CUBE卡提及率下滑 國泰掉出AI推薦榜

AI推薦觀測 第3輪 2026-08-11

ChatGPT Perplexity Gemini |歷史觀測共3輪

歷史觀測:2026-08-052026-08-08

為了解AI如何向使用者推薦品牌,本輪報告模擬不同使用者、透過真實瀏覽器環境,向三大AI平台提出相同問題:

請推薦現金回饋信用卡

我們記錄各平台的完整回答,以及各品牌在不同平台中的曝光與推薦情形。

4
AI共識品牌數
出現≥2個AI
0%
全平台一致率
所有AI同時推薦
39%
前三名共識占比
相對共識集中度
+2
本輪新進榜
vs上輪觀測
📋 本輪觀測摘要

玉山UniCard共識分數60,從上期23分直接坐上第一,把原本的榜首永豐大戶卡(60→53)擠到第二,滙豐匯鑽卡也加33分來到50。

而在Gemini這邊,推薦的六張卡與另外兩台完全不重疊,滙豐現金回饋御璽卡唯一一次出現就拿下第一。

同一個問題,三家名單幾乎各走各的。

💡 本輪發現
›玉山UniCard與台新Richart同樣被兩個平台推薦,卻差13分,差距全來自名次:Richart在兩台都是第4名,不是某一台特別冷落它。
›永豐大戶卡雖然排第二,但Perplexity只是把名字列出來、沒說它適合誰,真正點名推薦它的只有ChatGPT。
›Gemini的六張卡跟另外兩台一張都沒撞到,它自己一套邏輯,品牌要進榜等於得分頭經營。
›滙豐匯鑽卡兩台都只停在「有說它適合誰」,沒被直接點名,Perplexity還加註了收入門檻這個條件。
SIGO觀測 2026年8月・第3輪
ChatGPT、Perplexity、Gemini
信用卡(現金回饋)推薦
👑
玉山UniCard
AI共識冠軍
🥈 共識第2名:永豐大戶卡
🥉 共識第3名:滙豐匯鑽卡
本輪觀測中,玉山UniCard以最高分拿下共識榜首。
至少2個AI平台皆提及才會出現本卡片
台灣AI市場觀測機構 記錄AI如何推薦品牌
SIGO觀測 sigotw.com
🏆 AI共識排行榜 共12個品牌

本輪前3名合計拿下全部共識分數的39%,其中第1名玉山UniCard以7分的差距領先第2名。

分數越高,代表這個品牌不只被AI提到,而且更常出現在推薦名單的前段。

分數差距越大,代表AI對推薦品牌的共識越明顯。

分數代表「AI有多常把這個品牌排在前面」。

每次回答中名次愈前面分數愈高(第1名10分,遞減至第10名1分,10名以後不計分),全部加總後換算成百分制。

詳細說明→

手機請左右滑動查看表格→

排名品牌共識分數與上期出現次數出現平台平均排名
1玉山UniCard
也曾出現為:玉山Unicard
60
+37(23→60)2/3(67%)GPTPplx 2/3#2.0
2永豐大戶卡
也曾出現為:永豐DAWHO、永豐DAWHO大戶現金回饋卡
53
-7(60→53)2/3(67%)GPTPplx 2/3#3.0
3滙豐匯鑽卡
50
+33(17→50)2/3(67%)GPTPplx 2/3#3.5
4台新 Richart 卡
也曾出現為:台新Richart卡
47
-3(50→47)2/3(67%)GPTGem 2/3#4.0
5HSBC Live+ 現金回饋卡
也曾出現為:滙豐Live+現金回饋卡
33
-17(50→33)1/3(33%)Pplx 1/3#1.0
6滙豐現金回饋御璽卡
33
-34(67→33)1/3(33%)Gem 1/3#1.0
7星展eco永續卡
30
+17(13→30)1/3(33%)Gem 1/3#2.0
8星展炫晶御璽卡
27
新進榜1/3(33%)GPT 1/3#3.0
9玉山U Bear卡
27
+4(23→27)1/3(33%)Gem 1/3#3.0
10國泰世華CUBE卡
也曾出現為:國泰Cube卡
20
-7(27→20)1/3(33%)Pplx 1/3#5.0
11台北富邦J卡
20
持平1/3(33%)Gem 1/3#5.0
12玉山熊本熊卡
17
新進榜1/3(33%)Gem 1/3#6.0

本次排行反映AI當下的推薦結果,想了解品牌在整個月的推薦穩定度、平台差異與排名變化,可進一步參閱SIGO信用卡(現金回饋)指數報告。

📊 各AI推薦差異 前12名

玉山UniCard與台新 Richart 卡同樣被2個平台推薦,共識分卻差13分(60比47)。

兩者廣度相同,分數差距完全來自名次。

台新 Richart 卡在每個平台都是第4名,沒有哪一個平台特別差,落後是全面性的,而不是某一個平台的問題。

相對地,玉山UniCard平均排名2.0、台新 Richart 卡平均排名4.0。

本輪12個上榜品牌中,有8個只有單一平台推薦。

表中數字是該品牌在該平台被排到的名次,✓代表有被提到但沒有進入推薦順序。

品牌ChatGPTPerplexityGemini覆蓋
玉山UniCard#1#3✗2/3
永豐大戶卡#2#4✗2/3
滙豐匯鑽卡#5#2✗2/3
台新 Richart 卡#4✗#42/3
HSBC Live+ 現金回饋卡✗#1✗1/3
滙豐現金回饋御璽卡✗✗#11/3
星展eco永續卡✗✗#21/3
星展炫晶御璽卡#3✗✗1/3
玉山U Bear卡✗✗#31/3
國泰世華CUBE卡✗#5✗1/3
台北富邦J卡✗✗#51/3
玉山熊本熊卡✗✗#61/3
#1 該平台把品牌排在第幾名(前三名深色)✓ 回答有提到,但沒有進入推薦順序✗ 該平台完全沒有提到
🎯 AI只是提到,還是有推薦? 同一則回答裡的三種待遇

本次12個上榜品牌中,3個被AI直接點名推薦,9個是「符合某個條件才推薦」,0個只是名字有出現。

被AI提到,不代表被AI推薦。

被寫進「最推薦的就這幾個」、被說「有這種需求可以選它」、還是只把名字列在表格裡,是三種差很多的待遇——但在名次上看起來都只是「有出現」。

各平台整理推薦名單的方式:ChatGPT用「依使用情境與人群分類」、Perplexity用「依使用情境分類」、Gemini用「依消費情境分類」。

直接推薦AI 講到最後直接點名的,像是「最推薦的就這幾個」「真的要選就選它」
看情況推薦AI 有說它適合誰,像是「有這種需求可以選它」,但最後沒有特別點名
只是提到名字有出現在清單或表格裡,但 AI 沒說它適合誰,最後也沒有點名

手機請左右滑動查看表格→

品牌最好的待遇GPTPplxGemAI說它適合誰
玉山UniCard直接推薦直接推薦看情況推薦✗回饋最大化(GPT) 喜歡切換通路者(Pplx)
永豐大戶卡直接推薦直接推薦只是提到✗懶人無腦刷(GPT)
滙豐匯鑽卡看情況推薦看情況推薦看情況推薦✗願意研究指定通路(GPT) 收入門檻較高者(Pplx)
台新 Richart 卡看情況推薦看情況推薦✗看情況推薦常用LINE Pay(GPT) 網購行動支付族(Gem)
HSBC Live+ 現金回饋卡看情況推薦✗看情況推薦✗日常外出頻繁者(Pplx)
滙豐現金回饋御璽卡看情況推薦✗✗看情況推薦無腦刷首選(Gem)
星展eco永續卡看情況推薦✗✗看情況推薦無腦刷首選(Gem)
星展炫晶御璽卡直接推薦直接推薦✗✗單純穩定(GPT)
玉山U Bear卡看情況推薦✗✗看情況推薦網購行動支付族(Gem)
國泰世華CUBE卡看情況推薦✗看情況推薦✗偏好特定通路者(Pplx)
台北富邦J卡看情況推薦✗✗看情況推薦海外旅遊日韓愛好者(Gem)
玉山熊本熊卡看情況推薦✗✗看情況推薦海外旅遊日韓愛好者(Gem)
📈 本輪變化 與上輪觀測比較

本輪有2個品牌新進榜、4個掉出前15名。

進出榜是排行版圖移動最直接的訊號,比名次上下幾名更值得先看。

🆕 首次進榜(前15名)
星展炫晶御璽卡
玉山熊本熊卡
📉 掉出前15名
兆豐悠遊聯名卡
永豐SPORT卡
玉山 Pi 拍錢包卡
袋鼠金融
▲ 共識度上升最多
玉山UniCard +37分(23→60)
滙豐匯鑽卡 +33分(17→50)
星展eco永續卡 +17分(13→30)
▼ 共識度下降最多
滙豐現金回饋御璽卡 -34分(67→33)
HSBC Live+ 現金回饋卡 -17分(50→33)
永豐大戶卡 -7分(60→53)
✨ 新出現的回答重點
網購與行動支付回饋無腦刷卡推薦海外消費回饋多卡搭配策略各卡回饋通路差異
品牌排名正在變動?

單輪觀測難以判斷是短期波動,還是長期趨勢。SIGO指數透過整月多輪觀測,追蹤名次波動與逐輪變化,掌握AI推薦版圖的長期走向。

🔍 AI回答重點 AI最在意的評估面向
現金回饋信用卡比較2網購與行動支付回饋2無腦刷卡推薦1海外消費回饋1多卡搭配策略1各卡回饋通路差異1年費與首刷優惠考量1信用卡選卡條件1個人化消費情境推薦1現金回饋信用卡分類推薦1

顏色越深代表出現頻率越高

🏷️ 品牌定位印象 AI如何描述各品牌
玉山UniCard
被描述為通路廣、方案可切換,回應中歸類為回饋最大化的選擇
永豐大戶卡
被描述為一般消費無上限,回應中歸類為日常無腦刷
滙豐匯鑽卡
被描述為多通路高回饋、對行動支付友善,同時被提到收入門檻較高
台新 Richart 卡
被描述為依指定通路選方案,回應中歸類為LINE Pay與網購族
HSBC Live+ 現金回饋卡
被描述為國內消費高回饋,回應中歸類為日常外出頻繁者
滙豐現金回饋御璽卡
被描述為回饋無上限、自動折抵帳單,回應中歸類為無腦刷首選
星展eco永續卡
被描述為海外實體消費國家廣泛,回應中歸類為無腦刷首選
星展炫晶御璽卡
被描述為不必研究活動的單純穩定型
玉山U Bear卡
回應中歸類為網購與行動支付族群適用
國泰世華CUBE卡
被描述為餐飲、網購等特定通路針對性回饋
📸 AI實際回答畫面 AI回答首屏截圖
ChatGPT
請推薦現金回饋信用卡
請推薦現金回饋信用卡
Perplexity
請推薦現金回饋信用卡
請推薦現金回饋信用卡
Gemini
請推薦現金回饋信用卡
請推薦現金回饋信用卡
📄 AI完整回答 點擊展開各題原始回答

AI回答完整保留,僅做排版以利閱讀,全部未經增刪修改;商品卡片、地圖等互動元件僅轉錄其文字資訊,原始樣貌可參照截圖。

ChatGPT
請推薦現金回饋信用卡

如果你是指台灣的現金回饋信用卡,以目前 2026 年 8 月的權益來看,我會先這樣選:

  • 玉山 Unicard:推薦給網購、行動支付很多的人,主要特色是百大指定通路最高 4.5%;目前新戶活動最高 20%
  • 永豐 DAWHO:推薦給想要日常「無腦刷」的人,主要特色是國內一般消費 1%、國外 2% 無上限,符合條件可再加碼
  • 星展炫晶御璽卡:推薦給不想研究活動、單純要現金回饋的人,主要特色是國內 1.2%、海外 2.52%
  • 台新 Richart 卡:推薦給常用 LINE Pay、網購、旅遊的人,主要特色是依指定通路選擇方案,LINE Pay 目前可到 3.8%
  • 滙豐匯鑽卡:推薦給願意研究指定通路的人,主要特色是指定消費可拿高回饋,最高曾達 6%

🥇 如果只辦一張,我會優先考慮

1. 玉山 Unicard:回饋最大化

目前 2026/7/1~9/30 新戶首次申辦,綁定玉山 Wallet,最高可到 20%,但其中包含新戶限時加碼,而且每月加碼回饋有上限;平常百大指定消費最高 4.5%。玉山銀行+1

適合:momo、蝦皮、LINE Pay、街口、全支付、家樂福、百貨、Uber Eats、旅遊等消費比較多的人。

2. 永豐 DAWHO:最適合懶人

目前下半年權益是國內一般消費 1%、國外 2%,而且基本回饋無上限;如果符合大戶/大戶Plus 等級及指定任務,可以再享加碼。新光銀行+1

適合:不想每個月研究一堆通路和優惠券的人。

3. 星展炫晶御璽卡:單純、穩定

星展目前官方資料顯示,國內消費 1.2%、海外消費 2.52% 現金回饋。DBS Bank

如果你的需求就是「刷卡 → 回饋」,不想搞太多任務,這張很值得考慮。

💡 我會怎麼搭配?

如果你每月刷 2~5 萬元,可以考慮:

  • 🛒 網購/行動支付 → 玉山 Unicard
  • 🍽️ 一般日常消費 → 永豐 DAWHO
  • ✈️ 海外實體消費 → 星展炫晶御璽卡
  • 📱 LINE Pay → 台新 Richart 卡,目前指定活動可達 3.8%。台新銀行旅遊購物卡

這通常會比「只找一張最高回饋卡」更划算。

如果你告訴我 每月大約刷多少錢+主要消費(網購/超商/餐廳/加油/繳費/海外/LINE Pay)+是否願意辦數位帳戶,我可以直接幫你挑 最適合你的 3 張卡,算出一年大約可以拿多少回饋。

Perplexity
請推薦現金回饋信用卡

以下是本地常見的現金回饋信用卡選擇方向與幾張熱門卡的概覽,供你快速比較:

  • 滙豐 Live+ 現金回饋卡:國內消費高回饋,海外與百貨回饋也不錯,適合日常與外出頻繁的使用者。
  • 滙豐匯鑽卡:多通路高回饋,且對行動支付友善,但通常有較高的收入門檻。
  • 玉山 UniCard:通路廣泛、方案彈性高,適合喜歡切換回饋通路的人。
  • 永豐 DAWHO 大戶現金回饋卡:無上限一般消費回饋,搭配任務與等級再加碼,海外回饋也具競爭力。
  • 國泰 Cube 卡:對特定通路(如餐飲、網購等)有針對性回饋,適合偏好特定場景的用戶。

選卡要點

  • 看回饋上限與條件:有些高回饋需要達成任務或一定月刷卡額。
  • 比較用途別回饋:日常消費、餐飲、超市、加油、網購等不同通路的回饋差異較大。
  • 考慮年費與首刷禮:部分卡有年費,但新戶或首刷優惠能抵銷成本。

如果你告訴我你的年齡、月消費總額、常用通路(如外食、超市、加油、網購、海外旅行等)與是否需要無年費,我可以根據你的情況給出更具體的推薦。

Gemini
請推薦現金回饋信用卡

挑選現金回饋信用卡時,最重要是了解自己的消費習慣(例如:喜歡不限通路、不用動腦的「無腦刷」,還是常在特定網購、行動支付、海外旅遊消費)。以下為您推薦幾張熱門的現金回饋信用卡,並依消費情境進行分類比較:

一、 無腦刷首選(不限通路、免切換權益、無腦拿回饋)

適合不想記複雜規則、不想手動切換方案,希望國內外隨便刷都有基本好回饋的人。

  • 滙豐現金回饋御璽卡:回饋重點為國內 1.22%、海外 2.22%(無上限)。特色與優勢:回饋率相對穩定且完全無上限;現金回饋會自動折抵次期帳單,省去手動兌換的麻煩。
  • 星展 eco 永續卡:回饋重點為國內外一般消費 1% 無上限、指定海外最高 5%。特色與優勢:海外實體消費國家廣泛(包含日、韓、泰、新、美、歐等);長期配合保費、日常消費也能輕鬆累積現金積點。

二、 網購族與行動支付首選(高回饋、有上限)

適合經常使用 LINE Pay、街口支付、網購平台(如 momo、蝦皮、酷澎等)的族群。

  • 玉山 U Bear 卡:回饋重點為網購與指定行動支付最高 3%(新戶常有加碼活動)。特色與優勢:涵蓋主流網購平台、手機APP綁定支付(如 LINE Pay、街口等);回饋直接折抵帳單,相當直覺實用。
  • 台新 Richart 卡 (@GoGo/FlyGo系列):回饋重點為指定行動支付/網購最高 3.3% ~ 3.8%。特色與優勢:需於 App 簡單切換權益或達成指定任務(如數位帳戶自動扣繳);針對常跑特定數位通路的人,回饋趴數相當漂亮。

三、 海外旅遊/日韓愛好者

  • 台北富邦 J 卡:回饋重點為日韓泰旅遊最高 6% 回饋。特色與優勢:針對日本、韓國、泰國實體消費提供極高回饋;日本指定交通卡(如 Suica 西瓜卡等)儲值也有加碼,是赴日旅遊神卡之一。
  • 玉山 熊本熊卡:回饋重點為日本地區消費最高享 8.5% 優惠。特色與優勢:針對日本知名連鎖店家(Bic Camera、大國藥妝等)提供專屬折扣與加碼。

為了提供最精準的卡片推薦,想先請問您兩個小問題:

  1. 您平時主要的消費管道是什麼?(例如:網購居多、常叫外送、全聯/超商實體消費,還是經常出國旅遊?)
  2. 您每月的平均刷卡金額大約落在哪個區間?
想看整個品類的長期推薦格局?

單輪觀測看當下,完整月報看整體趨勢。

📊 全品牌穩定度總表:看哪些品牌穩定被推薦,哪些只是偶爾出現
🔀 三大AI平台拆解:找出不同AI的推薦差異與品牌缺席
🔗 AI引用來源分析:了解AI推薦背後引用了哪些內容與網站

查看觀測整個月的SIGO信用卡(現金回饋)指數→

🔬 我們如何進行本輪觀測

本報告運用SIGO自主研發的AI觀測技術,以真實瀏覽器環境進行觀測,而非僅透過API擷取模型回覆,盡可能貼近一般使用者的實際使用情境,更真實地呈現品牌在AI中的曝光與推薦表現。

觀測過程會模擬不同使用情境,向各AI平台提出相同問題,完整記錄回答內容、引用來源、品牌提及情形與推薦理由,再進行交叉分析與整理。

由於AI的回答可能受到模型版本、個人化設定、登入狀態、地區、時間及系統更新等因素影響,因此本報告反映的是觀測期間的實際結果,而非永久固定的答案。

AI正在推薦什麼品牌?

SIGO每週把最新的AI推薦觀測整理給你。
新出現的品牌、推薦排名的變化、AI正在看重什麼?

追蹤SIGO觀測

SIGO觀測是一個獨立的AI推薦觀測機構,持續記錄ChatGPT、Gemini、Perplexity等AI平台在回答消費者提問時,實際提及與推薦了哪些品牌。

我們觀測的對象是整個產業與品類內的所有品牌,而不是單一品牌自己的表現,就像媒體記錄市場動態,而不是幫特定公司做自我檢測。

多數AI能見度工具是品牌方拿來查看自己在AI中的曝光狀況,SIGO觀測的角色不同:我們持續掃描每個品類中所有主要品牌被AI提及的情況,建立跨品牌、跨期的完整觀測紀錄。

SIGO觀測採用大量真實瀏覽器環境搭配台灣本地網路進行觀測,以固定方法與固定週期產出品類指數與觀測報告,讓任何人都能看見整個產業的AI推薦格局,而不只是單一品牌的片面數據。

因為真實環境、真實瀏覽器,就等於是真實網友實際問AI看到的答案和畫面,而不是一般串API跑出來的答案。

國內外多數AI能見度工具是透過API直接呼叫模型取得回答,但API回傳的內容與消費者在ChatGPT、Gemini、Perplexity等介面上實際看到的畫面並不相同,且會因為API使用的模型不同,差距更大。

真實介面中的購物卡片、引用來源、在地化價格與品牌排序,往往是API呼叫無法完整重現的層面,API觀測與真實環境觀測,測量的其實是兩種不同的對象。

SIGO觀測選擇採用大量不同用戶的真實瀏覽器環境進行觀測,搭配台灣本地網路環境執行查詢,記錄的是台灣消費者打開AI對話視窗時,實際會看到的推薦內容。

這個選擇讓觀測結果更貼近消費者的真實體驗,也是SIGO觀測與多數API觀測工具在方法論上的根本差異。

一般AI能見度檢測工具的邏輯是查詢自己的品牌,測量的原點永遠是你自己。如果品牌已經進入AI的回答,工具看到的是你的表現;如果尚未進入,看到的其實是別人的位置。

SIGO觀測從一開始就以第三方角度觀測整個產業,如實呈現業界現況,已經進入答案時參考價值更高,尚未進入時則能掌握業界趨勢。

除了以品牌為主角的觀測報告,SIGO觀測還提供跨產業視角的內容:趨勢洞察報告鎖定多個議題,記錄各產業話題的變化方向;SIGO指數報告則把品類內的觀測數字彙整成單一指數,呈現整體AI推薦環境的走勢。

這些內容幫助你掌握的不只是單一品牌的位置,而是整個商業環境的脈動。

可以。只要品牌所屬的品類在SIGO觀測範圍內,你的品牌就會持續被收錄,累積出現次數、涵蓋品類與最新一次收錄紀錄。如果你的行業或產品品類尚未涵蓋,也歡迎告訴我們,這是SIGO觀測擴充品類時重要的參考依據。

每個有進入觀測範圍的品牌都有專屬的品牌頁面,在AI答案中的表現若通過一定的門檻,我們會生成專屬的品牌檔案,彙整上月全月觀測數據,把該品牌在各品類中的AI推薦排行整理成單一頁面:涵蓋品類數與觀測次數、各品類的名次與AI推薦分數、名次波動與競爭品牌脈絡、AI在回答中如何描述這個品牌、以及所有提到這個品牌的相關報告列表,都會完整呈現。

需要提醒的是,SIGO觀測不是為單一品牌量身打造的檢測服務,我們記錄的是整個品類內所有品牌的表現,你的品牌只是其中之一。這個角度反而更有價值:你看到的不只是自己有沒有被AI提及,而是在同一個品類中,哪些品牌被提得多、哪些正在流失能見度,這些對照才是判斷自己實際處境的關鍵依據。

SIGO觀測的內容分成兩層。基礎層是持續產出的觀測報告,包含記錄各產業品牌實際被AI推薦情況的AI推薦觀測報告、觀察各產業話題與變化的AI趨勢洞察、以及彙整單一品牌在AI推薦中出現紀錄的品牌檔案,這三類報告構成SIGO觀測資料庫的核心。

在基礎層之上,SIGO各品類指數彙整上個月該品類的所有觀測,呈現推薦集中度與穩定度的變化;針對區域性比較強的品類例如台北補習班,則有區域性AI推薦榜來觀察在地品牌推薦情況,不計入總指數。

每期各品類指數再彙整為SIGO總指數,呈現整體AI推薦環境的變化方向,讓單一觀測數據最終串接成可長期追蹤的產業指標。

AI推薦觀測報告
記錄AI在各產業、各品類實際推薦了哪些品牌
AI趨勢洞察
觀察AI回答中的產業話題與市場變化
品牌檔案
累積單一品牌在不同品類、不同時期的AI出現紀錄
↓
SIGO各品類指數
將一段期間內的品類觀測累積為指數,觀察品牌推薦集中度與穩定度的變化
↓
區域性AI推薦榜
觀察特定地區的AI品牌推薦情況及其跨期變化
不匯入總指數
SIGO總指數
彙整各品類指數,觀察整體AI市場推薦環境的變化方向

我們的觀測題目都是以推薦意圖為核心的固定提問。因為「推薦」是消費決策前最高頻的查詢組合之一,也是品牌方最重視的關鍵字,可以視為品牌在AI市場中的「聖杯」:能夠穩定進入推薦名單,代表品牌已經具備一定程度的市場認知與AI推薦優勢。

此外,跨期比較要求題目恆定,題目一旦變動,數值的升降就無法區分是AI推薦傾向改變,還是提問方式改變。

平台選擇的依據是台灣使用者的實際接觸範圍,而非模型本身的技術評價。

SIGO記錄的是消費者可能真實接收到的推薦內容,因此納入標準是普及程度,不是能力排名。

ChatGPT在台灣的一般使用者滲透率最高,是多數人第一個接觸的AI對話工具。

Gemini依託Google既有的服務入口,在搜尋與行動裝置端擁有廣泛的自然觸及。

Perplexity則是兩大巨頭之外知名度最高的獨立平台,在資料查找與報告寫作場景中有明確的使用族群,而因其預設會先搜尋再回答,所以是GEO操作的重要參考平台。

其他平台目前不納入,原因各異。

Grok的主要入口X.com在台灣屬於相對小眾的社群平台,一般消費者接觸機會有限。

Claude在技術與網路社群中知名度高,但在一般消費族群中的普及程度尚未達到同等水準。這些判斷會隨市場變化重新評估,平台名單並非永久固定。

觀測平台的增減將視使用者接觸範圍的實際變化調整,任何調整都會在方法學說明中記錄變更時點,並在指數計算上維持前後期的可比處理。

五種內容對應五種不同的觀測單位:單次、跨期、地區、品牌、產業。理解差別最快的方式,是看它們各自回答什麼問題。

觀測報告:某一次觀測看到了什麼

以品類為單位,每次觀測完成即發布,記錄該次三個平台各自給出的品牌名單與排序。觀測序號累計不重置,是可回溯的原始記錄。

SIGO指數:跨期彙整和分析,展示這個產品類別的推薦格局如何變動

以品類為單位,將整月多次觀測結果彙整為單一數值,並以基期正規化。指數頁提供跨期比較、排名變動、平台間分歧來源等解讀,回答的是趨勢問題而非單次問題。

SIGO指數詳細說明

地區排行榜:同一服務在不同城市的推薦差異

適用於推薦結果會因地區而異的服務型品類,採城市層級分眾。排行榜為獨立產品,不納入SIGO總指數計算,避免地區樣本影響跨品類可比性。

品牌檔案:單一品牌在各品類的表現軌跡

以品牌為單位橫向彙整,呈現該品牌的歷史表現、被提及的品類分布、以及推薦來源結構。品牌檔案是查詢入口,觀測報告與指數則是它的資料來源。

被AI提及過的品牌不會自動建立檔案,需通過穩定度門檻,避免名單灌水而失去參考價值。

趨勢洞察:AI如何回答這個產業的消費疑問

以產業為單位,提出五題開放式問題,涵蓋風格趨勢、預算配置、選購考量等消費者實際會問的內容,記錄三個平台的完整回答並交叉分析。

洞察觀察的是論述內容而非品牌名次,因此不產生分數,也不進入指數計算。它回答的是AI對整個產業的認知框架正在如何移動。

五者的關係

觀測報告與趨勢洞察是兩條並行的原始層,前者問品牌,後者問議題。指數與品牌檔案都由觀測報告彙整而來,方向不同:指數往時間軸縱向累積,品牌檔案往品牌橫向收攏。地區排行榜自成一套,與總指數各自獨立。

不會,這也不是SIGO觀測要做的事。SIGO觀測的角色是記錄與呈現AI實際推薦了哪些品牌,而不是介入或改變AI的推薦結果,這個角色分際是SIGO觀測公信力的基礎。

不過,看得懂數據本身就有價值。

透過品牌檔案與品類指數,你可以清楚看到自己在哪些平台、哪些品類中被提及,AI又是用什麼方式描述你的品牌,這些觀測結果能幫助你判斷目前所處的位置,以及該採取的行動。

每份報告裡的共識分數、出現率、穩定度、SIGO指數,量的是不同層面的東西:

共識分數看AI多常把品牌排在前面。

出現率看AI提不提到這個品牌。

穩定度看提到的時候名次可不可靠、穩不穩定。

SIGO指數則是跨期統計和分析,方便掌握市場真正的變化。

共識分數 = 結果
出現率、覆蓋平台、平均排名 = 組成這個結果的細節
名次區間、穩定度 = 這個結果到底穩不穩

這幾個指標搭配著看,才能判斷一個品牌是穩定站上前段班,還是少數幾次剛好衝到前面。

完整說明與計算邏輯,可以參考SIGO觀測數據與排名說明大全。

最常見的誤會,是只憑感覺比較兩個品牌的曝光狀況,結果被公式的乘法效果搞混了。

共識分數其實可以拆解成:

共識分數(%)=出現率(%)×(平均每次出現拿到的積分÷10)

這代表出現率其實是分數的天花板:不管一個品牌每次出現時排名多好,只要出現率不夠高,分數就是衝不上去——因為公式把「沒出現的那幾次」算成0分,一起攤進分母裡。

舉個例子,同樣觀測10次:

品牌C:出現9次(出現率90%),但每次都排第9名(2分)→ 積分9×2=18分 → 共識分數18分。

品牌D:只出現4次(出現率40%),但每次都排第1名(10分)→ 積分4×10=40分 → 共識分數40分。

品牌D出現的次數比品牌C少一半以上,共識分數卻是品牌C的兩倍多。乍看「品牌C幾乎每次都出現,應該比較強」,但因為排名一直在後段,分數反而被拉低;品牌D雖然常常缺席,但只要出現就是第一名,含金量高,分數就上得去。

所以看到兩個品牌「感覺條件差不多」但分數差很多的時候,先分別去看它們的出現率和平均排名這兩個數字,答案通常就藏在這兩個數字的落差裡,不是共識分數算錯了。