舉個例子。團隊 9 月 1 日問「ChatGPT 知道這家公司嗎」，得到肯定答案；9 月 15 日換成「台灣有哪些適合 B2B 的服務」，品牌沒有出現。兩題的意圖不同，接不成同一條趨勢，一次肯定的回答也不代表品牌已經被穩定推薦。固定問題就像固定鏡頭的位置，畫面變了才比得出來；每次換題，看到的可能只是鏡頭換了。
回答裡的來源 URL 怎麼另外保存，看 Citation Source URL 分析。
只問一次再截圖，等於在路上隨機攔一個人問「你知道我們公司嗎」，他說知道或不知道，你都不會因此了解市場。
ChatGPT 推薦公司怎麼查：從市場問題設計題目
只問「A 公司是什麼」的話，ChatGPT 能回答公司資訊，這只證明了它查得到 A。客戶在做決定的時候，問題裡通常沒有你的名字。
真正接近商業決策的題目通常像這些：
- 「台灣有哪些做 GEO 的公司？」
- 「A 跟 B 的差別在哪？」
- 「100 人公司適合哪種 CRM？」
- 「想監測 ChatGPT 推薦，有哪些工具？」
- 「第一次導入 GEO 應該先做什麼？」
所以第一版問題可以分成五組：品牌、類別、比較、問題、決策。
| 題型 | 主要用途 |
|---|---|
| 品牌題 | AI 是否正確理解品牌與產品 |
| 類別題 | 品牌是否進入市場類別答案 |
| 比較題 | AI 如何描述品牌差異 |
| 問題題 | 哪些內容被拿來解決使用者問題 |
| 決策題 | 品牌是否被列為可考慮選項 |
品牌監測有價值的部分，幾乎都從「題目裡沒有品牌名」開始。品牌題的提及率天生就高，它測的是 AI 認不認得你，不是市場想不想得到你。
Mention、Citation、Recommendation 一定要拆開
這三個訊號很容易被混在一起。
如果回答只是提到 A 公司，記 mention。
如果回答來源連到 A 的官網或某個產品頁，記 citation。
如果題目具有選擇意圖，而回答把 A 列為可考慮的方案，並給出適用條件或理由，才記 recommendation。
例如題目是「台灣有哪些 GEO 工具？」回答列出 Otlex、Ahrefs、Semrush，這可以先記品牌 mention；如果 Otlex 被描述成適合某種需求的選項，再記 recommendation；如果來源同時連到 Otlex 產品頁，才另外記自有 citation。
被提到、被引用、被推薦，是三件不同的事。後續要改的內容也不同。
OAI-SearchBot 和 GPTBot 不是同一個 crawler
OpenAI 官方目前把 OAI-SearchBot 與 GPTBot 分開。
OAI-SearchBot 用於 ChatGPT 的搜尋功能；GPTBot 則與可能用於改善、訓練生成式 AI foundation models 的內容 crawl 有關。網站可以分別允許或阻擋。
這個差別會直接影響排查方向。
當你在問「為什麼 ChatGPT Search 沒有引用我的網站？」時，先確認 OAI-SearchBot 的可存取性，不是只看 GPTBot。
OpenAI 現行文件也說明，robots.txt 更新後，搜尋結果端的系統調整可能約需 24 小時。
但要注意，crawler 可存取只是技術條件。允許 OAI-SearchBot 之後，頁面會不會在某個問題中被採用，還是要觀測才知道。
30 題就能做第一版 ChatGPT 品牌監測
假設先做「台灣、繁體中文」市場，可以建立 30 題，例如：
- 品牌題 5 題
- 類別題 8 題
- 比較題 5 題
- 問題題 6 題
- 決策題 6 題
30 這個數字沒有特別意義，題型分布固定才是重點。每次都換一批問題的話，累積出來的紀錄只是很多份不相干的快照。
每一次回答至少記這些欄位：
| 欄位 | 要保存什麼 | 為什麼 |
|---|---|---|
| prompt_id | 題目的固定編號 | 避免不同版本混在一起 |
| prompt_text | 完整問題 | 讓下一次能原樣重跑 |
| prompt_version | 題目版本 | 保留修訂前後條件 |
| platform／model／mode | 產品、可見模型與搜尋模式；看不到就記未提供 | 避免混用執行條件 |
| market／language | 市場與語言 | 固定比較情境 |
| observed_at | 日期時間與時區 | 對照內容與產品變化 |
| execution_status | 成功／失敗／未觸發／尚未測 | 決定是否可分析回答 |
| raw_answer | 完整原始回答或檔案位置 | 讓他人複核 |
| mention | 是否出現品牌 | 最基本的品牌可見性 |
| citation | 是否引用自有網域 | 看來源是否回到官網 |
| recommendation | 決策題中是否被推薦 | 區分提及與選擇 |
| source_url | 實際引用 URL | 找到來源與內容缺口 |
| notes | 推薦條件或回答摘要 | 保留脈絡 |
模型與模式從第一筆就要保存。介面未提供時記「未提供」，別由回答文字猜。
從第一筆就保存模型、模式與執行狀態
狀態先決定一筆資料能不能進入回答分析，再判讀品牌有沒有出現：
| 狀態 | 例子 | 品牌與引用欄位 |
|---|---|---|
| 完整回答、沒有品牌 | 已取得完整回答，人工檢查未出現指定別名 | 提及可填否；引用仍獨立檢查 |
| 完整回答、有品牌 | 回答出現品牌名稱 | 提及填是；推薦需有選擇語境；逐 URL 查自有引用 |
| 未觸發指定 AI 功能 | 在搜尋入口沒有出現預定的 AI 回答區 | 另記未觸發，不當成未提及回答 |
| 執行失敗 | 逾時、權限錯誤或回應不完整 | 保留錯誤；品牌與引用暫不判定 |
| 尚未測 | 問題已建，但未執行 | 保留待測，不填零 |
「未觸發」適用於有觸發條件的搜尋入口；在 ChatGPT 裡要另記有沒有使用搜尋，回答沒有引用不代表搜尋沒啟用。
一筆紀錄還沒跑之前長這樣：題目 C01／v1「台灣有哪些適合 B2B 團隊的 GEO 工具？」，市場台灣、語言繁中，產品 ChatGPT，模型未提供，搜尋模式待確認，時間待執行，原始回答與 URL 待取得，判讀者待指派。這筆現在的正確狀態是「尚未測」，不是「品牌未出現」。
拿到實際回答後，先把完整原文和引用存下來，再找能回查的差異。例如回答把你的產品說成顧問服務，而產品頁明明寫的是軟體，那就是一個要處理的項目：目標頁是那個產品頁，產品人員確認事實，編輯提修改，網站負責人核准上線。改完用同一題 C01／v1、同樣市場和模式重跑，記下新時間和同期還改了什麼。
前後有差異時，先報告哪句描述、哪條引用變了；題目、模型或模式變了就另分一組。完整回答、失敗和未觸發各自有筆數，才知道這次比較到底包含多少有效材料。判讀規則可接 品牌提及與引用的差別，工具選擇可接 GEO 工具比較。
方法流程圖：先確認取得有效回答，再判讀品牌提及、引用與推薦。
跑完第一輪，先把問題分成三類
第一輪結果通常不需要立刻改全站，可以先分成：
- AI 不知道你是誰：公司、產品或服務資訊錯誤或缺失。
- AI 知道你，但類別題想不到你：品牌存在，但與市場類別的關聯不足。
- AI 會提到你，但來源長期在第三方：品牌進入答案，官網卻沒有成為主要來源。
第一類先補公司與產品實體；第二類檢查類別頁、比較頁、使用情境與差異；第三類則看第三方究竟提供了哪些官網沒直接回答的資訊。
這三類各自要補的東西完全不同，比起「ChatGPT 沒推我，所以我要多寫文章」，它至少指得出第一步該動哪一頁。
修改內容之後，用同一批 prompt 重跑
要判斷優化前後，至少保留兩組原始回答。
一次改 20 頁、再期待看出是哪一頁有效，這件事做不到：同時動了 20 個變因，任何結果都解釋得通。一次處理一組明確缺口，記下修改日期，再用相同題目重新觀測。
即使如此，一次變化也還不是因果。ChatGPT 的回答會受到時間、模型、是否搜尋、來源結果與其他產品條件影響。
所以監測看的是一段時間的分布。把「今天排第一個」當成固定排名，下週它掉到第三，你會開始檢討一個其實沒有發生的問題。
ChatGPT 的一次回答，不是 SERP 名次
生成式回答會重寫、合併、重新排序品牌。今天品牌排第一個，明天第三個，不適合直接套用傳統搜尋「第 1 名、第 3 名」的概念。
更穩定的紀錄方式是：
- 是否出現
- 是否引用
- 是否推薦
- 回答中的相對位置
- 推薦條件
如果要比較競品，所有品牌用同一組問題。每個品牌各自挑對自己有利的問題，比出來的是題目，不是品牌。
從 ChatGPT 再延伸到完整 GEO
ChatGPT 品牌監測只是一個平台的觀測方式。完整 GEO 可以把同一套題目擴展到 Google AI Overview、Google AI Mode、Gemini、Grok、Perplexity、Claude 等介面，再比較各平台差異。
Citation Tracking 則把來源獨立抽出來。當你發現「ChatGPT 很常提品牌，但很少引用官網」，下一步就可以直接研究第三方來源與自有內容差距。
要先看工具與流程的範圍，看 GEO 工具頁與 EthorX GEO 服務。
Otlex 把人工監測變成可持續的紀錄
我們的 Otlex 是 EthorX 開發的 AI 搜尋優化平台，觀測品牌在 ChatGPT、Google AI Overview、Google AI Mode、Gemini、Grok、Perplexity、Claude 等 AI 引擎回答中的提及、引用與推薦，並保留歷史資料。
單一品牌 30 題時，人工執行完全可行。當品牌、引擎、題目版本與日期增加，真正的成本會變成維持 prompt 一致、保存回答、整理引用 URL，以及把變化連回內容修改。這是自動化監測比較直接的用途。
常見問題
直接問 ChatGPT「推薦我的公司嗎」有用嗎？
可以當單次測試，代表不了整體品牌能見度，因為你把答案寫在問題裡了。有判斷價值的是不帶品牌名的類別、比較與決策題。
ChatGPT 沒引用官網，是不是被 robots.txt 擋住？
有可能，光看結果判斷不出來。先檢查 OAI-SearchBot 的 robots 設定與實際可存取性，再看內容相關性與其他來源。沒被引用至少有四種常見原因，robots 只是其中一種。
OAI-SearchBot 和 GPTBot 要都開嗎？
兩者用途不同。OpenAI 官方目前把 OAI-SearchBot 用於搜尋結果，GPTBot 用於可能支援模型訓練的 crawl。網站可以依自己的政策分開設定。
多久重跑一次比較合理？
看內容更新頻率和你要的觀測解析度。初期每週固定一次就足以建立趨勢；更新頻繁的話可以再密一點。頻率其次，題目與紀錄方式一致才是關鍵。每天跑但每次換題，累積不出任何東西。
可以用 ChatGPT 回答當作排名報告嗎？
把它當成回答觀測資料比較合適。要記位置的話，先定義位置怎麼計算，並接受回答會改寫、合併或重排品牌。那個順序不是名次，是這一次生成的結果。
參考來源
以下依 OpenAI 官方文件整理，crawler 名稱與 robots 反映時間以官方頁面當下為準。