การวัดผล — กรอบงาน Mercury GEO
อัปเดต สิงหาคม 2026
AI visibility ที่วัดผลได้ ไม่ใช่แค่ความรู้สึก
Mercury วัด AI visibility ด้วยสามตัวชี้วัด — Citation Frequency, Share of Voice และ Recommendation Rank — ซึ่งเก็บข้อมูลรายเดือนจากคำตอบ AI จริง จัดเก็บแบบดิบ และรายงานแยกตาม engine และภาษา ทุกข้อกล่าวอ้างในหน้านี้สามารถทำซ้ำได้จากข้อมูล
กรอบการทำงาน
สามตัวเลขที่กำหนดการมองเห็นของ AI
แต่ละเมตริกมีคำจำกัดความที่สามารถอ้างอิงได้ในประโยคเดียว มีระเบียบวิธีที่แน่นอน และรูปแบบการแสดงผลจริง คำจำกัดความมาก่อน — เพื่อให้เครื่องจักร (และ CFO ของคุณ) สามารถอ้างอิงได้
M1
Citation Frequency
Citation Frequency คือเปอร์เซ็นต์ของพรอมต์เชิงพาณิชย์ที่ติดตามซึ่งเอนจิ้น AI เอ่ยถึงหรืออ้างถึงแบรนด์ของคุณ โดยวัดจากชุดพรอมต์รายเดือนที่กำหนดไว้
วิธีการวัดผล
- ชุดพรอมต์เชิงพาณิชย์ที่กำหนดไว้ 50–200 รายการต่อลูกค้า ทำการรันรายเดือนกับ ChatGPT, Gemini, Perplexity และ Google AI Overviews
- การตอบสนองแต่ละรายการจะถูกแยกวิเคราะห์เพื่อหาการกล่าวถึงแบรนด์ การอ้างอิงที่เชื่อมโยง และการระบุแหล่งที่มา โดยให้คะแนนที่ฝั่งเซิร์ฟเวอร์
- รายงานแยกตามเอนจิ้นและตามตลาด (HK EN, 繁中, Japan, SEA) เพื่อให้สามารถระบุการเปลี่ยนแปลงได้
- คำตอบที่ไม่มีการกล่าวถึงจะถูกบันทึกแยกต่างหาก — การไม่มีการกล่าวถึงคือสถานะที่วัดผลได้ ไม่ใช่สิ่งที่ไม่ทราบ
คำจำกัดความที่แม่นยำ
Citation Frequency คือเปอร์เซ็นต์ของชุดพรอมต์เชิงพาณิชย์ที่ติดตามซึ่งคำตอบของเอนจิ้น AI เอ่ยถึง เชื่อมโยง หรืออ้างถึงแบรนด์ของคุณ การ "อ้างอิง" จะนับเมื่อเกิดเหตุการณ์ใดเหตุการณ์หนึ่งต่อไปนี้ในคำตอบดิบที่จัดเก็บ: แบรนด์ถูกกล่าวถึงในข้อความ, URL ที่เป็นของแบรนด์ถูกเชื่อมโยงเป็นแหล่งที่มา, หรือเนื้อหาของแบรนด์ถูกอ้างถึงตามตัวอักษร สูตร: CF = (จำนวนพรอมต์ที่มี ≥1 เหตุการณ์การอ้างอิง ÷ จำนวนพรอมต์ทั้งหมดในชุด) × 100, คำนวณแยกตามเอนจิ้นและภาษา
วิธีการวัดผล
ชุดคำสั่งเชิงพาณิชย์ 50–200 รายการจะถูกตรึงไว้ที่ค่าพื้นฐาน จากนั้นจะถูกดำเนินการทุกเดือนกับ ChatGPT, Gemini, Perplexity และ Google AI Overviews การตอบกลับจะถูกแยกวิเคราะห์ที่ฝั่งเซิร์ฟเวอร์ โดยจะเก็บคำตอบดิบทุกคำตอบไว้ เพื่อให้สามารถเล่นซ้ำตัวเลขที่รายงานได้เสมอ ชุดคำสั่งนี้จะไม่เปลี่ยนแปลงระหว่างโปรแกรม — ความสามารถในการเปรียบเทียบข้ามเดือนคือประเด็นทั้งหมด
สิ่งที่ถือว่าดี
ทิศทางสำคัญกว่าตัวเลขที่แน่นอน โปรแกรมในช่วงไตรมาสแรกมักจะเคลื่อนไหวจากค่าพื้นฐาน 0–10% ไปสู่ 25–40% ในคำสั่งซื้อหลัก ผู้นำกลุ่มผลิตภัณฑ์ที่เติบโตเต็มที่จะรักษาที่ 50%+ ในชุดคำสั่งทางการเงินของตน แนวโน้มที่ดีคือเพิ่มขึ้น +3 ถึง +6 เปอร์เซ็นต์ต่อเดือนในช่วงของการปรับโครงสร้างสคีมาและเนื้อหา
การตีความที่ผิดทั่วไป
Citation Frequency ไม่ใช่อันดับการค้นหาและไม่ใช่ปริมาณการเข้าชม — ผลลัพธ์ Google อันดับ #1 อาจมี Citation Frequency เป็น 0% หากไม่มีคำตอบ AI ใดอ้างถึง และมันไม่ใช่การตรวจสอบแบบครั้งเดียว: การป้อนคำสั่ง ChatGPT เพียงครั้งเดียวและเห็นแบรนด์ของคุณไม่ได้พิสูจน์อะไร มีเพียงชุดคำสั่งที่คงที่ ซึ่งรันตามกำหนดเวลาพร้อมคำตอบดิบที่จัดเก็บไว้เท่านั้น จึงจะสร้าง Citation Frequency ที่สามารถปกป้องได้
ตัวอย่างการแสดงผล — citation frequency
- engine
- chatgpt / gemini / perplexity / aio
- prompt_panel
- 128 commercial queries (HK, EN + 繁中)
- citation_frequency
- 41.4% (จาก 7.8% ที่ค่าพื้นฐาน, +33.6 จุด)
- window
- 30-day rolling · สัปดาห์ที่ 14 ของโปรแกรม
M2
Share of Voice
Share of Voice คือส่วนแบ่งของแบรนด์ของคุณจากการอ้างอิงแบรนด์ทั้งหมดในชุดคำสั่งหมวดหมู่ที่กำหนด — จากทุกคำตอบของ AI ที่ระบุชื่อผู้จำหน่ายใดๆ ในกลุ่มของคุณ เศษส่วนที่ระบุชื่อคุณ
วิธีการวัดผล
- ชุดคำสั่งหมวดหมู่ที่กำหนดร่วมกับลูกค้า (เช่น "private banking onboarding HK" = 24 คำสั่ง)
- มีการดึงชื่อแบรนด์ทั้งหมดที่กล่าวถึงในแต่ละคำตอบ; การกล่าวถึงของคุณ ÷ จำนวนการกล่าวถึงแบรนด์ทั้งหมด = SoV
- ติดตามเทียบกับชุดคู่แข่งที่ระบุชื่อ ไม่ใช่ค่าเฉลี่ยที่เป็นนามธรรม
- มีการปรับปรุงความแตกต่างเป็นรายสัปดาห์ ดังนั้นการเพิ่มขึ้นของคู่แข่งจะกระตุ้นให้เกิดการตอบสนอง ไม่ใช่ความประหลาดใจรายไตรมาส
คำจำกัดความที่แม่นยำ
Share of Voice คือส่วนแบ่งของแบรนด์ของคุณจากการอ้างอิงแบรนด์ทั้งหมดที่ปล่อยออกมาภายในชุดคำสั่งหมวดหมู่ที่กำหนด สูตร: SoV = (จำนวนเหตุการณ์การอ้างอิงของแบรนด์คุณ ÷ จำนวนเหตุการณ์การอ้างอิงสำหรับทุกแบรนด์ในชุดคู่แข่งที่ติดตาม) × 100 ตัวส่วนคือการอ้างอิงแบรนด์ ไม่ใช่คำสั่ง — SoV ตอบว่า "จากคำตอบที่ระบุชื่อผู้จำหน่ายใดๆ มีกี่คำตอบที่ระบุชื่อเรา?"
วิธีการวัดผล
ชุดพรอมต์ตามหมวดหมู่ (เช่น 24 พรอมต์สำหรับ "private banking onboarding HK") และชุดคู่แข่งที่ระบุชื่อจะได้รับการตกลงกับลูกค้าที่ระดับพื้นฐานและถูกกำหนดตายตัว ทุกการรันรายเดือนจะดึงแบรนด์ทั้งหมดที่กล่าวถึงในทุกคำตอบ กำหนดแหล่งที่มาของการอ้างอิงแต่ละรายการให้กับผู้จำหน่าย และคำนวณส่วนแบ่งตามเอนจินและตามภาษา ส่วนต่างจะได้รับการกระทบยอดเป็นรายสัปดาห์
สิ่งที่ดูดี
ในหมวดหมู่ที่มีผู้จำหน่ายที่น่าเชื่อถือตั้งแต่ห้ารายขึ้นไป การรักษา SoV ให้สูงกว่า 25% โดยทั่วไปหมายถึงความเป็นผู้นำในหมวดหมู่ในคำตอบ AI; สูงกว่า 40% คือการครองตลาด สัญญาณที่สำคัญเชิงกลยุทธ์คือจุดตัด — สัปดาห์ที่ SoV ของคุณแซงหน้าของผู้ครองตลาดเดิม — เนื่องจากคำตอบ AI มีการทบกัน: เอนจินจะอ้างถึงแบรนด์ที่เคยอ้างถึงมาก่อน
การตีความที่ผิดทั่วไป
ข้อผิดพลาดสองอย่างเกิดขึ้นซ้ำครั้งแรก คือ การคำนวณ SoV เทียบกับพรอมต์ทั้งหมดแทนที่จะเป็นจำนวนการอ้างอิงแบรนด์ทั้งหมด ซึ่งทำให้ตำแหน่งของคุณดูต่ำกว่าความเป็นจริงและซ่อนการเพิ่มขึ้นของคู่แข่ง ครั้งที่สอง คือ การผสมภาษา: แบรนด์สามารถมี SoV 35% ในภาษาอังกฤษและ 0% ใน 繁中 สำหรับพรอมต์ที่เหมือนกัน ดังนั้นจึงต้องรายงานแผงภาษาคู่แยกกัน ไม่ควรหาค่าเฉลี่ย
ตัวอย่างการแสดงผล — ส่วนแบ่งเสียง
- หมวดหมู่
- enterprise odoo partner · asia
- ส่วนแบ่งเสียงของคุณ
- 27% ของการอ้างอิงผู้จำหน่ายทั้งหมด
- SoV ของคู่แข่งอันดับต้นๆ
- 19% (คุณแซงหน้าในสัปดาห์ที่ 9)
- แบรนด์ที่ติดตาม
- 11 vendors · 4 engines
M3
Recommendation Rank
Recommendation Rank คือตำแหน่งลำดับที่ AI engine แนะนำแบรนด์ของคุณภายในคำตอบ — อันดับ 1 หมายความว่าผู้ช่วยจะเอ่ยชื่อคุณเป็นรายแรกเมื่อผู้ซื้อสอบถามว่าจะเลือกใคร
วิธีการวัดผล
- คำตอบที่อ้างอิงทุกคำตอบจะถูกให้คะแนนตามตำแหน่ง: ถูกกล่าวถึงเป็นอันดับแรก, ถูกระบุรายชื่อ, หรือถูกกล่าวถึงในส่วนเสริม
- ถ่วงน้ำหนัก: อันดับ 1 นับ 1.0, อันดับสอง 0.6, อันดับสาม 0.4, กล่าวถึงแต่ไม่แนะนำ 0.2
- วัดแยกกันสำหรับ prompt ที่เป็นการแนะนำเทียบกับ prompt ให้ข้อมูล — เฉพาะแบบแรกเท่านั้นที่ขับเคลื่อน pipeline
- รวบรวมเป็น Recommendation Index เดียว 0–100 ต่อ engine ต่อเดือน
คำจำกัดความที่แม่นยำ
Recommendation Rank คือตำแหน่งลำดับที่ AI engine เอ่ยชื่อแบรนด์ของคุณภายในคำตอบสำหรับ prompt ที่มีเจตนาในการซื้อ — อันดับ 1 หมายความว่าผู้ช่วยแนะนำคุณเป็นรายแรก Citation Frequency จะตรวจสอบว่าคุณปรากฏหรือไม่ ส่วน Recommendation Rank จะตรวจสอบว่าคุณเป็นผู้นำหรือไม่ มีเพียง prompt ที่ผู้ใช้ถามว่าจะเลือก ใครจ้าง หรือซื้อเท่านั้นที่จะถูกให้คะแนน
วิธีการวัดผล
คำตอบที่อ้างอิงทุกคำตอบจะถูกให้คะแนนตามตำแหน่ง: ถูกกล่าวถึงเป็นอันดับแรกนับ 1.0, อันดับสอง 0.6, อันดับสาม 0.4, และกล่าวถึงโดยไม่มีการรับรอง 0.2 คะแนนถ่วงน้ำหนักจะรวมเป็น Recommendation Index 0–100 ต่อ engine ต่อเดือน ดังนั้นการเคลื่อนไหวของตำแหน่งจึงถูกติดตามเป็นแนวโน้มเดียวควบคู่ไปกับการกระจายตัวของอันดับพื้นฐาน
สิ่งที่ดูดีคือ
สำหรับ prompt ที่มีเจตนาในการซื้อ สิ่งที่ดีคือการติดอันดับ 1–2 อย่างสม่ำเสมอ และมี Recommendation Index สูงกว่า 70 ต่อ engine เนื่องจากผู้ซื้อมีแนวโน้มที่จะเลือกตัวเลือกที่ถูกกล่าวถึงเป็นอันดับแรกเป็นค่าเริ่มต้น ความแตกต่างของ pipeline ระหว่างอันดับ 1 และอันดับ 3 จึงมักจะมากกว่าความแตกต่างทั้งหมดระหว่างอันดับ 3 กับการไม่ถูกกล่าวถึงเลย
การตีความที่ผิดทั่วไป
ข้อผิดพลาดแบบคลาสสิกคือการเข้าใจผิดว่า "ถูกกล่าวถึง" เท่ากับ "ถูกแนะนำ" คำตอบที่ระบุแบรนด์ของคุณในบรรดาทางเลือกห้าทางเลือก หรือการเอ่ยชื่อคุณในข้อควรระวัง ไม่ใช่การแนะนำ — ผู้ซื้อจะดำเนินการตามการรับรองที่มั่นใจที่สุดเป็นอันดับแรก การหาค่าเฉลี่ยของอันดับจาก prompt ข้อมูลยังทำให้ตัวชี้วัดบวมขึ้นด้วย มีเพียง prompt ที่มีเจตนาในการแนะนำเท่านั้นที่ขับเคลื่อน pipeline
ตัวอย่างการแสดงผล — อันดับการแนะนำ
- prompt
- ai shopping concierge for luxury retail
- recommendation_rank
- #1 of 4 brands cited
- recommendation_index
- 82 / 100 (gemini, EN)
- movement
- +46 points เทียบกับ baseline เดือนที่ 1
แหล่งอ้างอิงพฤติกรรมของ Engine: Google Search Central — AI features and your website · Search Console Help — Performance report · Google Search Central — how structured data works · Google Search Quality Rater Guidelines (PDF)
หลักฐาน — การตรวจสอบคิวรีแบบสด
พร้อมท์เดียวกัน ก่อนและหลัง GEO
พร้อมท์เชิงพาณิชย์ที่ไม่ระบุชื่อสามรายการจากการมีส่วนร่วมล่าสุด "ก่อน" คือสถานะคำตอบของ AI ที่ baseline; "หลัง" คือสถานะเมื่อสถาปัตยกรรมเอนทิตี้และโปรแกรมการอ้างอิงถูกส่งมอบแล้ว
พร้อมท์เชิงพาณิชย์
ก่อน GEO
หลัง GEO
“best private bank onboarding platform Hong Kong”
รายการธนาคารระดับโลกทั่วไปห้าแห่ง; ไม่มีแบรนด์ของลูกค้าในคำตอบและในแหล่งที่มาที่อ้างถึง
ลูกค้าถูกอ้างถึงในตำแหน่งที่ 2 ในฐานะตัวเลือกที่เชื่อถือได้พร้อมชื่อแพลตฟอร์มการเริ่มต้นใช้งาน; ใช้สองหน้าของลูกค้าเป็นแหล่งที่มา
“พันธมิตร Odoo ระดับองค์กรในเอเชีย”
คำตอบระบุชื่อคู่แข่งสามราย; ลูกค้ากล่าวถึงเฉพาะในกระทู้ฟอรัมที่ไม่มีการอ้างอิง.
ลูกค้าแนะนำเป็นอันดับแรกสำหรับการเปิดตัวใน HK/GBA; มีการอ้างอิงข้อมูลเอนทิตี้ระดับพันธมิตรและหน้ากรณีศึกษาโดยตรง.
“ผู้ช่วยช้อปปิ้ง AI สำหรับค้าปลีกสินค้าหรูหรา”
คำตอบอธิบายหมวดหมู่โดยไม่มีการแนะนำผู้ขาย; ลูกค้าไม่ปรากฏ.
ลูกค้าถูกระบุว่าเป็นงานติดตั้งอ้างอิง; มีการอ้างถึงหน้าความสามารถของ GXO Engine แบบคำต่อคำ.
ชื่อลูกค้าถูกปกปิดภายใต้ NDA · สถานะคำตอบได้รับการตรวจสอบจากการตอบกลับดิบที่จัดเก็บไว้
เชื่อมต่อกับ Mercury Orbit
การวัดผลคือวงจร ไม่ใช่รายงาน
Mercury Orbit คือวงจรการตรวจสอบการอ้างอิงแบบต่อเนื่องของเรา: ตัวชี้วัดทั้งสามด้านข้างต้นจะถูกบันทึกเป็นรายเดือน จัดเก็บไว้ที่เซิร์ฟเวอร์ และแสดงให้ทีมของคุณบนแดชบอร์ดที่เปิดตลอดเวลา ไม่ใช่ไฟล์ PDF รายไตรมาส
ทุกวันจันทร์ วงจร Orbit จะรันแผงคำสั่งใหม่; ทุกเดือนเราจะจัดสรรความพยายามใหม่ให้กับสิ่งที่ข้อมูลเคลื่อนไหว: กลุ่มคำสั่งใหม่ที่คู่แข่งเพิ่ม Share of Voice, การแก้ไขเนื้อหาในส่วนที่ Recommendation Rank ลดลง, การแก้ไข schema ในส่วนที่การอ้างอิงเสีย การวัดผลเป็นตัวกำหนดสปรินต์ถัดไป ไม่ใช่ความคิดเห็น
แดชบอร์ดฝั่งเซิร์ฟเวอร์ · การจัดสรรใหม่รายสัปดาห์ · เก็บคำตอบดิบ
อ่าน Mercury Orbit →คำถามที่พบบ่อย
คำถามที่ผู้ซื้อสอบถามเกี่ยวกับการวัดผล
ไม่ครับ การติดตามอันดับจะดูตำแหน่งของ URL บนหน้าผลลัพธ์ แต่เราวัดว่า AI ตอบคำถามโดยอ้างถึงคุณหรือไม่ (Citation Frequency) คุณครอบครองการสนทนาในหมวดหมู่นั้นมากแค่ไหน (Share of Voice) และคุณได้รับการแนะนำเป็นอันดับแรกหรือไม่ (Recommendation Rank) ตำแหน่งบน Google และการอ้างอิงภายใน ChatGPT มีความสัมพันธ์กันเพียงเล็กน้อย — คุณต้องใช้อุปกรณ์ทั้งสองอย่างครับ
รับค่าพื้นฐานของคุณ
สามเมตริกของคุณวัดผลได้ในสัปดาห์นี้
การตรวจสอบ AI-visibility ฟรีจะกำหนดค่าพื้นฐาน Citation Frequency, Share of Voice และ Recommendation Rank ของคุณในสี่เอนจินหลัก
เขียนโดย James Huang, Founder & CEO, Mercury Technology Solutions · ตรวจสอบโดย Mercury GAIO Practice · อัปเดต สิงหาคม 2026