直答：AI 嘅推薦名單本身就唔穩定，同一條問題問幾次，品牌、次序、數量都可以唔同。所以「我喺 ChatGPT 排第幾」係個錯誤問題。較可靠嘅量度係：同一批問題重複問，睇你「出現咗幾多次」，再睇每個月嘅趨勢。
利益申報：本文由 Webka 撰寫。Webka 提供 AI 搜尋曝光服務同網上診斷工具，「要持續量度」呢個結論同我哋門生意有關。下文引用嘅 SparkToro 研究，Webka 冇參與。請你連同出處自己判斷。
你試過咁樣嘅經歷嗎？
老闆自己問 ChatGPT「香港邊間 xx 好」，見到自己間店喺名單。第二朝再問，冇咗。同事用手機問，又見到另一批名字。
呢個唔係你部機有問題，亦唔係你「掉咗排名」。係 AI 推薦嘅運作方式本身就係咁。
外國研究點講
SparkToro 創辦人 Rand Fishkin 同 AI 追蹤公司 Gumshoe.ai 合作做咗一項研究，2026-01-28 喺 SparkToro 發表（數據喺 2025 年 11 至 12 月收集；出處：SparkToro 原文，我哋 2026-10-27 閱讀原文）。重點如下：
- 方法：600 位志願者，將 12 條 prompt 喺 ChatGPT、Claude 同 Google AI（AI Overviews，冇出就用 AI Mode）上運行，合共收集 2,961 個回答，每條 prompt 大約跑 60 至 100 次。
- 名單重複率：作者估算，同一條 prompt 問 100 次，ChatGPT 或 Google AI 任何兩個回答俾出完全相同品牌名單嘅機會低於 1/100；Claude 稍為高少少。連次序都一樣就更少，大約 1,000 次先有 1 次。
- 回答長度亦唔同：有時得 2 至 3 個項目，有時 10 個或以上。
- 結論：作者認為「AI 內嘅排名位置」唔可靠；但「某個品牌喺幾多次回答中出現」（visibility %）係合理嘅量度。例如研究入面，City of Hope 喺 71 個 ChatGPT 回答中出現 69 次（97%），但排第一嘅只有 25 次。
留意三點限制：
- 作者自己都講明係起點，唔係定論，需要更大樣本、更多 prompt 同更大嘅用家群組。
- 作者自言唔係專業研究員；文章亦冇話經過同行評審。
- 作者朋友任職嘅 Gumshoe.ai 本身做 AI 追蹤工具，作者喺文中自己提出可能有利益衝突。不過佢亦寫明，自己研究前係「死硬懷疑派」，原本假設追蹤 AI 排名或曝光係冇意義；研究後佢認為「出現比例」呢個假設（大概）錯咗，但「排名位置」類工具仍然唔可信。
另外，呢個研究以英文、國際品牌 prompt 為主，唔係香港廣東話環境。所以我哋用自己嘅測試睇下香港係咪類似。
Webka 2026-08-22 公開測試：四個引擎，名單幾乎對唔上
Webka 喺 2026-08-22 用 50 條廣東話香港商業問題，問 ChatGPT、Gemini、Perplexity、DeepSeek 四個引擎（方法同限制見 50 條香港問題 × 4 AI 引擎測試）。注意兩點：
- 呢個測試係每條問題每個引擎問一次，所以我哋量度到嘅係「唔同引擎之間」嘅差異，唔係同一個引擎重複問嘅差異。
- 我哋係用 API 版本測試（例如 ChatGPT 為 gpt-4o-mini），可能同你自己喺 app 見到嘅答案唔同。
例子一：寵物美容（題目：「香港寵物美容邊間好？」） 四個引擎各自列出商戶名：ChatGPT 5 個、Gemini 5 個（其中一個係 SPCA）、DeepSeek 6 個、Perplexity 1 個。四份名單入面，冇一個店名喺多過一個引擎出現。
例子二：鐘點工人（題目：「香港鐘點工人邊度請好？」） ChatGPT 提 2 個、Gemini 8 個、Perplexity 6 個、DeepSeek 12 個。有三個引擎（Gemini、Perplexity、DeepSeek）提到 Toby 平台，另有 HelperGo 喺兩個引擎出現，其餘大部分名字只喺一個引擎出現。
整體（A 類 20 條「服務推薦」題） 我哋將每題四個引擎提到嘅名稱逐個統計（每題分開計）：20 題合共出現 427 個唔同名稱，當中只有 36 個（約 8%）喺兩個或以上引擎同時出現；有 6 題（30%）係完全冇任何一個名稱被兩個引擎同時提到。
計算方法係名稱字串配對，例如「Toby」同「HelloToby」冇合併，所以重疊率可能被低估少少。不過方向清楚：問邊個引擎，你收到嘅名單好可能完全唔同。
（數據出處：Webka 公開測試原始數據，2026-08-22；我哋唔會逐間店列名，避免單次 API 答案被誤讀成「某店被推薦或唔被推薦」。）
咁「被推薦」應該點睇？
1. 唔好睇「排第幾」
根據上面嘅研究，個別次序幾乎無法重複。所以任何工具如果保證你「排第 1」或者「AI 排名第 3」，你要問清楚佢點量度、問咗幾多次。
2. 睇「出現頻率」
同一批客人真係會問嘅問題，每條問 N 次、喺每個引擎問，計你出現咗幾多次。例如 20 條問題 × 4 個引擎 × 每條 5 次 = 400 個答案，你出現 40 次，就係 10%。呢個數字比「我今朝見到自己」穩定得多。
3. 睇趨勢，唔睇單日
單次結果一定有噪音。假設一個月前出現 10%，今個月 18%，呢種持續變化先至係有意義嘅訊號。你改咗網站資料、更新咗平台簡介、搵到媒體報道，之後頻率上升，才可以推斷有幫助。
4. 記低方法
邊個引擎、邊個版本、幾時問、問咗幾多次、用咩語言問。冇記低，下個月就唔能夠比較。
老闆可以自己做嘅最小版本
- 寫低 5 條你客人真係會問嘅問題（例如「荃灣邊間 xx 好」）。
- 每條問 3 次，用 2 至 3 個你嘅客人會用嘅 AI 工具（每次開新對話）。
- 用表格記：你有冇出現、出現喺第幾個、同你一齊出現嘅其他名字、來源（Perplexity 會列網址）。
- 每個月同一日重複一次，只比較頻率變化。
呢個做法費時，如果你有十幾二十條問題、幾個引擎，手動好快做唔切。呢個就係持續監測嘅價值：唔係幫你「排第一」，而係幫你有一個可重複、可比較嘅基準。
自查清單
- ☐ 我有冇將「某一次見到自己」當成「我被推薦」？
- ☐ 我有冇記低問題、引擎、日期、次數？
- ☐ 我係咪用同一批問題，每月重複量度？
- ☐ 我睇嘅係「出現頻率」，唔係「排名」？
- ☐ 我有冇分開睇唔同引擎（因為四個引擎嘅名單好唔同）？
- ☐ 我有冇睇來源網站（平台、媒體）而唔係淨係睇自己網站？可參考 AI 引用來源排行榜。
常見問題
Q1：同一條問題 AI 每次答案唔同，係咪表示量度冇意義？ 唔係。個別答案唔穩定，但如果你重複問足夠次數，「出現頻率」可以有參考價值。研究作者本人都認為，出現比例係合理量度，排名位置先係唔可靠。不過要問幾多次先夠，目前未有定論。
Q2：我問 3 次就夠？ 作為老闆自己初步睇，3 次可以感受到差異，但唔夠做正式判斷。SparkToro 研究每條 prompt 跑咗 60 至 100 次，作者建議要重複問好多次再平均。次數愈多，估計愈準。
Q3：點解唔同引擎答案差咁遠？ 每個引擎用唔同模型、唔同資料來源，部分有即時搜尋，部分冇。Webka 公開測試入面，寵物美容題四個引擎冇一個店名重疊。詳情見 AI 推薦嘅原理。
Q4：Webka 呢個測試可以代表真實用戶見到嘅答案嗎？ 唔可以完全代表。我哋用 API 版本，而且每條問題每個引擎只問一次。真用戶用 app、有個人化設定、問法亦會唔同。所以我哋只用來說明「引擎之間差異大」，唔係用來判斷某間店有冇被推薦。
Q5：我想知道自己喺 AI 入面出現幾多次，點開始？ 可以用上面嘅最小版本手動做；或者到 Webka 診斷輸入網址，1–2 分鐘睇你喺五個 AI 引擎（ChatGPT、Gemini、Claude、DeepSeek、Perplexity）嘅現況，作為第一個基準。想了解點樣長期追蹤，可以睇 AI 聲量佔比。