去年下半年，我们团队接到一个内部需求：市场部想知道，在ChatGPT、豆包、腾讯元宝这些主流AI助手里，公司品牌被提及的频率和内容是什么样的。这个需求听起来简单，但真正做起来才发现，从“想知道”到“拿到可用的数据”，中间隔着一整套方法选择和执行落地的问题。
原有流程：靠人工搜，没有标准
在那之前，市场部同事的做法是：每隔几天，打开几个AI产品，输入品牌名或相关关键词，截图保存。问题很明显：第一，人工搜覆盖不了所有关键词和所有AI产品；第二，每次搜的结果受对话上下文影响，截图无法复现；第三，没有统一的评价标准，今天觉得“回答不错”，明天又觉得“怎么没提到我们”。
项目目标与假设
我们定的目标是：建立一套可重复执行的监测流程，定期输出品牌在主要AI产品中的提及率、内容倾向和关键信息覆盖情况。假设是：只要设计好关键词体系、统一提问方式、固定评估维度，就能得到相对稳定的数据。
数据、人员和技术条件
团队一共三个人：一个负责项目管理与需求对接，一个负责技术实现（主要是自动化脚本和数据处理），一个负责内容分析与报告撰写。技术方面，我们依赖AI产品的公开API（部分产品）和模拟用户交互的自动化工具（无API的产品）。预算有限，没有采购第三方监测平台。
实施过程
第一步是确定关键词体系。除了品牌名，还加了行业通用词、竞品名、产品线名称。第二步是设计提问模板：为了减少随机性，每个关键词准备3种不同问法，比如“推荐XX领域的品牌”“XX公司怎么样”“XX产品有哪些”。第三步是搭建自动化流程：用脚本定时调用API或模拟网页交互，收集回答文本。第四步是制定评估维度：是否提及品牌、提及位置（靠前还是靠后）、信息准确性、情感倾向、是否包含关键产品信息。
技术与组织阻力
最大的技术阻力来自无API的AI产品。模拟网页交互不稳定，经常因为页面改版或反爬机制中断，需要频繁维护。组织阻力在于：市场部希望看到“排名”和“得分”，但我们的数据只能反映“是否出现”和“内容质量”，无法直接比较品牌间的优劣。反复沟通后才达成共识：监测的目标是发现问题和趋势，不是打分。
实际结果
运行三个月后，我们产出了6份周报和1份月报。核心发现包括：品牌在通用行业词下的提及率明显低于竞品；在特定产品词下，AI回答的信息存在过时问题；情感倾向整体中性偏正面，但缺乏具体产品细节。这些发现直接推动了官网产品页的内容更新和一篇行业科普文章的发布。
成本和代价
人力成本约每人每周10小时，技术维护成本主要是服务器和API调用费，每月约2000元。最大的隐性成本是时间：从搭建到产出第一份可用报告，花了近两个月。
成败原因
成功之处在于：流程跑通了，数据能稳定产出，并且确实发现了可行动的问题。不足之处在于：关键词体系覆盖不够全，部分长尾关键词遗漏；自动化脚本的稳定性始终是个隐患；报告解读需要大量人工判断，难以规模化。
可迁移经验与下一步
对于想自己搭建监测体系的企业，我的建议是：先明确监测目的——是为了发现内容漏洞，还是为了跟踪竞品，还是为了评估公关效果。目的不同，关键词设计和评估维度完全不同。其次，不要追求全量覆盖，先聚焦最重要的5-10个关键词和3-5个AI产品。最后，做好数据解读比收集数据更难，需要业务方和技术方一起参与。
下一步，我们计划引入更稳定的第三方数据源，同时优化关键词体系，并尝试将监测结果与内容生产流程联动。
