4.2 AI 引用监测：怎么知道 AI 提到了你

先接受现实：目前没有统一标准的工具

想监测 AI 有没有提到你，第一反应往往是找个工具。但现实是，这个领域目前还没有统一标准的监测工具生态，各家 AI 产品的引用行为也没有公开的、可批量查询的口子。市面上偶尔能看到一些相关服务，但能力参差、判断依据不透明，不适合当作唯一依赖。

所以主流做法反而是最朴素的：手工监测。定期在 AI 入口用你关心的目标问题问一遍，记录 AI 是否引用了你、怎么引用的，然后定期存档快照。听起来笨，但这是当前最可靠的办法。还有一个前提要接受：AI 产品的回答行为一直在变，模型在更新、检索在调整，所以一切监测结论都以各 AI 产品当前行为为准，别指望一次测完就一劳永逸。

建一张监测表：从关键词池出发

手工监测的第一步不是去提问，而是建表。监测表的核心是目标问题清单——这份清单不用从零想，直接从第二篇整理的关键词池转化：把核心关键词扩写成用户真实会问的问题，品牌词、产品词、对比词、场景词各留若干条，凑成一份几十条的固定清单。

清单定了，监测才有边界。没有固定清单的监测，等于每次随手出题，测出来的结果东一个西一个，前后根本没法比较。清单的结构可以参考这张表：

监测动作 SOP：五个固定动作

有了清单，监测就是一套机械动作，建议按月执行，每个动作都要固定：

• 固定问法：每个问题用同一句话问，不做任何同义改写；
• 固定 AI 入口：选定几款要重点关注的 AI 产品，每次都用同样这几款；
• 记录三要素：该问题下你是否出现、以什么形式出现（仅提及、列入选项、作为来源、首推来源）、出现在回答的哪个位置；
• 存档快照：对出现你的回答截图或复制全文，存进当月文件夹，防止下次问法一致但回答变了没处对证；
• 按月重复：同一份清单、同一套动作，每月跑一遍，积累纵向数据。

整个过程一个人半天就能跑完一轮。这件事贵在坚持，不在花哨。

监测记录表的字段设计

监测表不用复杂，一行对应一次提问的结果，字段建议如下：

这张表跑上几个月，你就不再靠感觉判断 AI 引用，而是有一手记录说话。

心得：固定才有意义

最后强调一条最容易犯的错：随意换问法。有人今天问品牌名加品类，明天换个口语化说法，看到结果不同就下结论，这是无效监测。AI 的回答对问法高度敏感，问法一变，结果里的变量太多，纵向对比就失去了意义。

我们的体会是：监测数据的全部价值来自固定——固定问法、固定入口、固定频率，变的东西只有时间。这样几个月后把表拉出来，哪些问题稳稳出现、哪些问题一直缺席、哪个月突然掉了，一目了然。趋势和异常，只有在这种铁板一样的固定动作里才会浮出来。