你的客户现在会拿"某类目里最好的是什么""某品牌值不值得买""某品牌 vs 竞品怎么选"这类问题去问 ChatGPT、Gemini、Perplexity——这些问题以前是靠 Google 排名来回答的。你的品牌会不会出现在这些回答里、出现时被怎么描述，现在已经是一个可以量化、可以追踪的指标了。这篇文章讲清楚具体怎么追踪，从免费的手动方法一路讲到一套完整的自动化框架。
Key Takeaways
- AI 搜索可见度由四个核心指标衡量：提及率、引用率、Share of Model（或 Share of Voice）、以及情感倾向——而不是单一的"排名"。
- 用一张表格加一组固定 prompt，今天就能开始手动追踪；规模化不了，但能立刻告诉你现在站在什么位置。
- 一套可复用的五步框架（定义 prompt → 跨引擎运行 → 记录引用与情感 → 对标竞品 → 针对差距行动）无论手动做还是用平台做都适用。
- AI 可见度至少要每周检查一次——AI 生成的回答变化速度比传统搜索排名快得多，尤其是在产品发布或公关事件前后。
"AI 搜索可见度"到底衡量的是什么
和传统 SEO 排名不同，AI 生成的回答里不存在单一的"第几位"。AI 可见度通常拆成四个指标来看：
- 提及率——在一组相关 prompt 里，你的品牌被提到的比例。
- 引用率——在这些 prompt 里，你的某个具体页面被当作信息来源引用的比例，这和单纯被"点名"是两回事。
- Share of Model（或 Share of Voice）——你的提及/引用量相对于同一批回答里出现的竞品的占比，它告诉你的是"你在这个品类的可见度之争里是赢还是输"，而不只是"你存不存在"。
- 情感倾向——AI 对你品牌的描述是正面、中性还是负面，尤其要看它是否在重复过时或不准确的说法。
只追踪"有没有被提到"会漏掉另一半画面：一次带负面情感的提及，或者引用了一个过时的商品页，可能比完全没被提到还糟。
方法一：手动追踪（免费，DIY）
不需要付费工具就能对你的 AI 可见度有个初步判断。流程如下：
- 列一份 prompt 清单。 写 15–30 条真实客户可能会问的问题——品类类问题（"最好的[品类]工具有哪些"）、对比类问题（"[品牌] vs [竞品]"）、直接判断类问题（"[品牌]靠谱吗/值不值得买"）。
- 在多个引擎上分别运行这些 prompt。 至少要覆盖 ChatGPT、Perplexity、Google AI Overviews 和 Gemini——对大多数 To C 和 To B 品类来说，这几个引擎合起来的查询量最大。
- 把结果记进表格。 每个 prompt/引擎组合，记录：是否被提及（是/否）、是否附带具体 URL 引用（是/否）、情感倾向（正面/中性/负面）、以及同时出现了哪些竞品。
- 按固定周期重复。 每周一次，用一模一样的 prompt 措辞——AI 的回答每次运行都会有波动，所以 prompt 的一致性比 prompt 数量的穷尽性更重要。
这个方法的局限很快就会暴露出来：没有历史趋势曲线，规模撑不过几十条 prompt，而且每个周期都要花不少人工时间。它更适合用来验证"AI 可见度对我们品牌是不是个真问题"，而不是一套长期可依赖的系统。
方法二：用平台做自动化追踪
专门的 AI 可见度平台解决的正是规模化问题：成百上千条 prompt、每天或每周自动运行、覆盖所有主流引擎，还自带历史趋势曲线和竞品对标。各平台的差异可以看最佳 AI 可见度工具对比文章，或者去替代方案专区看具体供应商的逐项对比。专门针对"追踪"这件事（而不是整体功能对比），要重点看：
- prompt 集是否可自定义——能不能加入你自己品类专属的 prompt，还是只能用通用模板？
- 引用层级的细节——能不能看到你哪个具体 URL 被引用了，而不只是"品牌被提到了"？
- 历史趋势数据，而不只是当前快照——这是你向公司证明 AEO 工作在一个季度里真的起作用的关键证据。
- 同一视图里的竞品对标，这样 Share of Model 不用交叉对照多份报告就能看到。
一套五步追踪框架
无论手动做还是用平台做，这套框架都适用——步骤一样，只是每一步花的力气不同。
- 锚定在真实的客户研究型问题上，而不只是你的品牌名。要包含品类类、对比类、"值不值得"类三种 prompt。
