衡量的是提及率这个百分比,而不是排名位置。
- SparkToro 与 Gumshoe.ai 组织 600 名志愿者的实验发现:AI 回答内部的品牌排名在多次运行间近乎随机,但品牌是否出现的频率足够稳定,可以量化。
- OpenAI 没有提供类似 Search Console 的后台,展示量数据根本不存在;提及率、引用率和 Share of Model 是行业通行的代理指标。
- 手动抽查适合拿第一版基线,但个性化、记忆功能和 fan-out 查询会让单次检查在几周内失真。
- 这件事的赌注是真的:ChatGPT 周活用户已在 2025 年 10 月突破 8 亿,Adobe 测得美国零售网站的生成式 AI 来源流量暴涨 1,200%。
为什么每次都在变的东西也能被测量
拿「适合养宠家庭的最佳无线吸尘器」问 ChatGPT 两次,你会得到两个不一样的答案。大语言模型按概率分布生成文本,随机性是设计使然;引擎还普遍做 fan-out 检索——Google AI Mode 和 ChatGPT 会把你的一个问题在后台拆成若干子查询,各自抓取不同信源,连答案背后的证据都在轮换。
这正是单次检查会骗人的原因。SparkToro 与 Gumshoe.ai 让 600 名志愿者向 ChatGPT、Claude 和 Google 的 AI 结果提出同样十二个问题,实验结论是:回答内部的品牌排名几乎随机,但品牌是否出现要稳定得多。Rand Fishkin 的判断很直接:任何号称能给出精确「AI 排名位次」的工具都在夸大,而基于反复运行得出的可见性百分比是站得住的测量。
所以测量单位不是「某一次回答」,而是提及率。某条 prompt 本月跑 30 次、品牌出现 22 次,提及率就是 73%;下个月掉到 40%,那是真实信号而非噪音。务必分引擎统计——Gemini 倚重 Google 索引,Perplexity 引用信源最激进,ChatGPT 把模型记忆和实时浏览混在一起——把它们的数字搅在一起只会得到糊涂账。Gemini 的独特脾气我们单独写过:如何追踪 Gemini 里的品牌提及。
哪些数据拿得到,哪些永远拿不到
今天就能追踪的:
- 提及率:固定 prompt 集的回答里,品牌出现的频率。
- 引用率:你的域名被列为信源的频率——被提及和被引用是两场不同的仗,Jake Ward 讲的「要被引用,而不是被点击」说的正是这件事。
- Share of Model:开放式提问下,你与竞品在 AI 回答中的份额对比。
- 信源结构:你的品类被问到时,引擎从哪些第三方域名取材(Reddit、测评站、垂直媒体)。
- 购物货架:你的商品是否以 product card 形式出现在 ChatGPT Shopping 和 Google AI Mode。
- AI 引荐流量:来自 chatgpt.com、perplexity.ai、gemini.google.com 的会话,GA4 免费可见。

谁都拿不到的:
- 展示量。OpenAI 不公开任何按品牌或按 prompt 的曝光数据,也不存在 ChatGPT 版 Search Console;工具里出现的「impressions」都是建模估算,不是测量值。
- ChatGPT 站内真实用户的提问方式分布。
- 个性化回答。带着几个月记忆的登录用户看到的答案,可能和任何中性采样都不同。
所以这个领域所有严肃指标本质上都是代理指标。代理并不丢人——广告业靠抽样面板运转了几十年——前提是清楚它代理的是什么。完整的指标体系拆解见 AI 搜索可见性指标与 KPI。
手动抽查 vs 专业工具
完全可以先手动来。一套站得住的 DIY 流程:写下 10-15 个客户真实会问的购买问题;开临时对话并关掉记忆(AI Overviews 用无痕窗口);每条 prompt 在每个引擎跑三遍;记录是否被提及、还提到了谁、引用了哪些信源。每周重复。
问题出在算术上。10 条 prompt、3 次运行、4 个引擎,意味着每周要读完并登记 120 条回答。手动方法还看不到 fan-out 子查询、留不下干净的历史记录、甩不掉你账号自带的上下文。多数团队的做法是:手动审计一次拿基线,然后交给工具。
专业追踪工具——Profound、Peec AI、Otterly.AI、Semrush 的 AI 可见性工具包、GEOly 等——会按计划替你完成采样,把一次次运行变成趋势线。我们在最好用的 AI 搜索监测工具里做过正面对比;一句话结论:通用工具胜在行业覆盖面,GEOly 为电商而生,还多覆盖了购物货架这一层。
五步搭建教程
利益披露:GEOly 是我们自己的产品;下文以它为演示,因为在 app.geoly.ai 可以免费上手。五个步骤适用于任何追踪工具。
- 搭 prompt 集。从三类问题里挑 20-50 条:品类型(「扁平足最好的跑鞋」)、对比型(「品牌 X vs 品牌 Y」)、品牌型(「品牌 X 靠谱吗」)。GEOly 会自动生成 fan-out 变体——引擎回答的是子查询,不只是你的原始问法,这一步很关键。
- 有意识地选引擎。ChatGPT、Gemini、Perplexity、Grok、Google AI Overviews 与 AI Mode 各有脾气,分开追踪。卖实物商品的话,购物货架长在 ChatGPT 和 Google AI Mode 上,优先级最高。
- 定采样节奏。转化意图最强的 10 条 prompt 每日采样,长尾每周一次。然后沉住气:以两到四周的累计数据看趋势,别为单日波动改策略。
- 研究信源,而不只是盯提及。引用报告会告诉你每个引擎在你的品类里信任哪些域名——通常是 Reddit 帖子、测评站和垂直媒体的组合。这份名单就是你的 GEO 路线图:先在这些域名上占住位置,提及自然跟着来。

- 对标竞品,并延伸到货架。Share of Model 回答的是「顾客开放式提问时,ChatGPT 推荐的是你还是对手」。电商品牌还应该加上 Share of Card——AI 购物货架上的商品卡占位——因为只有文字提及、没有商品卡,等于赢了论证、丢了订单。
从零到可用的仪表盘,一个下午足够。更多实操指南见 Riven Gao 的作者页和 AI visibility 标签下的其余文章。
FAQ
ChatGPT 里的品牌提及能追踪吗?
能。固定一组 prompt 反复采样——手动用关掉记忆的临时对话,或用工具批量查询 ChatGPT——统计品牌出现的频率即可。拿不到的是展示量,OpenAI 不开放这类数据;行业标准的替代方案就是反复运行下的提及率。
AI Search 追踪的数据有多准?
指标层面可靠,单条回答层面不可靠。SparkToro 的 600 人实验显示,AI 回答内部的排名位次近乎随机,但反复运行下的出现频率是稳定的。对任何承诺「精确 AI 排名」的工具保持警惕,相信大样本算出来的百分比。
多久检查一次 AI 可见性合适?
每日采样、每周复盘、每月做决策。模型更新、引擎重新抓取信源、竞品拿下一波报道,都会让 AI 回答变动,日度采样能捕捉到这些位移——但至少积累两到四周数据,再据此调整策略才算诚实。
有免费追踪 AI 提及的方法吗?
有两条路。上文的手动流程只花时间不花钱;GA4 本来就能免费看到来自 chatgpt.com、perplexity.ai、gemini.google.com 的引荐会话。当表格撑不住时,GEOly 免费上手即可接管 prompt 采样。

