AI 答案會波動：品牌可見度基線應該怎樣設計？

如果同一個問題問 AI 五次，答案、品牌名單、引用來源甚至排序都可能不同，管理層究竟應該把哪一次當作「品牌可見度」？

很多團隊的第一反應是截圖：今天問一次「香港最值得信賴的數碼營銷公司有哪些？」看到品牌出現，就把它存進簡報；隔天再問一次，品牌沒有出現，團隊又判斷「可見度下降」。這種做法的問題不是截圖沒有用，而是一次觀察沒有說明它在一組問題、一次運行週期和一個地區條件中代表甚麼。

AI 搜尋不是一張固定的排名表。它可能根據問題拆出多個子問題，按照當下可取得的資料、平台、模型、語言、地區、時間和答案格式，重新組合品牌與來源。若企業用一張漂亮截圖代表整個市場，管理層看到的往往只是一次抽樣，不是趨勢。

本篇的核心判斷很簡單：

一次 AI 答案是觀察值；固定問題組加上重複運行，才有機會形成可比較的基線。

文章不會製造一個看似精準的「AI 排名分數」，而是把測量拆成問題設計、重複抽樣、變化範圍及管理判斷四個部分。

一、先分清楚：你要量的是甚麼？

「品牌可見度」至少可以拆成四種不同問題，不能放在同一欄用一個百分比解決。

1. 品牌有沒有被提及？

這是最基本的 inclusion／exclusion 問題：在固定問題下，某品牌是否出現在答案文字中？如果一次出現、四次沒有，不能簡化為「品牌可見度 20%」而不說明問題數量、平台、時間和重複次數。

2. 品牌是否被列為可考慮選項？

被提及不等於被推薦。企業應另記錄品牌在答案中的語境：是第一個建議、比較對象、例子、免責說明，還是負面情境中的被提及。對聲譽管理而言，單純的 mention count 太粗糙。

3. 答案引用了甚麼來源？

AI 答案可能提及品牌，但沒有引用企業官網；也可能引用第三方評論、舊新聞或合作夥伴頁面。品牌提及與來源集合是兩種不同的測量對象。若目標是提升可核實性，引用來源的組成和更新日期可能比一張總分更有管理價值。

4. 不同平台是否說法一致？

ChatGPT、Gemini、Google AI Mode、Perplexity 或其他答案面未必使用相同資料及流程。跨平台一致性低，不必然代表某個平台「錯」，但一定提醒團隊不要把一個平台的結果當成整個 AI 搜尋市場的代表。

二、外部研究告訴我們：波動不是偶發故障

本日選用的外部 PDF 研究是 Julius Schulte、Malte Bleeker 和 Philipp Kaufmann 的《Don’t Measure Once: Measuring Visibility in AI Search (GEO)》。研究於 2026 年 4 月提交至 arXiv，PDF 為 19 頁，使用四個 AI 搜尋引擎、四個 Swiss-German campaign，並分別分析跨日變化和同日重複運行。

研究的時間資料涵蓋 2026 年 1 月 24 日至 3 月 20 日的 45–46 天。四個 campaign 每個使用八條提示詞，輸入 ChatGPT、Gemini、Google AI Mode 和 Perplexity。研究者用 Jaccard similarity 比較兩次答案的來源集合重疊程度；數值越高，兩次集合越相似。

跨日來源集合：平均 Jaccard 約 0.34–0.42

在四個 campaign 的跨日比較中，引用來源集合的 Jaccard 平均約為 0.34–0.42。換句話說，研究觀察到相鄰日期之間的來源集合重疊並不接近完全一致。這不是說每個問題每天都會換掉大部分來源，而是提醒我們：如果只保存今天的一次答案，明天的不同答案可能並非內容團隊突然失誤，也可能是生成搜尋本身的波動、索引更新、模型或答案流程造成。

同日重問：平均來源 Jaccard 約 0.32–0.43

研究更重要的一步，是把同一提示詞在相近時間內重複運行，盡量減少跨日索引更新的干擾。每個 campaign 有八條提示詞，每條最多運行十次；在同日／24 小時條件和引用過濾後，留下 3,409 組來源比較。來源 Jaccard 平均約為 0.32–0.43，顯示即使相隔不久，答案來源也可能出現明顯不同。

研究同時提醒，這個數字不能被當成所有 AI 平台的固定波動率。資料來自瑞士伺服器和 Swiss-German 語境，平台只包括四個引擎，並且對沒有引用的回答、模型資料和 images.openai.com 偽來源作了特定處理。

品牌提及比來源稍穩定，但仍非固定排名

在符合其 70% 品牌偵測門檻的 campaign 中，同日重複運行的品牌集合 Jaccard 約為 0.33–0.48；跨日品牌分析則約為 0.45–0.59。這表示品牌名單有時比單個引用來源稍穩定，但仍然遠未達到「一次截圖就可以代表結果」的程度。

研究的結論不是「品牌不值得測量」，而是應把可見度理解為在固定條件下被提及的機率，並同時記錄不確定性、提示詞差異及時間窗口。

三、Google 的產品邊界：可以量到一部分，不等於量完整

Google Search Console 現已提供 Generative AI performance report（Search）說明頁。Google 表示，相關報告包括 AI Overviews 和 AI Mode 的連結展示印象，並可按頁面、國家、日期和裝置查看；最新數據可能仍是 preliminary，且圖表和表格的聚合方式可能不同。這對管理團隊很有用，因為它至少提供一個官方的 Google generative feature 曝光觀察入口。

但這個報告不是完整的跨平台品牌聲譽測量：

• 它主要反映你的網站連結在 Google generative features 中出現的印象，不等同於所有 AI 平台的品牌提及率。
• 它不能直接告訴你每個答案用了哪段內容、品牌被如何描述、第三方來源是否準確，或使用者是否因為答案完成轉化。
• 報告仍在向部分網站逐步推出，資料可能受時間範圍、行數限制、聚合方式和初步數據影響。

因此，企業可以把 Search Console 的 generative impressions 與自建的固定問題組分開管理：前者是 Google 的站點曝光觀察，後者是跨平台、跨語言或跨地區的可見度抽樣。兩者可以互相對照，但不能硬加成一個「AI 總分」。

Google 在 2025 年 8 月的官方文章亦表示，AI features 讓使用者提出更長、更複雜的問題，並稱整體自然搜索網站點擊量同比相對穩定、平均點擊質量上升。這是 Google 對自身產品和流量的說明，頁面沒有提供完整公開樣本、分行業拆分或獨立原始數據；管理層可把它當作產品方的立場，不應把它寫成所有市場都已證明的因果關係。

四、受眾已在多個中介層之間移動

Reuters Institute 的《Digital News Report 2026》研究涵蓋 48 個市場，雖然它不是品牌 AI 可見度研究，但對聲譽管理有一個重要提醒：受眾接觸資訊的入口正在平台化。報告指出，社交媒體和視頻網絡首次成為全球最常見的在線新聞獲取方式，平均 54%；使用 AI chatbot 獲取新聞的比例為 10%，上一年為 7%，35 歲以下為 16%。

這些數字不代表「AI 一定會推薦你的品牌」，也不是香港 SME 的 benchmark。它們反映的是資訊被發現、解釋和信任的中介層變多。品牌聲譽的公開證據因此不能只放在一個網站頁面：產品事實、作者／團隊、案例日期、第三方驗證、影片說明、來源和更新記錄，應在企業可控的公開頁面保持一致。

五、中小企的最小可行基線：先控制方法，再擴大樣本

外部研究的 7 次／8 次建議，是在特定研究設計下由 bootstrap convergence 推導出的起點，不是所有公司都必須遵守的神奇門檻。中小企可以先用以下最小流程開始，把每一次測量變成可重建資料，而不是一張散落在群組裡的截圖。

Step 1：建立固定問題組

先寫 8–12 條真正與業務相關的問題，不要只寫品牌名稱。可以包括：

• 類別問題：香港中小企怎樣選擇網絡聲譽管理服務？
• 情境問題：當品牌在 AI 答案中被錯誤描述，管理層應先查甚麼？
• 比較問題：不同 ORM／Social Intelligence 方案應比較哪些治理欄位？
• 證據問題：哪些公開來源可以支持一家數碼服務公司的可信度？

問題組的重點不是漂亮，而是固定。每條問題應有 Prompt ID、語言、地區、意圖、版本和建立日期。要改問法時，另開版本，不要把新舊問題混在同一條時間線。

Step 2：每次運行保存上下文

至少記錄平台、模型／產品名稱、日期及時間、地區、語言、登入／匿名條件、完整答案、品牌是否被提及、品牌在甚麼語境出現、引用 URL、引用日期、異常及人工判斷。若某個平台沒有顯示模型版本或引用，記錄「未顯示」，不要猜測。

Step 3：把「提及」和「引用」分成兩欄

品牌提及率回答「有沒有出現」；來源集合回答「答案依據甚麼」。…281 tokens truncated…。

六、管理層應如何閱讀一張基線圖？

一張有用的基線圖不必很複雜，至少可以有五欄：

如果團隊只看「今天有沒有出現」，它會把自然波動誤讀成內容成果或危機；如果只看「來源數量」，它又可能忽略來源是否真的支持主張。基線的價值，是讓決策者知道哪一個欄位變了、變化是否可重複、下一步應由內容、SEO、品牌、法務還是客戶服務負責。

七、不要忽略測量本身的限制

第一，研究樣本不等於香港市場。Swiss-German 資料不能直接代表繁體中文、粵語、香港 IP 或本地平台的結果。

第二，平台結果會更新。模型、搜尋索引、產品介面、引用規則和內容可見性都可能變化。固定問題組只是讓比較更有秩序，不會凍結 AI 平台。

第三，品牌識別有誤差。研究使用固定 lexicon，而企業實務可能遇到簡稱、別名、中文／英文名稱、同名詞、子品牌和不同公司實體；人工覆核仍然需要。

第四，提及不等於信任、點擊、商機或收入。即使品牌在答案中出現，也不能單獨證明使用者相信它或完成轉化。要連結業務結果，必須另用網站分析、CRM、客服、銷售和客戶研究核對。

第五，外部研究的數字必須保留範圍。今天引用的 0.32–0.43、0.33–0.48、7 次和 8 次，都只屬該研究設計下的觀察或建議，不能改寫成 Chiwa 對所有企業的保證。

結語：可見度不是一張截圖，而是一個有誤差的管理訊號

當 AI 答案會變，企業真正要建立的不是一個永遠不變的排名，而是一套知道自己怎樣問、何時問、在哪裡問、答案引用甚麼、變化是否重複，以及何時需要採取行動的測量系統。

對中小企而言，最合理的起點不是一次購買複雜工具，而是先把最重要的問題、地區、語言、平台、來源、日期和人工判斷記錄清楚，再逐步擴大樣本和觀察窗口。當資料可以重建，團隊才有能力回答管理層最關心的問題：這次差異是自然波動、內容問題、來源問題，還是真正值得處理的聲譽訊號？

來源、日期、範圍與限制

1. Don’t Measure Once: Measuring Visibility in AI Search (GEO)／原始 PDF，Julius Schulte、Malte Bleeker、Philipp Kaufmann；submitted 2026-04-08，PDF date 2026-04-10；四個 Swiss-German campaign、四個 AI 引擎、2026-01-24 至 2026-03-25 的時間／重複運行資料；限制包括 Swiss server／locale、四引擎範圍、模型／介面變化、固定 lexicon、引用過濾及 ChatGPT 偽來源清理。
2. Google｜AI in Search is driving more queries and higher quality clicks，2025-08-06；Google 官方自有產品說明；限制為頁面未提供完整公開樣本、分行業數據或獨立原始資料。
3. Google Search Console｜Generative AI performance report (Search)，現行官方支援頁；AI Overviews／AI Mode 的站點印象、頁面／國家／日期／裝置維度；限制為逐步推出、最新數據可能 preliminary，且不等於跨平台品牌提及率。
4. Reuters Institute｜Digital News Report 2026: Key Findings，2026 年報告、48 個市場；54% 社交／視頻新聞入口、10% AI chatbot news use、35 歲以下 16%；限制為新聞消費研究，不是品牌 AI 可見度 benchmark。
5. SearchIntel｜2026 AI Search Visibility Benchmarks，Edition 1 July 2026；100 個 UK 中性購買問題、六個平台、十個 verticals、1,198 個推薦；作交叉參考，不是本日文章的主要研究報告。

本文為一般品牌聲譽、搜尋及內容營運知識分享，不構成法律、監管、投資、醫療或平台結果保證。