AI 可见度自查实操：5 个 prompt 模板 + 25 分评分卡

不测试 = 不知道自己在 AI 那里是什么形象

大多数品牌从来没认真测过自己在 AI 搜索里被怎么提及——直到某天某位客户 / 老板 / 同事说「我在 ChatGPT 搜了一下你们品牌，它推荐的是 XX 竞品」，才开始警觉。

这篇给你一套「3 小时能跑完、产出一份评分卡」的自查方法。不需要花钱、不需要复杂工具，5 个 prompt 模板 + 一份评分表就够。

测试前的准备

1. 列出 15-20 个核心关键词

分四类来列：

• 品类推荐型：best portable charger 2026
• 场景型：portable charger for travel
• 对比型：Anker vs UGREEN portable charger
• 价格档型：best portable charger under $50

2. 选 3 个测试平台

ChatGPT（必测）、Perplexity（必测）、Gemini 或 Claude 二选一。Bing Copilot 可作为加测。

3. 准备评分表

用 Google Sheets 建一张表，列：「关键词 | 平台 | 是否提及 | 排名 | 语境质量 | 备注」。

5 个 Prompt 模板

每个模板都给一个示例（用充电宝品类示意）。

Template 1：品类推荐型

Prompt 框架：

Recommend the best [品类] in 2026.

示例：

Recommend the best portable chargers in 2026 for daily travel use.

测试目标：能否进入 AI 默认推荐列表（通常 5-7 个品牌）。

Template 2：场景型

Prompt 框架：

I need [品类] for [具体场景]. What do you recommend?

示例：

I'm traveling internationally for a month and need a portable charger that works on planes. What do you recommend?

测试目标：能否在细分场景下被精准推荐。场景型 prompt 比品类型 prompt 难度更高，因为 AI 会过滤掉不适合该场景的品牌。

Template 3：对比型

Prompt 框架：

Compare [品牌 A] and [品牌 B] [品类]. Which is better?

示例：

Compare Anker and UGREEN portable chargers. Which is better for everyday use?

测试目标：测自己在最直接竞品对比中的位置。如果你的品牌是 A 或 B，看 AI 给出的对比是否公允。如果你的品牌不在 A/B 中，可以测「Recommend an alternative to Anker」类反向 prompt。

Template 4：品牌直接询问型

Prompt 框架：

Tell me about [你的品牌] [品类]. Is it any good?

示例：

Tell me about ACEFAST portable chargers. Is it any good?

测试目标：AI 对你的品牌的「完整画像」是怎样的——优点、缺点、定位、目标人群。这是发现「AI 怎么定位你」的最直接方法。

Template 5：反向问题型 / 替代品型

Prompt 框架：

What are good alternatives to [某头部品牌] [品类] in 2026?

示例：

What are good alternatives to Anker portable chargers in 2026?

测试目标：测能否进入「挑战者品牌」列表。对中小品牌特别重要——这类 prompt 的搜索量高，且竞争门槛比「best of」低。

评分卡：5 维度，每维 0-5 分

每个关键词在每个平台上都按以下 5 维评分，总分 25 分。

维度 1：可见性（0-5 分）

• 0：完全没提到
• 1：勉强提到一次，无重点
• 2：作为列表后部品牌出现
• 3：作为列表中部品牌出现
• 4：作为列表前 2-3 名出现
• 5：作为首选或并列首选

维度 2：语境质量（0-5 分）

• 0：负面提及（avoid / problems with）
• 1：勉强提及，无评价
• 2：中性提及（another option）
• 3：正面提及（good for...）
• 4：强推荐（recommended / reliable）
• 5：最高推荐（best for X scenario）

维度 3：信息准确性（0-5 分）

• 0：所有事实错误
• 1-2：多处事实错误
• 3：主要事实正确但有过时信息
• 4：信息准确，时效性 OK
• 5：信息准确且包含最新数据

维度 4：竞品参照（0-5 分）

• 0：AI 把你和不相关品类比
• 1-2：和品类边缘品牌比
• 3：和品类主流品牌比
• 4：和品类头部 2-3 品牌比
• 5：被列为品类头部对比对象

维度 5：推荐理由具体性（0-5 分）

• 0：完全没给理由
• 1：泛泛理由
• 2-3：有几条具体特征
• 4：清晰的差异化定位
• 5：定位 + 适用人群 + 具体场景都明确

总分诊断

15 个关键词 × 3 平台 = 45 次测试，每次 25 分，满分 1,125 分。

• < 200 分（< 18%）：GEO 完全没启动，AI 对你的品牌基本无认知
• 200-450 分（18-40%）：有零散信源，但缺乏系统布局
• 450-700 分（40-62%）：GEO 基础打好，已有稳定引用
• 700-900 分（62-80%）：品类前 5 名水平
• > 900 分（> 80%）：品类领先地位

按维度分别求平均，能定位「哪一维最弱」：

• 可见性低、语境正常 → 信源数量不够，要加 Reddit / Quora
• 可见性 OK、语境差 → 有负面声量，要管理负评 + 加正向信源
• 信息准确性低 → 官网信息陈旧 / Schema 不完整
• 竞品参照偏弱 → 没有做对比内容，要加 vs 内容
• 推荐理由不具体 → 品牌定位模糊，要做差异化内容

实测频率建议

• 完整 45 次测试：每月一次
• 核心 5 个关键词 × 3 平台 = 15 次测试：每周一次
• 品牌画像测试（Template 4）：每两周一次

低于这个频率，跟不上 AI 的内容更新节奏；高于这个频率，是浪费时间，AI 模型不会每天变。

3 个真实样本（脱敏）

样本 A：DTC 美妆，刚启动 GEO 1 个月

• 总分：187 / 1,125（17%）
• 最弱维度：可见性 1.2 / 5（基本不被提及）
• 诊断：需要先做信源数量铺设，从 Reddit 信源开始

样本 B：3C 品牌，GEO 跑了 4 个月

• 总分：582 / 1,125（52%）
• 最弱维度：语境质量 2.8 / 5（中性提及多，强推少）
• 诊断：信源数量够了，需要做「为什么选我」类内容拉高语境

样本 C：户外品牌，GEO 跑了 8 个月

• 总分：812 / 1,125（72%）
• 最弱维度：竞品参照 3.1 / 5（被推荐但很少进入头部对比）
• 诊断：需要做更多直接 vs 头部品牌的对比内容

把测试变成季度复盘

每季度一次，把三个月的数据画成趋势图：

• X 轴：周
• Y 轴：总分 + 5 维度分别

3-4 个月后能清晰看到哪些动作有用、哪些没用。这份数据放在管理层汇报里，比任何「AI 引用率」单一数字都有说服力。

总结

GEO 不能瞎做，要先测出「自己现在是什么状态」。5 个 prompt 模板 + 5 维度评分卡 + 月 / 周 / 双周三层频率，3 小时跑完一轮自查。

不测试就不知道钱花在哪有效——这套自查方法是 GEO 投入产出的基础设施，比任何工具都先做。

---

需要我们帮你跑一次完整的 AI 可见度自查？获取免费品牌诊断，第一次测试报告免费。