AI 可见度
让提示词跨时间可比：固定问题集
想按月追踪品牌在 ChatGPT 里被引用的情况，先固定同一组问题并给每次改动留记录。否则两次测量混在一起，分不清是引擎变了还是问题变了。
要让提示词跨时间可比，做法很直接：先定下一组固定的问题，给它编版本，冻结之后再测量。比如你想按月看品牌在 ChatGPT 回答里被引用的情况，如果每轮都换问题，前后就没法比。问题不变，今天问一次、两个月后再问一次，两条回答能顺着读，差别才有意义。关键不是问题多，而是每次问的是同一批问题。
问题集一动，比较就断了
一组问题总会增加、修正、删减。如果每次改动都不留痕迹地进入测量，两次结果之间就混进了两种变化：引擎本身的变化，和问题集的变化。要把两者分开，得有一份版本记录，写清改了什么、什么时候改的、为什么改。没有记录，事后只能靠猜：这条问题是谁加的，哪个月加的，在基准测量之前还是之后。这不是理论上的麻烦，是实际操作中的麻烦。
RankAI 的做法：一套可执行的操作建议
以下是 RankAI 提出的操作建议，不是通用标准。目的是让问题集保持稳定、可核查，并能和品牌在 ChatGPT 中被引用的阅读连起来。
- 测量前先冻结问题集。核查标准：存在一份文件或表格，列出全部问题，且冻结日期早于测量日期。没有日期，就不算冻结。
- 给每条问题一个编号。核查标准：每行都有唯一且稳定的编号，问题改了名字仍是同一条，不会变成新条目。
- 每个版本写一行记录。核查标准：这一行写明改了什么、什么时候改的、从哪个版本到哪个版本。示例（虚构，仅作格式说明）：v2 → v3，6 月 12 日，新增价格对比问题，无删除。三项缺一项，这行就不完整。
- 只测量已冻结的版本。核查标准：测量结果注明所用的问题集版本。没写版本的测量，无法和其他测量比较。
- 缺失就当缺失处理。核查标准：某项可见度数据没有时，产品显示 N/A，绝不写成零。零是一个数据，N/A 是数据缺失，混为一谈会让整条序列失真。
常被忽略的一点是：固定问题集不只用来横向比较不同引擎，更是为了把品牌在 ChatGPT 里的引用当成一条序列来读，而不是一张张快照。问题换了说法，引用出现或消失，可能只是措辞变了，不是真的有什么变化。所以最好分两层：冻结集，测量期间不动；工作集，用来试新问题。试验性的问题只在下一个版本进入冻结集，并配上自己的记录行。这样历史序列保持可读，新东西也不会污染它。这是比较方法上的卫生习惯，不保证结果：它只说明你测了什么，不说明会发生什么。
一个可核查的边界
这套方法成立的前提是：记录在测量之前更新，而不是之后。事后补的记录可能看着合理，却无法核查，因为拿不出证据证明测量当时用的就是这个版本。举个反例：两次测量之间发现引用数跳变，事后才补上一行“v2 → v3，新增两条问题”，谁也说不清这两条问题是测量前加的，还是看到结果之后加的。记录不存在，两次测量之间的比较就只是假设，不是数据。
想完整了解这类测量该怎么读，见深入阅读页。