Moz 详解 AI 提示词追踪的 4 个常见误区与拓展技巧

你衡量 AI 可见度的方法对吗？Tom Capper 盘点了 AI 提示词追踪中最常见的 4 大误区，并分享了 4 种拓展提示词库的巧思。

点击上方白板图片可查看高清大图！

各位 Moz 粉丝周五好！今天我想和大家聊聊提示词追踪。这不仅是过去一年的行业热门话题，近几个月来的讨论尤为热烈。我们已经在 Moz Pro 和 STAT 中上线了这一功能，并面向所有客户开放。

不过，我发现许多人对提示词追踪仍心存顾虑。今天我不是来推销自家产品的，这绝非广告；我想聊聊大家在使用各类工具时最常踩的 4 个误区，正是这些误区引发了大家的疑虑和误解。

1. 过度看重引用链接，忽视品牌提及

第一个也是最关键的误区，就是盯错了“引用”。

来看这个例子，这里有一条非常典型的提示词，也是大家在提示词追踪工具的截图里常能见到的样式：最上方是一个提问，比如问哪款手机好、某类需求选什么手机最合适之类。

紧接着是 AI 的回答，里面提到了好几个手机品牌和子品牌，并在末尾附上了引用来源——这里用 pcmag.com 作为例子。

假设你是 Apple，正想通过这条回答评估自家的表现。你可能会去搜 apple.com 有没有被引用，结果发现：“哎呀，引用来源全来自第三方网站，是 PCMag 的链接，看来这次表现不及格。”

这种想法其实不对。信息来自哪里并不重要；甚至可以说，由第三方网站给出这层评价反而更具权威性，对吧？你没必要非得成为那个被引用的链接。

当然，能被列为信源固然好，但真正核心的是：你有没有被 AI 提及。 

AI 搜索，始于一条提示词

借助 Moz Pro 的 Prompt Suggestions 功能，轻松发掘与你品牌息息相关的高价值提示词。

所以，提及远比引用更重要。而且关注的不仅是你的主域名甚至主品牌，旗下的其他子品牌同样关键——就比如这个例子里的 iPhone 或 iTunes 等，品牌是否被提及，远比谁被列为出处更具价值。

大家都清楚，多数情况下这类 AI 回答很难为网站带来点击或引流。

它处于营销漏斗中与传统搜索截然不同的层级。传统搜索追求的是点击转化，而这里主打的是品牌认知度，关键在于能否进入 AI 的对话体系。因此，不必过度纠结最终引用了谁，除非你把它当作拓展机会。

比如你看到这段摘要后，对自己的提及方式不甚满意，就会意识到：“明白了，我该去联络 PCMag，争取让他们把我们收录进评测合集里。” 这才是它带来的真正契机，而非什么排名高低。

2. 局限于传统“排名”思维

说到这里，第二个常见误区就是依然套用传统 SEO 指标（比如排名）来看待它。

所以在这里，我可能会想：“行吧，我排在第一个被提到，太棒了，我赢了。”但实际上，三星旗下品牌被提及的次数反而更多。

如果面对大量提示词，我可能更在意的会是：我总共被提及了多少次？有多少比例的回答提到了我？大家是怎么提到我的？提及我的文本片段是什么？回答里用了哪些形容词？

可参考的指标五花八门。我觉得这个领域目前还很新，大家倾向于用哪些指标也还在探索形成中。但我真心觉得，你不该再死盯着传统的 SEO 指标，因为在 AI 搜索这个领域，它们用处不大。

诚然，“谁先被提到”确实算一项上下文参考信息，你也可能会想看一眼，但绝不该像以前做传统 SEO 那样，把它奉为唯一的核心标准。

在深入研究那些更微妙的细节之前，我会把对海量提示词的分析当作看家本领，也就是相当于传统排名一样的核心指标。我会先看大量提示词，把“到底有多少比例的回答提到了我”作为入门的核心衡量标准。这就引出了我要说的第三个大坑：监测数量不对。

3. 没有根据业务规模监测合理数量的提示词

如果你像我刚才提到的苹果这样的大品牌，肯定一直在做监测。我推测苹果内部一定有成熟的 SEO 项目，他们监测的关键词即使没有几十万，大概也有成千上万个。

所以，对这样体量的品牌来说，如果说“好，覆盖我们所有的产品、品牌和市场，我们只监测 50 个提示词”，这显然是不合常理的。

更何况，提示词的波动性其实更大。AI 的输出结果每天都在变，确定性更低，长尾效应也更明显。按理说，你监测的提示词数量，理应比以前监测漏斗顶层关键词的数量还要多才对。

当然，大家别误会我的意思。如果你是一家小型企业、本地商户，或者做的是非常细分的垂类业务，有些情况下 50 个提示词或许也够用了。但这类企业本身在传统 SEO 里监测的关键词数量往往也是比较少的。

所以，监测规模一定要匹配自身业务。这正是我们努力在产品中支持的方向：让客户能够以接近关键词监测的体量来追踪提示词，同时又不至于背上天价账单。 

稍后我会详细讲讲，如何利用不同类型的提示词，确保自己监测到的数据具有全局代表性。

其实这和你熟悉的关键词监测如出一辙。大约十年前，大家可能也讨论过类似的话题，当时人们会说：“现在的本地化和个性化搜索太明显了，我们必须引入更多样化的关键词，监测数据才能有代表性。”如今的提示词监测也是完全一样的道理。 

4. 只监测头部词

最后我想聊聊头部词。正如我之前提到的，在决定要监测哪些提示词时，它们通常会更偏长尾。我不希望你直接把原有的关键词列表照搬过来，一股脑全扔进你选的提示词监测工具里。

几乎没人会打开 ChatGPT，只输入“笔记本电脑”几个字就按回车。肯定有人这么干过，我自己做演示 PPT 时大概也用过这种例子，但这么搜确实很奇怪。大家根本不是这么用这类工具的。所以在调研和筛选提示词时，一定要考虑到这一点。

聊到提示词的搜索量，目前确实很难统计。业界常引用的一个老数据是，Google 每天处理的关键词搜索里，大约有 15% 是前所未见的新词。

而提示词的这一比例恐怕得超过 90%。我没有确切数据， 

但毛估一下，大概率在 90% 以上。绝大多数提示词的出现频次基本就只有一次。所以，关键是要找出核心主题，然后设计出贴近真实使用场景的提示词。 

我们有一些现成的工具可以帮忙。我的同事 Pete 博士写过一篇很棒的指南，应该会附在文末。Google 的“大家还在搜”（People Also Ask）也是个不错的切入点，因为这些问题相当于 Google 认为真实存在且有参考价值的长尾关键词。你可以通过很多方法挖掘出更具代表性、更具体、更长尾的词。以上就是我想聊的四类常见误区。

加餐：提示词追踪的进阶玩法

除了上述内容，我还想额外分享四个进阶思路，教大家如何更有创意地追踪提示词，从同一套工具里挖出不一样的洞察。 

1. 尝试指定地理位置或用户画像

一个很值得尝试的方向，就是引入地理位置和用户画像。 

在传统的排名追踪里，很多人（包括我自己）常做的一件事，就是针对同一个关键词，从 50 个不同邮编的地区分别追踪，看看搜索结果有没有差异。 

这种方法对不同类型的业务价值各异。如果你的业务不依赖实体门店，那就可以把重点放在用户画像上。比如，与其搜“哪款手机最适合我？”，不如问“对于经常需要在路上处理文档的大学生来说，哪款手机最合适？”之类的问题。这个例子可能有点偏，但大概就是这个意思。根据业务形态的不同，你可以设定各种各样的画像或地区。 

2. 尝试切换不同语言

第二个玩法是利用多语言。 

目前大多数提示词追踪工具并不受语言限制，因为它们所对接的 AI 交互界面本身就支持多语言。 

你用什么语言提问，ChatGPT 基本就用什么语言回复。哪怕 ChatGPT 的界面是英文的，你用意大利语向它提问，它照样用意大利语回答。你可以充分利用这一特性：如果你的业务覆盖多个市场，想了解不同语言环境下的回答效果，直接用对应的语言去追踪提示词即可。 

当然，这一招还可以跟前面提到的地理位置结合起来玩。 

最后这两个思路略有不同。它们不太注重通过扩展提示词来让监测对象更具体、更具代表性，而是更注重获取不同维度的洞察，而不局限于单纯的效果表现。

3. 明确具体特性

举个例子，与其问“做某某用途的最佳 iPhone 是哪款”，不如问“哪款手机最便宜”、“最耐用”、“最值得信赖”或“最注重隐私保护”。你可以把这些作为不同的监测专题，借此获取多维度的洞见。 

4. 发现并聚焦市场空白

或者从另一个角度来看——这需要你多花点心思去梳理这些分析结果——你可以提问：“三星手机在哪些方面比 iPhone 表现更好？”诸如此类。这样你就能挖掘出更多定性洞察，并可以长期跟踪，观察你的营销是否真正改变了用户的这一认知。 

好了，希望这些思路对大家有所启发。也希望大家没有踩过这些坑；如果确实踩中了，希望今天的内容对你有所帮助。非常感谢，我们下期 Whiteboard Friday 再见！ 

本文仅代表作者个人观点（除非极其罕见地遭遇了催眠），并不必然代表 Moz 的立场。