AI 能見度監測先看 ChatGPT 與 Gemini 的提及落差
增長黑盒與 AI 可見度監測平台 Emergine 的研究，按話題熱度加權後，研究所稱的上游帶品牌率（了解階段的回答中提到品牌的比例），ChatGPT 是 84.1%，Gemini 是 65.7%。
這篇研究由增長黑盒發表，界面新聞在 轉載。研究團隊採集約 5000 條真實的 AI 搜尋對話，中文問題跑豆包、DeepSeek、通義千問，英文問題跑 ChatGPT 和 Gemini，涵蓋 10 個行業，全部開啟即時聯網。
所謂上游，是該研究對了解階段的稱呼，也就是行銷漏斗的上游，排在選型階段之前。話題熱度的算法，研究說明 AI 平台不公開每個問題被問過幾次，因此改用每個問題對應的一簇搜尋引擎搜尋詞，以真實月搜尋量計算。
ChatGPT 的 84.1%，研究原文形容是「几乎问必带」。中文的三個模型加權後反而靠得很近，落在 58.2% 到 68.0% 之間。該研究的說法是，模型之間的差距比市場之間還大。
不加權的口徑是另一個樣子。了解階段的全部回答中，中文模型有 50.2% 出現本行業的具體品牌名，英文模型是 49.8%。
| 模型 | 統計口徑 | 比例 |
|---|---|---|
| ChatGPT | 了解階段提到品牌的比例（按話題熱度加權） | 84.1% |
| Gemini | 了解階段提到品牌的比例（按話題熱度加權） | 65.7% |
| 豆包、DeepSeek、通義千問 | 了解階段提到品牌的比例（按話題熱度加權） | 58.2% 到 68.0% |
| 中文模型整體 | 了解階段回答出現具體品牌名（未加權） | 50.2% |
| 英文模型整體 | 了解階段回答出現具體品牌名（未加權） | 49.8% |
我們的讀法是：這份研究裡，加權後中國與海外兩個市場有差異，但模型之間的差距比市場之間還大。只看 ChatGPT 的數字，不能代表其他 AI 搜尋入口的情況。
研究也提到，同樣是了解階段的問題，換一個行業，點名品牌的比例可以差到十倍。你的品類未必落在上面的區間。
提及率只回答了「有沒有被講到」。AI 講到你的時候，根據的是誰寫的內容？
AI 回答品牌時，依據來自誰的內容
增長黑盒的研究指出，頭部品牌被 AI 提到時，依據來自企業官網的比例在中國是 16% 到 41%，海外是 61% 到 85%；Onely 引述的多倫多大學研究與 Brand24 引述的 McKinsey 資料，給出的是口徑不同、差距很大的數字。
增長黑盒的問法是：只看各行業 AI 最常提到的頭部品牌，這些品牌被提到時，AI 手裡的依據有多少來自企業官網。研究裡的企業官網不限品牌自己，上下游廠商、服務商的官網也算在內。
結果中國落在 16% 到 41%，海外落在 61% 到 85%，兩個區間完全不重疊。研究原文的結論是：
也就是说在中国，即便是行业第一名被提到的时候，AI 手里的依据也大半不是企业方发布的。
其他來源給出的數字很不一樣。Onely 在 2026 年 2 月 24 日發布的指南引述多倫多大學的研究，稱 91% 的 AI 生成回答引用第三方內容，而不是品牌網站；該句沒有說明樣本與時間。
社群傾聽工具 Brand24 在 2026 年 7 月 6 日更新的指南，則引述 McKinsey 2026 年的資料，稱 LLM 引用的來源只有 1% 來自品牌自有網站，這個數字無法核實。
三組數字的統計方式各自是：增長黑盒算的是頭部品牌被提到時官網依據的比例，多倫多大學的數字是引用第三方內容的回答比例，McKinsey 的數字是 LLM 引用來源中品牌自有網站的比例。三者給出的官網分量高低不一，我們無法判斷哪一組較接近一般品牌的處境，在此並列。
增長黑盒的研究還有一組數字。在了解階段沒有點名任何品牌的回答裡（中文模型 509 條、英文模型 251 條），仍有七成以上引用了企業官網頁面。在這批未點名品牌的回答中，海外被引用的官網頁面有 84.7% 寫了完整步驟、參數或案例，中國是 47.7%。同一組資料中，研究也寫到海外平均每條回答給出 5.04 條引用、中國 3.46 條。
對 AI 能見度監測來說，我們的判斷是只記錄品牌有沒有出現不夠。增長黑盒的做法是把每條回答後面的引用連結逐條歸類，分成企業官網與其他兩類，其他包括短影音與社群、產業媒體、社群問答、百科、評測網站。自己做監測時，也可以照這個分法記下 AI 引用了哪些網址。
被引用與否，會不會反映在流量上？Google AI Overviews 有一些數字。
被 Google AI Overviews 引用的品牌，點擊差多少
提供 AI 搜尋能見度檢測工具的 omnibound 引述 Seer Interactive 的研究稱，被 AI Overviews 引用的品牌每百萬次曝光拿到 20,743 次點擊，未被引用的是 9,445 次。
omnibound 這篇統計整理在 2026 年 6 月 25 日發布，所引的 Seer Interactive 研究標為 2026 年 4 月，追蹤 53 個品牌、24.3 億次曝光與 547 萬個查詢。該文寫，在同一個 AI Overviews 查詢上，被引用品牌每次曝光的自然點擊比未被引用的多 120%。
Onely 的指南給的是另一個數字：被 AI Overviews 引用的品牌，自然點擊比未被引用的多 35%，付費點擊多 91%，Onely 在正文沒寫明這組數字的研究時間。兩個自然點擊增幅差距很大，兩組數字的研究時間與口徑不一定相同，在此並列。
omnibound 引述的同一份 Seer Interactive 研究，也記錄了出現 AI Overviews 的查詢自然點擊率：2024 年 6 月是 1.76%，2025 年 9 月降到 0.61%，2026 年 2 月回升到 2.4%。
我們的判斷是，這些都是 Google AI Overviews 的數據，不宜直接套到 ChatGPT、Gemini 的對話回答上。每個引擎能量到的東西不一樣，這也是 AI 能見度監測麻煩的地方。
工具這一塊，已經有業者把監測功能放進自家平台。
AI 能見度監測功能開始出現在建站與社群傾聽平台
Webflow 在 2026 年 4 月 13 日發布 Webflow AEO，當時仍在私人測試階段，預定開放給所有 Enterprise 客戶；Brand24 則把 LLM Listening 列為社群傾聽工具的最新功能。
AEO 是 Answer Engine Optimization（答案引擎優化）的縮寫。Webflow 在公告中寫，多數團隊已經知道 AEO 成了基本功。
Webflow 官方更新頁這樣描述新產品：
Webflow AEO is an agentic, unified solution that brings measurement, recommendations, and action together in a closed loop, all in the same place where your site is built.
翻成白話：在建站的同一個地方，把量測、建議和改動串成閉環。依該頁說明，Webflow 會在 Webflow Analyze 加入專門的 AEO 分析，讓企業團隊看到品牌在答案引擎被引用的頻率、出現在哪些 prompts，以及 AI 能見度和站內互動、轉換的關係。
建議的部分，該頁寫 AI agents 會給出排好優先順序、針對品牌的建議，範圍從壞掉的連結、過時的 metadata，到可能提升所追蹤 prompts 引用次數的新內容機會。改動上線前，設有先審後發布（review-before-publish）的機制。AEO 分析會放在升級版的 Enterprise Analyze 方案中。
Brand24 是社群傾聽工具業者。該公司 2026 年 7 月 6 日更新的指南把 AI visibility tracking／LLM Listening 列為最新功能，稱只有最好的社群傾聽工具才提供，用來追蹤 ChatGPT、Perplexity、Gemini、Google AI Overviews 等 LLM 怎麼回答關於品牌的問題。指南裡有一句：
If your brand is absent or misrepresented in AI-generated answers, you can be invisible to a great portion of your audience!
意思是品牌在 AI 回答裡缺席或被講錯，就可能對很大一部分受眾隱形。
我們的判斷是，Webflow 從網站端出發，看的是品牌被引用的頻率與 prompts；Brand24 從社群傾聽出發，看的是 AI 怎麼回答關於品牌的問題。兩件事可以一起看。
工具之外，品牌自己能動手的部分是什麼？
怎麼借用研究的做法建立自己的基線
增長黑盒的研究設計可以縮小來用：固定一組問題，分中英文、分引擎、開啟聯網，逐條記下品牌名與引用網址。
下面幾個方向取自研究設計和工具功能，是我們的建議，可以依品類調整。
第一，問題組要固定。增長黑盒把了解階段的回答單獨統計；依 Webflow 的說明，它的 AEO 分析也會顯示品牌出現在哪些 prompts，並針對所追蹤的 prompts 給建議。問題組固定，前後兩次的結果才能比較。
第二，引擎要分開記。在增長黑盒的研究裡，ChatGPT 加權後是 84.1%，Gemini 是 65.7%。把各引擎的結果加總成一個分數，等於把這段差異抹掉。
第三，聯網要打開。研究的對話全部開啟即時聯網。增長黑盒寫到，每一條開了聯網的 AI 回答後面都掛著一串引用連結，這正是監測要記的東西。
第四，每次都記兩欄。一欄是品牌名有沒有出現，另一欄是 AI 引用了哪些網址，照官網、產業媒體、社群問答、評測網站等分類。第二欄才是能拿來行動的資料。
品牌自己跑幾十條問題，能說明什麼？增長黑盒跑了約 5000 條對話、涵蓋 10 個行業，才給出這些比例。我們的判斷是，品牌自己的小樣本適合比較上次和這次的方向，不適合對外宣稱自己的 AI 提及率是多少。
工具和做法都講完了。回到最根本的問題：品牌該把力氣花在哪？
銷波快觀點：先搞清楚 AI 在引用誰
我們一直覺得，2026 年最大的行銷盲區是顧客在 AI 搜尋裡已經見過你，你卻不知道。過去跟 ChatGPT、Perplexity 的對話沒辦法量化，現在工具開始把這些互動轉成旅程訊號，讓它們可以追蹤。上面看到的 Webflow 和 Brand24，就是這個轉變的具體樣子。
內容的目標也跟著變了。我們的說法是：不要搶排名，要搶被引用。資訊型的上層漏斗查詢，點擊被 AI 摘要截走；有明確購買意圖的下層漏斗內容，反而守得住。上層漏斗的內容，任務從拿流量變成當 AI 的引用來源。
我們自己實測過兩個客戶品牌。在三個 AI 引擎裡，一個品牌的推薦強度均值是 0.50，另一個只有 0.10，差了 5 倍。差距的根源跟品牌大小無關，在於 AI 進來時有沒有東西可以引用。推薦強度高的那個，官網有完整的服務頁、價格方案和品牌描述。
監測的設計，也很容易問錯問題。我們在關鍵字分析上卡過很久，想的一直是「怎麼辨識品牌名」，後來換成「這個查詢的人在找誰」，問題一下就變簡單了。有時候解不開，不是缺工具，是問錯了問題。
放到 AI 能見度上也一樣。「我有沒有被提到」只是起點，「AI 講到我的時候，依據的是誰的內容」才是能拿來行動的問題。答案是官網，就去補頁面；答案是別人，就去經營那些會被引用的外部聲音。
結論：按引擎記下 AI 引用了誰
增長黑盒的研究中，ChatGPT 與 Gemini 按話題熱度加權後，了解階段提到品牌的比例分別是 84.1% 與 65.7%。AI 引用依據裡官網占多少，增長黑盒、Onely 引述的多倫多大學研究、Brand24 引述的 McKinsey 數字各不相同。我們的建議是：挑一組品類問題，在 ChatGPT 和 Gemini 各自開啟聯網跑一次，記下品牌有沒有出現、引用了哪些網址，之後定期重跑比較。我們的判斷是，這張表比單次截圖更能看出變化。
喜歡這篇？讓行銷變好懂，訂閱銷波快。
資料來源
