via https://moz.com/blog/what-is-prompt-tracking
提示追踪的成本会迅速攀升。你希望在各个AI平台监控品牌可见度，但不断新增的提示词不仅推高了成本，还让数据变得混乱。
你需要的并非更多预算，而是精简臃肿的提示列表、筛选出真正契合品牌目标的提示词的策略。
本文将为你展示如何构建一套既能衡量AI可见度、又不会过度消耗预算的提示追踪策略。
什么是提示追踪？
提示追踪是指通过一组预设的提示词，监控你的品牌在AI生成答案中呈现情况的流程。
与传统追踪谷歌排名不同，你需要关注的是品牌被提及的频率、情感倾向，以及AI模型在相关主题中展现你品牌的频次。
监控AI搜索中的品牌可见度，是衡量生成式引擎优化（GEO）成效、制定关键绩效指标的关键环节。
若执行得当，提示追踪能清晰反映你在用户探索阶段的可见度，尤其当用户提出不带具体品牌名的对比或推荐类非品牌查询时。
为何要提高提示追踪效率？
人们很容易想为每个关键词都设置追踪提示。请抵制这种冲动。提示配置过于庞杂会迅速推高成本并消耗资源，原因在于：
- 使用与工具规格不匹配的提示词，可能导致误报或产生误导性结果
- 追踪过多提示词会使分析工作变得冗长重复、难以驾驭
- 选择与业务目标脱节的提示词，会拉低投入产出比
如何在预算有限的情况下进行提示追踪
明确你的受众群体
在花钱进行提示追踪之前，先用你已有的数据看看你的受众偏好使用哪些大语言模型。
Wix的研究表明，不同性别、年龄和国家的用户对大语言模型的偏好存在差异。例如，千禧一代更倾向于使用AI购物，而女性使用ChatGPT的可能性远高于使用Grok。
这意味着，如果你把精力集中在受众不常使用的渠道上，提示追踪可能无法带来预期的价值。
那么，如何确定你的受众更可能使用哪些AI工具呢？
从GA4入手，识别AI流量，然后利用数据来排定追踪哪些大语言模型的优先级：
- 查看GA4，确认你的用户偏好哪些平台
- 按地区筛选
- 分析哪些内容获得了AI流量
- 识别主题趋势
在GA4中，可以通过以下路径操作：报告（Reports）→ 获客（Acquisition）→ 流量获客（Traffic acquisition）。
据布里·安德森介绍，谷歌使用预定义的渠道分组，AI搜索流量通常会归入“AI工具”、“未分配”和“引荐”这几个渠道。
你可以将主要维度切换为“会话来源/媒介”，从而获得更精细的数据。
接着，从中找出大语言模型的引荐来源，并筛选报告以分离出AI流量。注意不要只盯着ChatGPT和Gemini这类热门模型，因为这样可能会错过一些你尚未发现的新引荐来源。
观察是否存在特定的平台偏好。如果有，那么将更多提示追踪的精力投入该平台可能是值得的。
接下来，在GA4中按地区筛选，以发现不同市场在平台使用和查询语言上的差异。这一点很重要，因为大语言模型的使用情况因国家而异。例如，英国用户每天使用AI的比例高于美国用户。即便使用同一种语言，地域性语言差异也会影响人们的搜索方式。
现在，让我们深入分析内容。查看哪些落地页已经获得了AI流量，并寻找这些页面URL之间的主题模式。如果你发现某个特定主题带来了AI流量，可以考虑创建更多相关页面，并优化你的提示词以反映这一兴趣点。
一旦了解了AI访问者会访问哪些内容，你就可以构建一个精炼的、反映市场需求的提示词列表。在Moz AI可见度工具中设置提示追踪时，利用GA4的数据来选择合适的模型。
具体操作如下：
进入Moz Pro，点击左侧菜单栏中的”AI可见度”，输入你的品牌名称（例如，丰田），然后点击”检查可见度”。
接下来，你可以在Moz AI可见度工具中选择追踪ChatGPT或Gemini模型，并对比两个模型下的表现。
在此界面，你可以为品牌添加最多5个相关词，以及最多3个竞争对手及其相关词（可选）。接着，添加用于生成提示的主题列表，然后点击”生成提示”。但在执行此操作前，请务必先准备好你的品牌主题。
你在AI搜索中胜出了吗？
立即查看你与竞争对手的对比情况！
准备你的品牌主题
在构建提示列表之前，了解工具如何理解你的品牌以及它将哪些词视为品牌词非常重要。
进入Moz域名概览，输入你的网址，查看域名搜索主题。
该主题是工具对你网站内容的理解，可将其作为基准参考。
接着，向下滚动到”域名关键词主题”，利用这份列表来扩展品牌相关的查询。
例如，丰田的品牌词包括汉兰达、塔科马等车型名称；而起亚的品牌词则更倾向于更宽泛的品牌查询，如”起亚租赁优惠”、”起亚电动车”。
在最终确定品牌词列表前，请务必检查是否存在地区差异。例如，在美国，消费者对丰田品牌的兴趣更聚焦于具体车型（如”丰田卡罗拉”）；而在英国，则更侧重于品牌本身（如”丰田车辆手册”）。
这些差异看似细微，但如果你是一家本地企业，它们就会产生重大影响。因此，你应该利用”域名关键词主题”来确认品牌词、验证主题，并找出你可能遗漏的地区性关键词。
一旦确定了品牌词列表，在Moz中设置AI可见度提示追踪时，将其作为备选品牌关键词输入即可。
基于实体信号识别竞争对手
你以为的竞争对手，可能与谷歌实际关联到你品牌的对手并不一致。因此，在设定提示追踪的基准之前，最好先进行核实。
在谷歌上搜索你的品牌，并查看”人们还在搜”这一板块。这里列出的品牌，反映了知识图谱中与你品牌关联最紧密的实体竞争对手。
如果你经营的是本地业务，可以通过Google Business Profiles使用同样的方法。滚动到档案页面底部，查看”人们还在搜”部分，了解谷歌认为与你品牌相关的竞争对手。
找到这些竞争对手后，更新你在Moz AI可见度工具中的项目设置，使你的追踪能够反映实体关系，而非内部的主观假设。
例如，我最初认为日产、起亚和现代是丰田最直接的竞争对手，但根据”人们还在搜”的分析，我已将竞争对手调整为日产、本田和马自达。
这个列表或许无法与ChatGPT或Gemini的关联结果完全吻合，但它能让你更清楚地看到，谷歌以及你的受众认为哪些品牌与你的品牌相关。
确认你的提示追踪工具在测量什么
你需要了解工具的参数设置、工作原理、它追踪哪些模型以及数据更新的频率。理解了这些限制条件后，你才能精简提示词，从而获得更有价值的输出结果。
我们以Moz AI可见度工具为例。首先，查看模型。在这个界面中，可选的模型是ChatGPT和Gemini，因此这是你需要做的第一个决策。
接着，查看时间范围。这里显示为30天，因为项目是近期才设置的。Moz最多支持追踪180天的数据，因此你能看到的数据范围取决于追踪时长。
不要期望数据能立即生成。如果你在周二添加了新的提示词，而工具是在周一刷新数据，那么你就要等到下一次更新才能获得新信息。对于大多数企业来说，按照这样的更新节奏来工作是没有问题的；但对于那些全新的、具有时效性的查询，在等待数据填充的期间，或许值得先手动进行测试。
最后，确认工具追踪的具体指标。在这个例子中，该工具的主要指标是品牌提及。
它显示，在生成式大语言模型生成的回复中，丰田出现在38%的结果里，同时还展示了其在回复长度中的平均位置，以及在所有被分析品牌中的排名等信息。
一旦你了解了工具所用的模型、数据刷新频率以及可见度的衡量方式，就可以据此选择与之匹配的提示词，并避免将正常的数据更新行为误读为性能表现数据。
进行主题研究
你的主题研究应源于常见问题。挖掘你业务内部的主题研究和用户查询的主要来源。从客户已经在使用的语言入手，因为这能产生比你坐在电脑前凭空想出更好的提示词。
从你的内部团队中获取主题灵感：
- 销售通话记录
- 客户关系管理系统
- 谷歌商家档案中的问题
- 产品评论
- 受众反馈
- Reddit等论坛
拉谢·刘易斯有一份实用的指南，可以帮助你找到高意向度的漏斗底部关键词，从而精简你的提示词列表。
接下来，从你的谷歌商家档案中添加问题，并从产品评论中提取措辞，这样你的提示词就能贴合人们描述现实问题时的真实语言。
捕获这些自然语言后，再结合关键词数据进行规模化扩展。登录你的Moz Pro账户，导航至”关键词研究” > “排名关键词”。输入你的品牌网址，生成你正在排名的关键词列表，并将其导出为CSV文件。
使用像ChatGPT这样的AI工具对查询进行聚类，并识别出非品牌的提示变体。以下是我操作的一个示例。
Moz AI可见度工具允许你输入四个主题来生成用于追踪品牌提及的提示词。我使用了ChatGPT突出显示的一些非品牌主题，包括”汽车可靠性”和”燃油效率高的汽车”。
避免产生误报的提示词
将提示词分为三种类型：品牌提示、对比提示和非品牌提示。
品牌提示会直接触发你的品牌名称，从而虚高品牌可见度，这无法反映你的品牌是否被自然推荐。
例如，如果我问一个像”丰田汽车对家庭来说保值率高吗？”这样的问题，自然的回答必然会提及丰田，因为问题本身就是关于丰田的。如果我衡量的是品牌提及，那么每一个以我品牌名开头并以其为中心的提问，都是浪费的提示词。
我完全可以简单地增加包含我品牌名的问题数量，从而人为提高提及率。品牌提示当然有其价值，尤其是在情感分析方面，但值得审视你的提示词列表，确保它们没有在告诉你一些无谓的信息。
对品牌提示的这种考量也应适用于竞争对手。例如，如果我们使用”马自达汽车对家庭来说保值率高吗？”这样的提示，我们极不可能看到竞争对手品牌被提及。
对比提示有时会触发你的品牌，但结果仍会因问题的措辞方式而产生偏差。所以，像”与现代汽车相比，在长途旅行中的舒适度如何？”这样的问题，可能会提到其他车型，或者详细讨论现代汽车。
如果你追踪的是品牌提及，那么真正的机会在于非品牌提示。非品牌提示之所以有价值，是因为在这类查询中，模型会向潜在买家推荐解决方案。
像”哪种混合动力汽车更适合长途驾驶？”这样的问题，是一个开放性的问题，因为它必然会触发一系列品牌名称的列表。这是一个很有价值的衡量指标，因为你的品牌是否被包含在这个列表中，是一个可以通过努力去争取和管理的。
重点关注那些能触发品牌列表和推荐的提示，例如：
- 最佳选择
- 对比
- 我该如何选择
积极精简提示词列表
首先，移除品牌提示，因为在追踪提及率时它们会造成误报。
接下来，移除那些偏离主题、缺乏商业意图或不太可能触发品牌提及的提示词。如果一个提示从未产生过品牌列表或推荐，它就无法帮助你衡量可见度，也不值得为其分配预算。
删掉任何与你的市场不匹配的提示词。如果你追踪的提示词针对错误的地区、使用了错误的拼写或措辞，你的数据就会变得不可靠，因为你衡量的并非你受众的行为。
同时，如果你的工具只每周更新一次，就要避免追踪那些与快速变化的实时话题相关的提示词。这类问题的答案变化太快，你的报告将无法反映用户当周实际看到的情况，数据也就难以令人信服。
确保提示词与用户需求和常见的对比模式紧密相连，尤其要聚焦于高意向度的短语。一个更精简的提示词集合，能为你提供更清晰的基准和可据此采取行动的信号。
下一步：测试、迭代与成长
这个领域日新月异，变化是常态。你需要不断测试、大胆尝试，然后观察结果。
首先，按主题分组进行测试。将提示词围绕高意向主题进行聚类，监控结果，弥补薄弱环节，然后循环往复。将提示追踪视为转化率优化（CRO），而非传统的关键词研究，这样效果会更好。带着目标和想要验证的假设去开展测试。
其次，按类型测试提示。如果”最佳”类列表效果不佳，就追踪这类问题。如果你认为点评类是突破口，那就追踪点评类的提示。通过这种方式，你将更清楚地了解模型的运作方式，并明确自己应该在哪些方面采取行动。
最后，始终确保提示词与客户的真实查询保持一致。利用你已有的邮件、客服记录、客户反馈和论坛内容，去编写普通人会使用的提示词。然后，针对表现不佳的主题创建和更新内容，并在接下来的几个更新周期中监控其增长情况。