实测研究
Flowtrace AI 可见性基线：ChatGPT 与 Gemini 实测
2026 年 8 月 21 日，Flowtrace 使用 5 个不注入品牌资料的 B2B 生成式引擎优化问题，分别测试 ChatGPT 与 Gemini。最终 10 条回答全部来自实时模型且语义对齐；Flowtrace 品牌提及率、推荐率和引用数均为 0。这是新内容发布当天的真实基线，不代表行业平均水平或未来结果。
研究发现
技术结构达标，不等于已经获得 AI 品牌可见性
研究发布前的生产站点巡检已达到 6/6 页、平均 100 分；本页上线后，sitemap 扩展到 7 页并再次达到平均 100 分。但发布当天的 AI 监测仍未出现品牌提及、推荐或引用。研究把站内准备度与外部可见性分开衡量，也记录了问题措辞如何影响模型对 GEO 的理解。
实时样本
ChatGPT 使用 gpt-4o-mini-2024-07-18，Gemini 使用 gemini-2.5-flash；每个平台运行同一组 5 个问题，共保存 10 条实时原始回答。
中立提问
发送给模型的问题不包含 Flowtrace 名称、官网、产品或竞品资料，系统在回答返回后才检测品牌提及、推荐语、竞品和引用 URL。
最终基线
两平台品牌提及率均为 0%，推荐率均为 0%，引用 URL 均为 0；失败或历史模拟数据不计入本次指标。
术语校准
初始问题会触发 Geographic / Local SEO 误读；补充“AI 回答中的提及、引用和推荐”定义后，人工复核最终 10/10 条回答语义对齐。
研究方法
从中立问题到可复核基线
- 1
固定问题集
覆盖工具比较、可见性监测、SEO/GEO/转化诊断、两者区别和 AI 引用 Schema 五类意图。
- 2
保持品牌中立
模型只收到用户问题和中立的回答约束，不收到待测品牌资料，避免主动诱导品牌出现。
- 3
保存执行证据
逐条记录平台、供应商、模型版本、网关、耗时、原始回答、提及、推荐、竞品与引用来源。
- 4
人工语义复核
除结构化指标外，检查模型是否正确理解 GEO；发现语义漂移时先修正问题口径，再建立正式基线。
下一步
用你的真实站点建立增长基线
FAQ
常见问题
答案包含适用范围和限制，不承诺无法验证的排名或增长结果。
这 10 条回答能代表整个行业吗？
不能。本研究只记录 Flowtrace 在特定日期、两个模型和五个问题下的生产基线。模型版本、时间、语言和问题措辞都会影响结果，因此数据适合做后续同口径对比，不应外推为行业平均值。
为什么公开 0% 的结果？
0% 能区分“站内技术准备完成”和“品牌已经进入 AI 来源”这两件事，也为页面收录、外部引用和内容传播后的复测提供可验证起点。把失败基线改成正向数据会破坏监测价值。
如何避免 GEO 被理解为地理位置优化？
问题中应明确 Generative Engine Optimization 的操作性定义，例如提高品牌在 ChatGPT、Gemini 等 AI 回答中的提及、引用和推荐，并说明它不是本地 SEO，也不是用 AI 批量生成内容。
下一轮什么时候测试？
应在新增页面被搜索引擎收录、获得可核验第三方引用或积累真实案例后，使用同一问题集与相同指标复测，同时记录模型版本变化。