- 测试AI可见度的核心工具是一个固定问题库，通常 30～50 个问题，覆盖买家从了解到采购的各阶段。
- 每个问题要在同一平台多次提问，因为AI回答有随机性，单次结果不能代表常态。
- 记录项至少包括：是否提及、在名单中的位置、描述是否准确、引用了哪些来源。
- 问题库一旦确定就尽量不改，这样每月的数据才可以前后对比。
测试品牌在 AI 中的可见度，最可靠的方法是建一个固定的问题库：整理 30～50 个海外买家真实会问的问题，按统一规则在 ChatGPT、Perplexity、Gemini 等平台提问，记录你是否被提到、排在第几、描述是否准确，然后每月复测一次对比。
随便问几句然后截图，是最常见也最不可靠的做法。AI 的回答有随机性，同一个问题问三次可能得到三份不同的名单。只有固定问题、固定方法、多次取样，结果才有参考价值。
第一步：搭建问题库
问题要站在买家角度写，用英文（或目标市场语言），覆盖以下几类：
| 问题类型 | 示例（中文示意，实际用英文提问） | 建议数量 |
|---|---|---|
| 供应商推荐 | 中国有哪些可靠的铝型材制造商？ | 10～15 |
| 细分需求 | 哪些工厂能做小批量定制的阳极氧化铝型材？ | 8～12 |
| 选型比较 | 6063 和 6061 铝合金型材分别适合什么用途？ | 5～10 |
| 品牌直接询问 | 某某公司是做什么的？可靠吗？ | 3～5 |
| 竞品对比 | 某某公司和某某公司相比怎么样？ | 3～5 |
问题从哪里来
- 业务员整理的客户询盘原话，这是最好的来源。
- 谷歌搜索控制台里带疑问词的搜索查询。
- 展会上买家常问的问题。
- Reddit、Quora 上的行业讨论帖标题。
第二步：定好提问规则
- 用全新对话：每个问题开一个新对话，避免前文影响。
- 关闭个性化记忆：如果平台有记忆功能，测试账号要关掉，否则 AI 可能因为你以前问过而偏向你。
- 每题问三次：记录三次中出现几次，比单次结果可靠得多。
- 记录日期和平台版本：平台模型更新会影响结果，注明日期便于解释波动。
- 原样提问：不要临时改措辞，问题库里怎么写就怎么问。
第三步：记录这些字段
- 是否提及你（三次中几次）
- 在名单中的位置
- 描述是否准确：公司类型、主营产品、所在地、规模有没有说错
- 同时被提及的竞争对手
- 引用来源（Perplexity 和谷歌AI概览会列出，ChatGPT 联网时也会显示）
引用来源这一列特别有用：它告诉你 AI 从哪里了解这个行业，你就知道该去哪些网站争取被收录或提及。这部分可以参考第三方信源建设。
没有固定问题库的AI测试只是“看看”，有了问题库才是“测量”。
第四步：计算提及率并定期复测
提及率的简单算法：被提及的次数除以总提问次数。比如 40 个问题每题问 3 次，共 120 次，其中 18 次提到你，提及率就是 15%。这个数字本身没有好坏标准，重要的是它随时间的变化，以及和主要竞争对手的差距。
建议每月测一次。问题库确定后尽量不改；确实要加问题，就单独标记，不要混进历史对比里。具体怎么看这些数据，见GEO效果怎么衡量。
常见误区
- 只问品牌名——“某某公司怎么样”能测描述准确度，但测不出你是否会被推荐。
- 用中文问面向海外买家的问题——结果和英文提问差别很大。
- 看到一次没提到就认定“没效果”——要看多次取样的平均值。
- 用公司内部常用的叫法提问——买家不会用你们的内部型号名，要用他们的说法。
测试记录表怎么设计
建议用一张电子表格，每行是一次提问，列设计如下：
| 列名 | 填写内容 |
|---|---|
| 日期 | 测试当天日期 |
| 平台 | ChatGPT、Perplexity、Gemini 等 |
| 问题编号 | 对应问题库中的固定编号 |
| 第几次 | 1、2、3 |
| 是否提及 | 是或否 |
| 位置 | 名单中的第几位，未提及留空 |
| 描述是否准确 | 准确、部分错误、错误，并备注错在哪里 |
| 竞争对手 | 同时出现的其他企业名 |
| 引用来源 | 回答列出的网址 |
每次测试保存回答截图或全文，作为原始记录。几个月后回看，你能清楚看到 AI 对你的描述是怎么变化的。
工作量估算
以 40 个问题、3 个平台、每题 3 次计算，一轮是 360 次提问。熟练后一个人大约需要两到三个工作日。如果工作量太大，可以先把每题次数降为 2 次，或者先只测两个平台。
测完第一轮之后看什么
第一轮结果出来后，不必急着和别人比数字，先回答这几个问题：
- 哪些问题类型完全没有提到你？是推荐类、细分需求类还是选型类？
- 哪个平台对你最“陌生”？是否和该平台爬虫能否访问你的网站有关？
- AI 对你的描述里，有没有明显的事实错误？
- 经常和你同时出现、或者代替你出现的是哪几家企业？它们在哪些引用来源里出现？
这几个答案，基本就决定了接下来三个月的工作重点：描述有错先修信息，平台陌生先查抓取，推荐缺席先补信源。
另外，测试结果最好在公司内部共享。业务员看到 AI 如何描述自家公司和竞争对手，往往能补充很多市场人员不知道的细节，比如某个竞争对手最近在哪个展会很活跃、某个说法是客户常有的误解。这些信息会反过来帮你完善问题库和内容计划。
下一步
先从业务员那里收集 20 个客户原话，翻成英文，就是问题库的第一版。测完第一轮，你就有了基准线。如果需要一个现成的问题库模板和测试表格，可以联系我们索取。
常见问题
问题库需要多少个问题才够？
一般 30～50 个比较合适。太少容易被随机波动影响，太多则每月测试工作量过大。细分产品线多的企业可以按产品线各建一组。
有没有工具可以自动测试？
市面上有一些自动化监测工具，可以批量提问和记录。但建议先手动测一两轮，理解AI回答的规律后再决定是否用工具，避免只看数字不看内容。
为什么同一个问题每次答案不同？
大模型生成回答有一定随机性，联网检索的结果也会变化。所以要每题多问几次，看出现的频率，而不是看某一次的结果。