量自己的 AI 可見度只做了一半。ChatGPT 或 Perplexity 回答「這個類目有哪些推薦」的時候，答案是一份名單，不是一個名額——你沒上榜，等於把客戶直接讓給榜上的那幾家。這篇給你一套完整的競品 benchmark pipeline：同一組問句、五個指標、五個步驟，跑完你會拿到一張能逐月追蹤的計分表。我們也會把 TOPCLASS 自己在 Perplexity 上「不在名單裡」的實測結果攤開來當教材，因為這正是我們自己在解的題。
一張表看懂：要比的五個指標
先講清楚比什麼，不然測完一堆截圖也整理不出結論。競品 AI 可見度比較的核心只有五個指標，全部圍繞一個問題：AI 在回答你的類目問句時，怎麼對待你、怎麼對待你的競品。其中「引用域名數」牽涉到 AI 引用 的機制——AI 答案下方那排來源連結，決定了它「相信誰說的話」。
| 指標 | 定義 | 怎麼算 | 看什麼 |
|---|---|---|---|
| 提及率 | 某品牌在全部問句的答案中被點名的比例 | 被提及的問句數 ÷ 總問句數 | 你在不在牌桌上 |
| 首位率 | 被提及時，排在答案第一個的比例 | 排第一的次數 ÷ 被提及次數 | AI 心中的類目老大是誰 |
| 引用域名數 | 答案引用來源中，指向該品牌相關內容的不重複域名數 | 數答案下方的來源連結 | 誰的第三方背書最厚 |
| 描述準確度 | AI 對品牌的描述有幾成是對的、幾成過時或編造 | 逐句核對官網現況，記錯誤數 | AI 講的是現在的你還是三年前的你 |
| 情緒 | 描述語氣偏正面、中性還是帶保留 | 人工標注三檔即可 | 有沒有被貼上負面標籤 |
五個指標不用一次全上。第一輪先做提及率和首位率，這兩個十分鐘就能看出殘酷的現實；引用域名數留到第四步反查時一起做，效率最高。
第一步：選競品、圈問句集
競品選 3 到 5 家就好。說白了，超過 5 家你的表格會爆掉，而且每月重測的時間成本會讓你第二個月就放棄。建議的組合：兩家跟你搶同一批客戶的直接競品、一家市場聲量最大的老大、一家內容產出特別兇的（就算規模比你小）。最後那家是雷達——它如果在 AI 答案裡爬得快，代表內容策略在這個類目有效。
問句集不要重新發明。如果你已經照我們監測系統那篇建了自己的問句庫，直接沿用同一組，20 到 30 句，分三類：類目型（「台灣有哪些做某某的公司」）、比較型（「A 跟 B 哪家好」）、品牌型（「某某公司評價如何」）。共用問句庫有個實際好處：你的自我監測數據和競品 benchmark 數據可以直接疊在同一張表上，不用做兩套。
第二步：同輪同條件測試——這裡最容易踩雷
Benchmark 最大的坑是「不同條件測出來的數字硬比」。AI 答案本來就有隨機性，你週一測自己、週四測競品,結果差異可能來自模型當天的心情，不是可見度真的變了。守住三個紀律：
- 同一天、同一個時段，把全部問句對全部平台跑完一輪。20 句 × 3 個平台大概兩小時，排半天做完。
- 記下模型版本和日期。平台改版模型後數字會跳動，沒記版本你會誤判成自己的優化見效或失效。
- 統一用免登入狀態測。登入帳號有對話記憶和個人化，你平常查自己品牌查太多次，答案會被污染。個人化到底影響多大？官方沒有公開，以下是社群實測的推論：登入態下自家品牌的提及率普遍偏高，所以拿登入態的結果去跟老闆報告，等於自己騙自己。
工具能省掉手動的部分。Otterly.ai 約 $29/月起可以排程跑固定問句；Peec AI 約 $89–499/月做多品牌追蹤；HubSpot AI Search Grader 免費，適合先掃一次當起點；預算夠的企業可以看 Profound，或直接用手上 Ahrefs 的 Brand Radar、Semrush 的 AI Visibility Toolkit（兩者都是套件內功能）。但第一輪我建議手動，你需要親眼看過答案長什麼樣子，才知道工具報表在講什麼。
第三步：共現分析——AI 把誰跟誰放在一起講
提及率是「有沒有」，共現分析是「怎麼被講」。逐條看類目型問句的答案，記三件事：哪些品牌總是一起出現（AI 認定的同一級競爭組）、誰永遠排在第一個被點名（類目代表品牌）、每家被掛上什麼描述詞（「老牌」「主打電商」「價格較高」）。
做完你會拿到一張 AI 版的市場地圖，而且它常常跟你自己認知的競爭格局不一樣。你以為的頭號對手可能根本不在 AI 的名單裡，反而某家你沒放在眼裡的小公司每次都被第一個點名。這張地圖比任何簡報上的定位圖都誠實，因為它就是潛在客戶問 AI 時實際看到的東西。
我們自己的誠實 benchmark：TOPCLASS 不在名單上
直接拿我們自己當第三步的教材。⟦2026-07-05 實測，免登入網頁版⟧我們在 Perplexity 問「台灣有哪些做 GEO 的公司？」它點名了約 15 家：萬智匯 GeniusHub、Welly SEO、將能數位、91APP、awoo、零一行銷、確認鍵 Enter IMC、MTMG SEO、戰國策、Harris 先生、艾斯伊歐、geomkt.app 等。TOPCLASS 不在名單上。
把這個結果照方法拆開看。答案的 10 個引用來源集中在 geniushub、enterimc、nabi.104 這些第三方文章——上榜品牌的共同點不是誰的服務比較好，而是「有人寫過他們」，尤其是那種一次整理十幾家的清單文。AI 不會自己去比較每家公司，它只是轉述已經存在的整理文。
同一天測的品牌型問句「TOPCLASS 是什麼公司？」⟦2026-07-05 實測⟧也一樣：10 個來源幾乎全指向同一篇好幾年前的第三方舊文，描述混了三處過時資訊，逐條核對的過程寫在AI 是怎麼介紹你的品牌。AI 講的是舊文裡的你，不是現在的你——這點我們用自家品牌驗證過。
至於我們自己的 GSC 和 GA4 基準線數字有多小，完整攤在自建 GEO 情報系統那篇——數字很小我們照寫，這個系列存在的原因，就是把從零開始的路整個記錄下來。
第四步：引用來源反查，做出內容缺口清單
回頭看每個答案下方的引用來源，把 URL 全部列進表格，然後回答一個問題：這些文章裡，有你嗎？以我們自己為例，Perplexity 引用的那幾篇「台灣 GEO 公司整理」，沒有一篇提到 TOPCLASS——這就是最具體的內容缺口。
反查完把缺口分三類處理。第一類是可爭取的：對方是媒體或學習平台，可以投稿、受訪、或提供資料請對方更新（順便修掉過時描述）。第二類是可自建的：市面上的整理文品質普通，你可以自己寫一篇更完整、更誠實的類目比較，讓 AI 之後有更好的來源可抓。第三類直接放棄：競品官方部落格，你進不去，別浪費時間。這份清單就是你下一季的內容排程，比任何關鍵字工具吐出來的題目清單都精準,因為每一條都對應一個 AI 已經在引用的位置。
第五步：SoV 計分＋月度追蹤表
最後把全部觀察壓縮成一個可以逐月比的數字。公式很簡單：SoV＝品牌被提及次數 ÷ 全部品牌提及總次數。注意分母是「全部品牌的提及加總」，不是問句數——這樣算出來的是你在 AI 答案聲量池裡的占比，競品漲你就掉，零和的現實看得最清楚。
以下為示範情境：假設飲料包材類目有甲、乙、丙三家，用 20 句問句對 Perplexity 跑一輪。甲被提及 14 次、乙 9 次、丙 5 次，提及總數 28。算出來甲的 SoV 是 50%、乙 32.1%、丙 17.9%。再看首位率：甲被提及 14 次裡有 11 次排第一，首位率 78.6%——甲不只在牌桌上，還是 AI 心中的類目代表。丙的功課就很明確：先解決「有沒有被提及」，SoV 不到兩成之前談首位率沒有意義。
| 月份 | 問句數 | 平台/模型版本 | 提及次數（甲/乙/丙） | SoV（甲/乙/丙） | 首位率（甲） | 備註 |
|---|---|---|---|---|---|---|
| 2026-07 | 20 | Perplexity 免登入 | 14 / 9 / 5 | 50% / 32.1% / 17.9% | 78.6% | 基準線 |
| 2026-08 | 20 | （同上，記當月版本） | — | — | — | 投稿 2 篇後首測 |
| 2026-09 | 20 | （同上） | — | — | — | 季度檢討 |
模板的重點是「同一組問句、同一個條件、每月同一週跑」。數字本身沒有絕對意義,趨勢才有。跑滿三個月，你就能回答老闆那句「我們做這些內容到底有沒有用」——用競品的曲線當對照組，而不是憑感覺。
AI 可見度是零和的：你不在名單上，客戶就流向名單上的那幾家。想知道你的品牌現在在 AI 答案裡長什麼樣子、輸在哪個指標，預約一次免費健檢，我們用同一套 pipeline 幫你跑第一輪基準線。