第三方品牌提及占 85%，另一份數據卻指向品牌自有內容

第三方品牌提及的兩份報告，為什麼數字打對台

AirOps 統計的是「品牌名被寫進回答」的來源，85% 落在外部網域。Yext 統計的是「被列為來源的網址」，86% 落在品牌能控制的網站與商家資料。兩個數字量的不是同一件事，所以可以同時為真。

先看兩邊各自說了什麼。AirOps 在《2026 年 AI 搜尋現況報告》裡寫得很直接。

「品牌提及約有 85% 來自外部網域。」

同一份報告還有幾個數字。只有 30% 的品牌能在連續的 AI 回答中保持可見。約 59.6% 的 AI Overview 引用網址，並不在自然搜尋前 20 名內。投資外部來源存在感的品牌，在 AI 搜尋裡取得能見度的機會，是靠自有內容的 6.5 倍。

把兩句話擺在一起讀，矛盾就浮出來了。一邊說 85% 在外面，一邊說 86% 在裡面。差距不是統計誤差可以解釋的量級。

拆開來看就沒事了。AirOps 數的是「提及」，也就是回答的文字裡有沒有出現你的品牌名。Yext 數的是「引用」，也就是回答底下那排來源連結指向誰。同一個 AI 回答裡，文字段落可能引述某個論壇討論的結論，底下的來源連結卻掛著品牌官網。兩件事各記一次，兩份報告各自成立。

這個分辨很重要，因為它直接決定下一步要做什麼。搞混的話，很容易得出「官網不用做了」這種結論。

提及與引用是兩種訊號，AI 分別怎麼用

提及負責讓模型知道你存在，引用負責給出可查證的出處。AirOps 測到兩種訊號都有的品牌，在連續問答中再次出現的機會，比只有引用的品牌高 40%。這代表兩種訊號不是替代關係。

兩種訊號的性質不一樣。提及是分散的、你控制不了措辭的，但它的量反映一件事：真實世界裡有人談你。引用比較集中，措辭通常來自你自己寫的頁面，提供的是可核對的細節，例如價格區間、交期天數、服務範圍。Yext 測到的 86% 就落在這一類頁面上。

AirOps 的 40% 那個數字值得多看一眼。它比較的是兩群品牌：一群同時被提及也被引用，另一群只被引用。前者在連續問答裡再次出現的機會高出 40%。換句話說，光有引用撐不住多輪對話，光有提及也給不了模型可核對的細節。

那麼問題就轉到量的分配上。多數品牌手上只有一邊。

Reddit 被反覆點名，數據支持到哪一層

AirOps 測到約 48% 的 AI 搜尋引用來自使用者生成與社群來源。這份報告量的是整個類別，不是 Reddit 單一平台。把 48% 直接說成 Reddit 的貢獻，是把類別數字掛到一個平台身上。

這一點需要說清楚，因為市面上的說法經常跳過它。原始報告寫的是使用者生成與社群來源這個類別，涵蓋論壇、問答、影片平台的留言與討論。Reddit 是這個類別中被引用最多的來源之一，但它跟「Reddit 佔 48%」是兩句不同的話。

所以 Reddit 這條線該怎麼看？合理的讀法是：社群來源整體有分量，這件事有數據支持；Reddit 在其中權重高，這件事是操作圈的共同觀察，目前拿不到逐字的官方分佈。前者可以寫進策略文件，後者適合當假設去測。

實務上的差別在預算怎麼配。如果你相信的是「Reddit 佔 48%」，做法會變成集中人力在一個平台留言。如果你看到的是類別層級的 48%，做法會是先盤點自己的品類在哪些社群被討論，再決定進哪幾個。後者的失敗成本低很多。

還有一個現實限制。Reddit 這類社群對行銷痕跡的容忍度很低，品牌帳號硬上多半反效果。能做的是讓產品本身值得被提，再讓討論自然發生，這件事沒有捷徑。

品牌自有內容還要不要做

要做，而且它是外部提及能否生效的前提。AI 引述外部討論之後，通常會回到品牌可控的頁面取細節。官網空白的品牌，等於讓模型在沒有材料的狀態下描述自己。

Yext 那個 86% 提供的正是這件事的證據。當 AI 需要一個可以列出來的出處，它傾向抓結構清楚、資訊完整的頁面，而官網與商家資料通常就是這種頁面。外部討論負責讓你進入候選名單，自有內容負責讓你在名單上說得出話。

Merciv 的品牌追蹤指南從另一個角度指向同一件事。

「聲量份額高於市占率的品牌傾向成長，低於市占率的傾向衰退。」

這條規則講的是聲量與市占的相對關係，不是絕對的聲量大小。套到 AI 搜尋上，意思是你的提及量要跟品類裡的位置相稱。提及很少卻期待 AI 主動推薦，期待落在數據支持不到的地方。

結論不是二選一。兩邊的功能不重疊，缺一邊就會在不同的環節掉人。

怎麼量測第三方品牌提及

從手動稽核開始，成本是零。在 ChatGPT、Perplexity、Gemini 各輸入自己的品類推薦問句，記錄品牌有沒有被提到、描述準不準、排在第幾個。連續做四週就有趨勢線。

手動稽核的價值在於它會逼你讀到具體句子。工具給的是分數，人工讀到的是模型怎麼描述你，兩者的資訊量差很多。實際做過的人常在第一輪就發現 ChatGPT 把服務範圍講錯，這種錯誤比提及次數少更緊急。

做法可以拆成幾個動作：

• 定義查詢句。用買家會問的話，例如「台北 有哪些 包裝設計 推薦」，不要用自己的品牌名去搜，那測的是知名度不是推薦力。
• 固定引擎與次數。ChatGPT、Perplexity、Gemini 各問 3 次，記錄提及與否。同一個問題重複問，結果會變，這個變動本身是資訊。
• 記錄描述準確度。提到了但講錯，處理順序要排在提及次數之前。
• 盤點現有的外部提及。找出哪些媒體、部落格、社群討論已經寫到你，可以從 Google Search Console 的外部連結報告下手，這些是最省力的補強起點。
• 分開記提及與引用。回答文字裡的品牌名記一欄，來源連結記另一欄，這樣才看得出自己缺哪一邊。

付費工具的位置在於規模化與持續追蹤。人工稽核適合起步與抓錯，工具適合每週固定量測、比對競品。順序上先手動跑一輪，知道自己在哪裡，再決定要不要花錢。

銷波快觀點：先讓 AI 進來有東西可以引用

我們在節目裡談過一個轉向：不要搶排名，要搶被引用。資訊型查詢（TOFU）的點擊被 AI 摘要截走，但有明確購買意圖的底部漏斗（BOFU）內容反而守得住，使用者在決策末端更傾向直接造訪原始來源。這跟今天這兩份報告接得上，外部提及決定你進不進候選名單，可引用的內容決定你在名單上說得出什麼。

這件事我們拿自己的客戶實測過。象牙設計與莫里織品都是 ClassOn 的客戶，在三個引擎測 AI 推薦強度，象牙的均值是 0.50（ChatGPT 0.3、Perplexity 0.6、Gemini 0.6），莫里是 0.10（ChatGPT 0、Perplexity 0.3、Gemini 0），差了 5 倍。差異的根因不是品牌大小，是 AI 進來有沒有東西可以引用。象牙的官網有完整服務頁、價格方案、品牌描述，莫里沒有。看到這組數字，我們對 Yext 那個 86% 比較有信心，它跟我們手上量到的方向一致。

另一個容易被忽略的角度是：顧客在 AI 搜尋裡可能已經見過你，你卻不知道。這是目前最大的量測盲區。相關的教訓還有一個，我們在分析關鍵字時發現，有些排名關鍵字看起來很像資產，實際上是別人的品牌名，搜那個字的人要找的是別人。當時卡住的原因是問題問錯了，一直想「怎麼辨識品牌名」，換成「這個查詢的人在找誰」就解開了。放到 AI 提及的量測上是同一個提醒：先確認你量到的提及是衝著你來的。

還有一層是覆蓋。我們整理關鍵字庫時原本用搜尋量當門檻篩選，1,208 筆裡有 62% 是月搜 1 到 99，砍掉就少了六成的詞。但強化實體要的是這個主題的詞彙完不完整，不是這些詞帶不帶流量。詞彙缺一半的品牌，讀起來像訪客，不像這個領域的擁有者。AI 判斷你是不是這題的權威，看的接近後者。

結論：兩個數字都對，先補你缺的那一邊

85% 與 86% 不是互相否證，它們量的是提及與引用兩種訊號。AirOps 的 40% 差距已經說明，兩種訊號同時具備的品牌，在多輪問答裡站得比較穩。

可以現在就做的事情很小：開三個 AI 引擎，用買家的問法問一次自己的品類，把結果記下來。這份紀錄會告訴你缺的是提及還是引用，後面的預算才配得準。

順帶提醒，查到的數字記得回原始頁面對一次。查證時遇到好幾筆對不上的轉述，包括掛錯報告的 0.664 相關係數，以及被改寫過的百分比。引用錯一個數字，讀者查得到，那比沒有數字傷得更重。

資料來源

• AirOps《2026 年 AI 搜尋現況報告》airops.com
• AI Search Statistics 2026superlines.io
• Brand Awareness Tracking for Brand Teams 2026merciv.com
• 艾瑞咨詢 2026 消費決策場景 AI 搜索洞察report.iresearch.cn
• 火山引擎搜極星：品牌 AI 可見度監測框架developer.volcengine.com
• 2026 年品牌 AI 化戰略與認知資產構建sheepgeo.com
• 2026 年 AI 搜尋 GEO 實戰：多平台同步優化zhuanlan.zhihu.com
• 2026 年中國 B2B 品牌建設關鍵趨勢sohu.com