Gemini 講你個名多過引你出處，數字要點睇
先講答案。chatgpt 會推薦我的品牌嗎這條問題，放到 Gemini 上面，要分兩個數字去答：Gemini 有幾多答案提及你，有幾多答案附上你網站的引用。Semrush 在 2026-11-03 的分析裡，用項目管理軟件 Asana 做例子：20 條買家問題跑一次 Gemini，Asana 在 14 條答案被提及，截止的就是這麼多，asana.com 被列為來源的答案相對少得多。用引用數去判斷曝光，會把絕大部分提及當成不存在。本文講的是兩條口徑各自量度甚麼、人工檢查怎樣做才有可比性，以及委託服務時報價單應該寫明哪些參數。
重點摘要
- 提及與引用是兩個獨立的指標。Gemini 在品牌出現的場合有 83.7% 會提及品牌，附引用的場合少得多；ChatGPT 的做法剛好相反，87% 的出現會附引用。
- 人工檢查要有可比性，起點是一份固定的問題清單，Semrush 建議的數量是 20 至 50 條。
- 引用率低不等於品牌不被認識。Asana 的個案裡，每次引用對應大約 11 次提及，單看引用會嚴重低估。
- 網站流量高不等於會被 AI 引用。Asana 一篇每月有超過 26,000 次 Google 造訪的指南，在 Gemini 答案中完全沒有被引用。
- 香港商家決定請人做還是不請，關鍵是報價單有沒有寫清楚引擎、問題版本與樣本量。
提及率與引用率分別量度甚麼
提及率的分母是有效答案，分子是含品牌名稱的答案。一個答案裡品牌出現了幾多次，或者排第幾位，都不影響這條公式的計算，因為分母與分子都在答案層級處理。引用率用另一條公式：分母同樣是有效答案，分子換成附有品牌自有網站連結的答案。兩者有重疊但不會相等，因為答案可以講到品牌，卻引用另一篇第三方文章去支撐同一個說法。
Semrush 的 Ghost Citations 研究把這個落差量到具體數字。Gemini 在品牌出現的場合中，83.7% 會提及品牌，附上引用的場合明顯少一截。ChatGPT 的情況相反：87% 的出現會附引用，提及品牌反而少。兩個引擎在答案的寫法上走相反方向，不存在哪一個做得更好；同一份研究所以不能跨引擎比較總分，只能在同一個引擎、同一份問題清單下面比較。
口徑寫清楚了，才知道一個分數代表甚麼。如果報告只給一個「AI 可見度」總分，沒有列明分子與分母，也看不出提及與引用各佔幾多，這個數字就只能當方向參考，不能拿來跟去年比。
人工檢查：從問題清單到記錄表
在買任何工具之前，用一兩個星期自己做一次基線檢查，成本接近零，而且會讓你之後看報告時知道每一個數字從哪裡來。
第一步是寫問題清單。Semrush 的建議是 20 至 50 條客戶可能真的打進 Gemini 的問題，少於 20 條看不出模式，多於 50 條人手重複做會失控。清單要分開四類：問品牌的、接近購買決定的、問功能的、問行業知識的。四類要分開記錄，因為品牌類問題本來就容易提及你，把它們混在一起算，整體提及率會被拉高，看起來像市場上人人都認識你。
第二步是固定環境。每條問題開一個新的對話，避免上一條答案影響下一條；登出或者用無痕模式，避免個人上下文改變答案；每次用同一個地區、同一個帳戶狀態、同一個模型版本。任何一項改了，前後的數字就不在同一條基準上，對比沒有意義。
第三步是逐條記錄。每一條答案至少要記六件事：有沒有提及品牌、品牌排第幾、同時提到哪些競爭者、你的網站有沒有被引用、還引用了哪些第三方來源、描述屬於正面中性還是負面。分成不同欄位記錄，因為這六件事分開計算，合併成一個「表現」分數之後，就查不出問題出在哪一欄。
第四步是按組比較。單一答案隨機性很大，同一條問題今日問和明日問可能得到不同寫法。看的是每一組問題在整份清單裡的模式，例如品牌類全部提及但零引用，或者功能類答案提及了品牌但描述得不準確。這些模式才是指得動下一步的地方。
Asana 的個案：曝光強不代表有流量
Asana 的數字值得逐項拆開，因為它把幾個常被混為一談的指標分得很清楚。
在 20 條買家問題裡，Asana 被提及 14 次，asana.com 被列為來源的答案少之又少。這代表 Gemini 的答案多次講到 Asana，但買家看到答案之後要點進品牌網站，出現的機會遠低於被提及的次數。其餘的曝光，要靠買家另外搜尋品牌名或者直接輸入網址，而這些造訪在報表上會歸入品牌搜尋或者直接流量，不會算成 AI 引薦。
換算成比率，Asana 每次引用大約對應 11 次提及。這個比例告訴我們，如果把引用數當成曝光數，會少算相當大一部分的曝光。反過來說，用引薦流量去評估 AI 投入的回報，同樣會低估答案對購買決定的影響。
又一個反例在內容層面。Asana 的 time blocking 指南每月有超過 26,000 次 Google 造訪，但在 Gemini 的答案裡完全沒有被引用；另一篇 team building games 指南的流量較低，被引用的次數反而接近榜首的整理文。兩篇文章的流量差距很大，被引用的情況卻與流量無關，只看流量預測不到答案會不會引用你。
至於品牌形象，Asana 在 Gemini 的描述中有 91% 屬於正面。這個數字要配合提及率一起讀：品牌被講得好，不代表被講得多。Semrush 的分析把這種情況稱為可見度落差，而不是形象問題，處理方向應該是出現在更多答案裡，而不是改寫品牌介紹。
香港品牌最容易混淆的三條界線
這三條界線在報價單和報告裡經常被混在一起，分開寫清楚，之後的討論才有基礎。
第一條是曝光與流量的界線。AI 答案裡的曝光不等於網站造訪，因為大部分看到品牌名的買家不會點擊來源。用網站流量去證明 AI 可見度，等於用一個分母不對的指標去驗證另一個指標。兩者要分開量度，分開報告。
第二條是引擎與引擎之間的界線。Gemini、ChatGPT、Google 搜尋、AI Overviews 各自生成不同答案，引用不同來源。在一個引擎排名好，不保證在另一個引擎會被提及。香港品牌如果客戶群分散在幾個引擎，就要逐個引擎採樣，不能把一個引擎的結果當成整體。
第三條是相關性與因果的界線。某段時間提及率上升，同期你又發佈了新的知識內容，兩件事同時發生，不代表內容導致了上升。答案本身會隨時間、隨樣本變動，20 條問題只是一份切面。要判斷改動有沒有效，需要固定問題版本、跨幾個時間點比較，並保留樣本量與失敗數，否則數字變動的解釋可以有很多個。
品牌在ai的曝光是一套要寫明定義的度量工作。定義寫清楚，20 條問題的基線也可以很有用；定義寫得模糊，幾百萬條資料的儀表板也只是好看。
Topkee 的觀點：先把口徑寫清楚，才談收費
Topkee 做 GEO 服務（生成式引擎優化）的方式，是從真實買家問題出發，監測品牌在生成式 AI 回答中的提及、描述與引用來源，再以知識內容補足落差，流程為 ASK、UNDERSTAND、IMPROVE。Gemini 在這套框架裡沒有獨立產品線，只屬問題監測可以選用的其中一個引擎取樣場景。服務範圍預設一個品牌、一個主要網站、一個市場、一種內容語言。
收費按三檔月費與活躍追蹤問題數分級，檔次越高，同時啟用的問題與每月內容篇數越多，三檔的分析類別相同。這裡要先劃清定義：方案上的問題數是同時啟用的追蹤問題上限，不是每月查詢次數。同一條問題在不同引擎執行，只增加樣本量，不會重複計作新問題；更換問題時要保留版本，否則前後期的數字對不上。這也是 chatgpt 會推薦我的品牌嗎這類查詢要落到報價單時，最容易含糊的一格。
有幾件事要寫在前面，因為它們直接影響你怎樣讀報告。服務不保證指定 AI 推薦、固定曝光或查詢量，承諾的是完成監測、分析與內容交付，用可核對的樣本和工作記錄觀察變化。沒有提及不等於負面，情感分數指答案文字的傾向，不是顧客滿意度，分數要附原文例子並經人工複核。引擎以 API 取樣，不等同每位使用者在消費版產品看到的結果。Google Search Console 的生成式 AI 表現報告只涵蓋 AI Overviews 與 AI Mode 的曝光，不能擴寫成完整 prompts、內部扇出或獨立轉化，也不能當作 Gemini 答案層級的可見度數據。
這也是 geo 服務 收費 香港這類查詢最需要問清楚的地方。同樣是月費，一間公司收的是儀表板訂閱，另一間收的是監測加內容交付，兩者價錢相近也不代表交付相同。報價單上要看到引擎清單、問題版本、取樣頻率、失敗數的處理方式，以及報告的層級。提及率與來源出現率分開列，四層報告分開寫，曝光與成交就不會混在同一個數字裡。
支撐這套工作的是 GEO Insight：品牌 AI 可見度分析工具，展示品牌排名、可見度、競品與引用來源，支援問題監測、查詢扇出、情感、引用與競品分析。工具提供資料，口徑與複核要由人定，兩者一起才構成一份可以對數的報告。讀者每次看報告，值得能夠回答一句：這個數字是從哪些問題、哪個引擎、幾多個答案裡算出來的。
下一步：用一份清單對數
如果團隊還未有一套 AI 可見度的量度方式，最實際的起點是用自己做一次 20 條問題的基線檢查，把提及與引用分開記，兩個星期後比較第二次的結果。有了自己的數字，再去看任何服務商的報價，就會知道他們量度的跟你量度的是不是同一件事。
回到最初的問題：chatgpt 會推薦我的品牌嗎，答案要靠監測去驗證，不能靠感覺。想知道一個品牌幾時會被 AI 答案講到，先寫出一份問題清單，再用同一份清單量兩次，看答案有沒有在你改動內容之後換了說法；買工具可以留到有基線之後再決定。
要了解 AI 答案層級怎麼被監測，可以參考 GEO 服務的流程說明。如果品牌同時在做付費媒體，也值得看一看香港 Google 及 Meta 廣告投放的服務範圍，因為 AI 答案影響的是購買前的資訊搜集階段，與點擊廣告之後的轉化是兩段不同的旅程。想把客戶資料與答案曝光的數據接通，可以了解統一數據標準的做法。
常見問題
Gemini 同 ChatGPT 的量度方法可以共用一份報告嗎？
不可以直接合併。兩個引擎在提及與引用上的走向不同，Gemini 提及多、引用少，ChatGPT 引用多、提及少。同一個分數放在兩個引擎上，意義不一樣。做法是固定同一份問題清單，分引擎各自記錄，再在報告裡分開列。
人工檢查 20 條問題，夠不夠得出結論？
20 條問題適合做基線，不適合下結論。它能顯示模式，例如哪一組問題完全沒有提及品牌，或者描述有明顯錯誤。要判斷一段時間的變化，需要固定問題版本、重複幾輪，並保留每一輪的原始答案。
網站自然流量高，是否代表 AI 會引用？
兩者沒有直接對應。Asana 的個案裡，一篇每月超過 26,000 次 Google 造訪的指南在 Gemini 完全沒有被引用，另一篇流量較低的文章反而被引用得接近榜首的整理文。被引用與頁面有沒有直接回答問題的關係更大。
沒有被 Gemini 提及，是不是代表品牌形象有問題？
不是。沒有提及只代表品牌沒有進入那條問題的答案範圍，不代表答案對品牌有負面評價。這兩件事要分開看：前者是可見度問題，後者是描述準確性的問題，處理方法完全不同。
香港的 GEO 服務通常收幾多錢，應該點比較？
知識庫記錄的月費分三檔，差別在同時啟用的追蹤問題數與每月內容篇數，分析類別相同。比較時要對齊引擎清單、問題版本、取樣頻率與報告層級，並確認方案不保證 AI 推薦或固定曝光。
Sources
- "How to track your Gemini visibility with and without Semrush", Semrush, 2026-11-03. https://www.semrush.com/blog/how-to-track-your-gemini-visibility/
