AI 能見度健檢實務指南：檢查你的品牌在 AI 眼中出不出現

過去一年，我們在美勢科技接到最多的新問題不是「廣告怎麼投」，而是「為什麼客人說他問 AI 的時候，AI 推薦的是別家？」這句話背後藏著一個很具體的現實：越來越多消費者在下單前，會先問 ChatGPT、Claude 或 Perplexity「哪個牌子比較好」，而 AI 給出的答案裡有沒有你，直接決定你有沒有進入這些人的口袋名單。問題是，多數品牌主根本不知道自己在 AI 眼中長什麼樣子，甚至不知道可以去查。這篇文章就是要教你怎麼查：一套不需要工程背景、今天下午就能自己動手的 AI 能見度健檢流程。

什麼是 AI 能見度健檢

講白話，AI 能見度健檢就是「假裝自己是消費者，拿真實的購物問題去問主流 AI，然後誠實記錄 AI 有沒有提到你、怎麼提到你、提到了哪些競品」。它跟傳統 SEO 排名檢查的邏輯類似，但對象從 Google 搜尋結果頁換成了 AI 的回答內容。

為什麼要特別做這件事？因為 AI 的回答跟搜尋排名是兩套系統。你可能某個關鍵字在 Google 排第一頁，但 AI 回答購物問題時完全不提你；也可能反過來。AI 引用資料的方式、判斷「值得推薦」的標準，跟搜尋引擎排序不完全相同，所以你需要一份獨立的體檢報告。健檢做完，你會得到三個關鍵答案：第一，你的品牌在你的品類問題裡出現率多少；第二，AI 描述你的內容正不正確；第三，AI 更常推薦誰、為什麼是他們。這三個答案會直接決定你接下來該把資源放在哪裡。

要提醒一件事：AI 的回答有隨機性，同一個問題問兩次可能得到不太一樣的答案。所以健檢看的是「趨勢」而不是單次結果，一次沒被提到不代表世界末日，十次裡九次都沒你，那才是要正視的訊號。

自己動手的簡易版：三十分鐘看出大方向

完整的健檢會跑幾十個問題、多個 AI、多輪重複，但你自己先做一個簡易版，就足以看出大方向。做法如下。

第一步：挑出十個你的品類問題

重點是「站在消費者的角度發問」，不要問「你知道某某品牌嗎」這種引導式問題，那沒有意義。要問消費者真的會問的話，例如你賣保健食品，就問「台灣的葉黃素推薦哪個牌子」「五十歲以上長輩吃的魚油怎麼挑」；你做母嬰用品，就問「新生兒濕紙巾哪家不容易起屑」「小資族的嬰兒推車推薦」。十個問題建議這樣配：三個大範圍的品類推薦題、三個帶情境或族群的長尾題、兩個比較題（例如「A 牌跟 B 牌哪個好」，其中一個放你自己）、兩個問題解決題（例如「敏感肌用什麼洗面乳不會刺」）。

第二步：拿去問三個主流 AI

把這十個問題分別丟給 ChatGPT、Claude 和 Perplexity。三個都要問，因為它們背後的資料來源和引用習慣不一樣：Perplexity 每次回答都會附上引用來源，你可以直接看到它是從哪些網站撈資料；ChatGPT 和 Claude 在開啟搜尋功能時也會引用網頁。問的時候用新對話，不要在同一個對話串裡連問，避免前面的內容影響後面的答案。

第三步：老老實實記錄結果

開一張試算表，每一列是一個問題，欄位放：AI 名稱、我的品牌有沒有被提到、被放在第幾順位、AI 怎麼描述我（照抄原文）、提到了哪些競品、引用了哪些網站。全部問完，你會有三十筆紀錄。然後算兩個數字：提及率（三十次裡你出現幾次）和競品提及率（哪個對手出現最多次）。再看一眼引用來源清單，那份清單就是 AI 心目中你這個品類的「權威名單」，你的官網有沒有在裡面，一目瞭然。

這個簡易版有它的極限：樣本少、只測一輪、沒有追蹤時間變化。但作為第一次體檢，它已經能告訴你自己是「完全隱形」「偶爾出現」還是「穩定被推薦」，這三種狀態對應的處方完全不同。

官網 AI 可讀性自查：AI 進得來、讀得懂嗎

問完 AI 之後，回頭檢查自己的官網。AI 要推薦你，前提是它抓得到、也讀得懂你的資料。這部分有四個檢查點，都不需要寫程式。

檢查一：結構化資料有沒有做

schema.org 的 Product 結構化資料，是用機器看得懂的格式描述你的商品：名稱、價格、庫存、評價分數。驗證方式很簡單：打開 Google 的複合式搜尋結果測試工具（搜尋 Rich Results Test 就找得到），貼上你的商品頁網址，看結果有沒有偵測到 Product 項目、有沒有紅字錯誤。理想狀態是每一個商品頁都有完整的 Product 標記，包含價格與供貨狀態；常見的殘念狀態是只有首頁做了 Organization 標記，商品頁全裸。

檢查二：robots.txt 有沒有把 AI 擋在門外

在瀏覽器輸入「你的網域/robots.txt」，找找看有沒有 GPTBot、ClaudeBot、PerplexityBot 這幾個名字後面跟著 Disallow: / 的規則。這種設定等於在門口貼「AI 勿入」，AI 的爬蟲進不來，自然很難認識你。有些網站是自己以前手動加的，更多是主機商或資安套件「順手」幫你擋掉的，品牌主完全不知情。我們健檢過的台灣電商官網裡，這是最冤枉也最常見的問題之一：內容明明不錯，門卻是鎖著的。

檢查三：llms.txt 是加分題

llms.txt 是近兩年出現的新做法：在網站根目錄放一個純文字檔，用簡單的條列告訴 AI「我是誰、我賣什麼、重要頁面在哪」。它還不是正式標準，各家 AI 的支援程度不一，所以定位是加分題而不是必考題。但成本極低，就是一頁文字檔，做了不吃虧。檢查方式同樣是輸入「你的網域/llms.txt」看存不存在。

檢查四：商品資料的完整性

隨機打開你五個商品頁，用挑剔的眼光看：規格是完整的文字敘述，還是全部塞在一張圖片裡？成分、尺寸、材質、適用對象，AI 用文字讀得到嗎？很多台灣電商習慣把商品資訊做成長圖，人看起來漂亮，但對 AI 來說那接近一片空白。同樣的邏輯也適用於常見問答：如果你的退換貨政策、使用方式只存在客服的腦子裡，AI 當然答不出來。

常見不及格樣態與修法

把上面的檢查做完，多數品牌會落在幾種典型樣態。第一種是「隱形人」：提及率接近零，官網也沒有結構化資料。修法是先把地基打好，商品頁補上 Product 標記、確認爬蟲進得來，再談其他。第二種是「被記錯的人」：AI 提到你，但價格是舊的、明星商品講成停產品、甚至把你跟別家搞混。這通常是因為 AI 引用的是過期的第三方內容，修法是讓官網成為最新、最完整、機器可讀的第一手資料源，並且更新那些被引用的舊頁面。第三種是「配角命」：你有出現，但永遠排在競品後面。這時候去看競品被引用的來源，通常會發現他們在比較文章、評測內容、問答平台上的足跡比你深，修法是內容佈局，而不是改網站。

還有一種特別值得一提：門鎖著還怪客人不上門。robots.txt 擋了 AI 爬蟲，然後納悶為什麼 AI 都不推薦自己。這種案例修起來最快，把封鎖規則拿掉，幾週內通常就能看到變化。

健檢之後的佈局順序：先結構化、再接資料橋、最後做內容

健檢報告出來之後，最忌諱的就是東做一點西做一點。我們給客戶的順序建議一律是三步：先結構化，再接資料橋，最後做內容。

先結構化，是因為它是地基：Product 標記、開放爬蟲、商品資訊文字化，這些做完 AI 才「讀得懂你」。再接資料橋，指的是讓你的商品資料能即時、正確地被 AI 取用，例如透過商品目錄格式與資料介接，讓 AI 拿到的價格與庫存永遠是現在式，這一層決定 AI「講你講得對不對」。最後才是做內容：針對健檢裡發現的弱項問題，經營比較文、情境文、問答內容，去累積 AI 引用來源清單裡的存在感，這一層決定 AI「多常想到你」。順序反過來做，常見的下場是花了幾十萬做內容，AI 卻連你的商品頁都讀不全，等於在沙地上蓋樓。

什麼時候該自己做、什麼時候該找專業團隊

誠實說，這篇文章教的簡易健檢，你自己做就夠了，不用花錢請人。需要考慮專業團隊的時機是這三種：一是健檢結果很差、但你看不出原因，尤其是技術面的問題自己無從下手；二是你的品類競爭激烈，需要持續追蹤幾十個問題在多個 AI 上的變化，人工記錄撐不起這個量；三是你已經確定要把 AI 導購當成通路來經營，需要有人把結構化、資料介接、內容佈局整套排進時程。美勢科技的 AI 導購與 AI 能見度佈局 服務就是做這件事的，第一步的健檢是免費的，你可以先拿自己動手的結果來對照，看看專業版能多看出什麼。如果你想先感受一下 AI 導購實際運作的樣子，我們也做了一個 互動示範，直接體驗比看十篇文章都快。

最後留一句話給你：AI 能見度不是玄學，它是可以量測、可以歸因、可以改善的。今天先開一張試算表，問出你的第一個問題，你對自己品牌的理解就已經超過八成還沒動手的同業了。