AI 認得你,為什麼不推薦你?我們實測了 60 個台灣品牌
我們用固定題庫,問 Google 的兩種 AI 與 ChatGPT,看它們怎麼介紹和推薦台灣品牌。兩個主要發現:一,AI 介紹「這是什麼品牌」答得很穩;二,AI 推薦「哪幾家」卻是贏者全拿——每個產業只有頭部兩三家被提到,很多你天天看到的品牌,一次都沒被推薦。
怎麼量的(方法先攤開,你能自己重跑)
- 10 產業 × 6 品牌 = 60 個台灣知名品牌。
- 80 題,分兩種:介紹題「X 是什麼品牌?」+ 推薦題「台灣 X 推薦哪幾家?」。
- 每題問 3 次(AI 答案每次不同,問一次不準)、全程未登入、台北。
- 正確與否以業務核心詞程式判定、再人工抽查;不宣稱 AI 完全不會錯。本期每題 3 次為初步,下一期拉到 7 次並以區間呈現。
發現一:介紹「你是什麼」,AI 答得很穩
品牌介紹題裡,答案講到正確業務類別的比率很高(用產業類別核心詞檢查,三家 AI 合計約 98.9%,Google AI 模式 180 回合全中)。連最容易撞名的也能正確區分——某曾下市後被接手的老牌家電、某個與日本大廠同名的牌子,AI 都會主動講清楚是哪一家。對有點名氣的品牌,「AI 會不會把我講錯」沒有想像中嚴重。
發現二:推薦「哪幾家」,是贏者全拿
每個產業的推薦名單,幾乎固定由頭部兩三家包辦,其餘常常一次都沒出現。有好幾個同樣家喻戶曉的品牌,「是什麼」答得出來,「推薦哪幾家」卻掛零——AI 知道它存在,但不會主動推薦它。我們測的 60 個知名品牌裡,約四分之一在推薦題一次都沒被提到。
發現三:推薦時,AI 讀的是別人寫的名單,不是你的官網
介紹題 AI 讀官方登記、維基、App Store、品牌官網;推薦題則換成論壇、比較站、口碑榜、懶人包名單文。兩種問題、兩套來源,幾乎不重疊。所以官網做得再好,幫你贏的是介紹題;它不會自己跑進推薦名單。
發現四:連傳統 Google 搜尋也分兩套,維基稱霸介紹題
同一批題目的 Google 自然搜尋(藍色連結)也一樣:品牌「是什麼」的第一頁,維基百科幾乎每題排第一(測的範圍裡 180 回合有 155 次);推薦題則換成 Dcard、口碑榜、比較站、媒體整理。不論 AI 還是傳統搜尋,「你是誰」和「推薦誰」本來就是兩個不同的資訊世界。
發現五:不同 AI 的名單,在特定品類會分歧
逐家數推薦題被點名次數,形狀幾乎一致:頭部吃滿、一條斷層、好幾個知名品牌掛零。例如「台灣網購推薦」,三大電商幾乎次次都在,另外三家同樣知名的平台一次都沒被提到。
不同 AI 的名單頭部多半一致(前三約七成重疊),但特定品類明顯分歧:問「3C 家電推薦」,Google 偏傳統家電大廠、ChatGPT 偏電腦品牌;有的品類甚至在某一家 AI 幾乎問不出名單。只量一家 AI,在那些品類就會看走眼。
那,掛零的品牌該怎麼辦?
決定性的不是維基、不是官網、也不是新聞量。被推薦的共通點,是高密度、跨多來源一致地出現在「推薦/比較/排名/懶人包」這類內容裡。我們甚至看到掛零的品牌有維基、被推薦的反而沒有——差別就在有沒有進到第三方寫的推薦比較這個內容圈。
還有一種掛零是「有名但被歸錯類」:品牌很紅,卻在名單裡被歸去別的類別,一樣不會被推。這時要解的是用對的品類語境被收錄,不是衝聲量。
這對品牌的意思
「AI 認得你」和「AI 推薦你」是兩件事,多數公司真正的缺口在後者。想知道自己在哪一邊,你自己就能做:用沒登入的瀏覽器,問 AI「台灣〔你這行〕推薦哪幾家」和「〔你的品牌〕是什麼」各三次。推薦題沒有你,那就是該補的地方——而且要補的不是官網,是 AI 查推薦時會讀的第三方內容。
關於這份報告
方法、題庫與原始量測資料將整理後以創用 CC(CC BY 4.0)公開,供外界查證與再利用。AI 回答會隨時間變動,本報告是 2026 年 10 月的量測快照;ChatGPT 全量與中小品牌的數字量完會更新。