METRICS

问题集设计(Prompt Set)

画面中一个刚性密封容器内装有固定颗粒,旁边的松散颗粒形成不断扩大的云团且两者不混合,象征监控用问题集的固定性与选题用问题库的可扩展性
问题集作为AI可见度指标的分母,其变动会导致前后数据不可比,监控与选题问题集需分离

一句话说明

问题集是所有 AI 可见度指标的分母,它一旦变动,前后两期的数就不能比。

问题集是所有 AI 可见度指标的分母,它一旦变动,前后两期的数就不能比。

我们的判断

监控用的问题集要固定,选题用的问题库可以持续扩 —— 两者混用会让分母一直在动,这是最常见的失效方式。

01

一套问题集要覆盖什么

按购买旅程分层:认知(这是什么)、兴趣(怎么做)、决策(怎么选、和谁比)、购买(价格与落地)。只测决策类会高估可见度,只测认知类会看不到商业价值。

每个语种一套。中英的问法结构与引用源逻辑都不同,不能拿英文问题机翻成中文当中文题。

题数不用多,但要固定。常见做法是 35–40 题,保证分母干净、可以逐月比较。

02

哪些题不该进分母

定义与机制解释类:实测里这类问题的品牌命中最低,放进分母会长期压低提及率,而它们的价值在被引用不在被提及 —— 留作内容选题,不进监控分母。

题干里点名品牌的题:问「A 和 B 怎么选」等于把答案往那两个品牌上引,测不出真实可见度;点名竞品的更是送分给对方。

03

怎么维护

改题必须留档:改了哪几题、什么时候改的、改之前的口径是什么。没有这份记录,后面所有趋势都解释不清。

复测频率与数据变化速度匹配。周频足够看提及率的动静,天天测只会看到采样噪声。

本页用到的数据

不足 5%

单一平台上最常被引域名的引用占比上限

出处Evertune,2 亿条 prompt,2026

0.1 次

该品类中排名 11 位之后的关键词每词月点击

出处我们对该品类一个头部站点 4,074 个非品牌词的逐词统计(排 1–3 位为 13.1 次、4–10 位为 3.4 次),2026-06

资料出处

  1. [1]GEO: Generative Engine Optimization.Aggarwal 等,KDD 2024.2024

更新于 2026-08-10