不用买工具，一张表格加一份固定问句清单就能测。方法：固定 4 个以上 AI 平台、固定 10 个问句、 每个问句问 3 次，共 120 次采样，逐条记录六个字段。每月做一次，你就有了「公司在 AI 里的档案」—— 被怎么说、说准没有、引用了谁、和同行差在哪，全部有记录可查。
唯一的技术要点是固定变量：问句、平台、次数全部固定，结果才有可比性。问法天天变，测了等于没测。
一、第一步：定 10 个问句
问句分两组。品牌组测「它怎么描述你」，品类组测「它推荐时带不带你」——两组必须都有，只测品牌组会盲目乐观， 只测品类组会盲目悲观。
| 编号 | 问句模板 | 测什么 |
|---|---|---|
| B1 | 〔公司全称〕是做什么的 | 业务描述准不准 |
| B2 | 〔公司全称〕是工厂还是贸易商 | 身份判断对不对 |
| B3 | 〔公司全称〕怎么样，靠谱吗 | 评价来源是什么 |
| B4 | 〔公司简称〕和〔公司全称〕是同一家吗 | 实体有没有混 |
| C1 | 〔品类〕有哪些厂家 | 品类推荐里出不出你 |
| C2 | 〔品类〕+〔你的地域〕哪家好 | 地域词里出不出你 |
| C3 | 〔具体工况难题〕怎么选厂家 | 工况词里出不出你 |
| C4 | 〔品类〕采购要注意什么，怎么避开中间商 | 它怎么描述这个品类的生态 |
| C5 | 〔你主打产品〕什么品牌 / 厂家质量稳定 | 品牌推荐位上有没有你 |
| C6 | 〔同行名〕和〔你的公司〕怎么选 | 正面对比时它怎么说你 |
C6 这个对比问句价值最高也最扎心——AI 在正面比较里怎么说你，往往就是采购心里对你的印象。 选同行选你真实对标的那家，别挑软柿子。
二、第二步：选平台、定节奏
平台选你的客户真在用的 4 个以上。江浙沪制造业场景下常见组合：豆包、DeepSeek、Kimi、腾讯元宝， 外贸线加 ChatGPT。每个平台单独记录，不允许把不同平台的答案混在一起算比例。
每个问句在每个平台问 3 次——大模型有随机性，单次结果不能作为结论；3 次里只要 1 次提到且准确，就算「可查到」。 这是行业里比较通行的最低采样口径，我们自己做基线时用的是 8 平台 × 10 问句 × 3 次 = 240 次， 企业自测从 120 次起步完全够用。
三、第三步：六字段记录表
用任何表格软件，一行一次采样，六个字段：
| 字段 | 记什么 | 示例 |
|---|---|---|
| ① 提及 | 回答里有没有你：有 / 没有 | C1 问句、元宝、第 2 次：没有 |
| ② 排位 | 出现时排在第几位（按出场顺序） | 第 4 位，共列 6 家 |
| ③ 描述准确性 | 准确 / 有偏差 / 错误（原话抄下来） | 有偏差：「主要做贸易」，实际自产 |
| ④ 引用来源 | 回答列出的参考链接 | 某 B2B 平台店铺页、一篇旧软文 |
| ⑤ 截图编号 | 截图文件名，可回溯 | yb-doubao-c1-20261107-2 |
| ⑥ 日期平台 | 日期 + 平台 + 第几次 | 2026-11-07 · DeepSeek · 3/3 |
第 ③ 字段必须把 AI 的原话抄下来，不能写「说得不准」就完事。原话才能反查源头（用引号精确搜索）， 概括语不能。三个月后你回看，价值全在原话里。
四、第四步：怎么判读结果
120 次采完，按四个口径汇总：
可查到率：品牌组问句里「3 次中至少 1 次提到」的比例。低于六成，说明实体记录太弱，先建实体再谈别的。
描述准确率：被提到时「描述准确」的比例。这个数字低，优先做口径统一，见《AI 把我们公司的信息说错了，怎么办》。
品类出现率：品类组 6 个问句里出现你的比例。这是和获客最直接相关的一个数—— 它低而品牌组正常，说明你「存在但不被归类」，缺的是可比字段。
竞品对比位：C6 里它怎么摆你和同行。记下它给同行的理由（参数？案例？认证？）—— 那就是你缺的字段清单。
判读时警惕两个坑：一是只测一次就下结论——随机性会骗你；二是只测品牌词就报喜—— 「AI 能说出我们公司」和「客户问品类时能想到你」是两回事，客户问的是后者。
五、手工还是买工具
手工测的真实成本：120 次采样，一次约 3–4 小时（含截图和记录）。每月一次，一个文员兼岗就能做。
市面上的监测工具解决的是省时间和盯多平台，不提高判断质量。买不买的标准只有一条： 你的团队能不能坚持每月手工测。能坚持，先手工三个月，弄明白自己在测什么再考虑工具； 坚持不了，工具也救不了——工具给的还是原始记录，判读这步永远要人做。
无论哪种，都要留原始记录。只看工具的「评分」和只看服务商的截图一样，是把自己的判断外包了。
六、每月一次，坚持三个月
第 1 个月：建基线
完整跑一轮 120 次，出四口径汇总。这份基线是后面一切「有没有变好」的对照物——没有它，任何优化都说不清效果。
第 2–3 个月：改完复测
按基线暴露的问题改（口径、证据、结构化数据），次月同口径复测。模型更新有滞后，单月波动不作数，看趋势。
之后：固定节奏
每月一次；官网改版、旧稿清理、重大发布后的两周加测一轮。问句清单每季度审一次，淘汰过时的工况词，补新的。
三个月后你手里会有三份同口径数据——这时候你对「公司在 AI 里被怎么说」的了解，会超过绝大多数同行。 这不是小事：你的采购在用同样的方式了解你，而你的对手可能已经开始经营这件事了。
常见问题
本文由上海育贤信息科技内容团队撰写。文中采样口径（4–8 平台 × 10 问句 × 3 次）为本团队实际使用的方法， 「3 次中 1 次提及即算可查到」为通行最低口径，属经验做法，非行业标准条文。
利益相关声明 我们是 GEO 服务商，监测是服务项之一。但本文把问句模板、记录表、判读口径全部公开—— 你完全可以自己测。找我们只是买时间和判读经验，不是买「测不了的能力」。
更新 2026-11-07
