跨 ChatGPT、Gemini、Perplexity 追踪品牌可见度，归结为五步：用买家原话建 prompt 面板、对每个引擎重复采样、把提及/引用/商品卡分开记录、按引擎特性分别解读、最后设基线和告警。这件事的回报比大多数渠道来得快——Similarweb 的数据显示 ChatGPT 引荐流量转化率 7.1%，仅次于付费搜索的 7.8%。下面是我给电商品牌跑的完整流程，一步一步拆开讲。
核心要点
- AI 答案是概率性的：同一个 prompt 不同轮次会给出不同的品牌列表。单次截图只是轶事，跨天的重复采样才是测量。
- 每条答案要记三个信号，不是一个：文字提及、你域名被引用、商品卡出现。GEOly 美国监测（2026 年 6 月 20–30 日）显示，88.8% 的 ChatGPT 购物类回答带商品卡。
- 每个引擎要分开读：Gemini 依托 Google 生态，Perplexity 引用密集，ChatGPT 多了购物货架和广告——2026 年 6 月有 38.2% 的购物回答带广告。
- 绝对数字不如趋势和差距重要。第一周先打基线，之后盯三件事：提及率下滑、竞品进场、商品卡消失。
第一步：用买家原话建 prompt 面板
后面所有环节都取决于你问的问题是不是买家真正会问的问题，措辞是不是他们的措辞。从客服工单、商品评论、销售通话和社区帖子里挑出 20 到 50 条 prompt——Reddit 尤其值得专门挖，它以 5.5M 次引用成为 AI 品牌决策的第一引用源。
按购买意图给面板分层。品类型 prompt（"100 美元以内最好的无线耳机"）看你在不在候选集里；对比型 prompt（"品牌 X 和品牌 Y 哪个好"）看引擎怎么把你和对手放在一起讲；品牌直查型 prompt（"品牌 X 靠谱吗"）看模型对你的既有认知。面板定稿后就冻结。总换 prompt 的话，趋势线量的是你的改动，不是你的可见度。
第二步：重复采样——答案是概率性的
同一个购物问题问 ChatGPT 两遍，经常拿到两份不同的品牌列表。这不是 bug：生成式答案是采样出来的，背后的检索每轮也在变。所以查一次几乎说明不了任何事。
解法是重复。面板里每条 prompt 每周在每个引擎跑多轮，用干净会话避免个性化污染样本，然后算提及率：你的品牌出现在多少比例的轮次里。10 轮出现 8 次的品牌，和 10 轮出现 2 次的品牌，都能截出一张"我们上 ChatGPT 了！"的图——但两者根本不在同一个位置上。
手动对三个引擎做这件事很枯燥但可行：一张表，列上 prompt、引擎、日期、是否提及、是否引用，就能起步。通用方法见我们的 AI 搜索品牌提及追踪指南；工具的价值主要就是把重跑这件事自动化。
第三步：提及、引用、商品卡分开记录
你的品牌在一条答案里可能发生三件不同的事，而它们的分化程度往往超出团队预期。
提及是答案在文字里点了你的名。引用是引擎把你的域名列为来源——你完全可能借一条 Reddit 帖或一个零售商页面被提及，而你自己的站没拿到引用。商品卡是你带着价格、图片和购买路径出现在购物货架上。三者必须分开记，因为它们之间的落差正是漏钱的地方：GEOly 2026 年 6 月美国数据里，ChatGPT 购物回答中 14% 的品牌提及没有可购买的卡。这些品牌赢了论述，输了收银台。
每轮三个信号都记。只能记一个的话，记离你营收最近的那个——电商品牌就是卡。从提及率到 Share of Model 再到引用份额，完整的指标口径见 AI 搜索可见度指标与 KPI。
第四步：按引擎特性分别解读
把三个引擎平均成一个总分，恰恰会盖住你最该看的东西，因为它们的机制天生不同。
ChatGPT 是商业面。它会拼出商品卡轮播——88.8% 的购物回答带卡——而且开始卖位置了：2026 年 6 月 38.2% 的购物回答带广告，活跃广告主 3,042 个。你在那里的可见度变化，可能是竞品花了钱，而不是你的内容掉了。
Gemini 骑在 Google 生态上：搜索 grounding、Shopping Graph、商家 feed。Google Shopping 基础没做好，通常直接表现为 Gemini 可见度弱，这条线有自己的诊断路径——见如何追踪品牌在 Gemini 里的提及。
