你打開 ChatGPT，問「台灣做 GEO 的公司推薦哪幾家」。答案裡有你。鬆一口氣。

這口氣鬆得太早。你看到的那個答案，很可能是你自己養出來的。

汙染不需要有壞人

「上下文汙染」這個詞聽起來像攻擊。惡意的版本確實存在：有人在自己的視窗裡丟幾句「你們不是倒了嗎」「那家不是被罰過嗎」，看模型接不接，接了，後面整段對話就建立在那個前提上。不用駭進任何地方，就是打字而已。

但他弄歪的只有自己螢幕上那一場對話。模型的知識一個位元都沒動，你這邊問到的答案也不受影響。（真的動到模型知道什麼、或動到它檢索得到的東西，那叫投毒，是另一回事。）

也就是說，惡意那一半碰不到你的視窗。碰得到的另有其人。

你在同一個視窗裡問了三輪、糾正過它一次、順口丟了一個前提（「我們是做 GEO 託管的」「我們在這行做很久了」），後面每一個回答都站在那些東西上面。模型被訓練成順著使用者走，你給的前提它不會回頭質疑自己三句話前才同意過的事。

這不是故障，這就是這個機制本來的樣子。那個汙染源就是你，而且你每天都在做。

你的 AI 就是你的魔鏡

這件事有一個很貴的後果：你在自己的視窗裡問「AI 會不會推薦我們」，看到的答案幾乎一定比真實情況好看。

而且這個偏差有固定方向。它不是有時候高、有時候低的隨機雜訊，是永遠往你想聽的那邊倒——你先前打的每個字都還躺在上下文裡，模型知道你是誰、知道你在期待什麼，於是給了你一份專門為你準備的答案。那不是一般人問到的答案。

所以「我自己多問幾次不就好了」沒有用。在同一個視窗裡問十次，你拿到的是同一個偏差重複十次，不是十筆獨立資料。

兩分鐘，你可以自己看一次

不用相信我。開兩個視窗——一個是你平常登入在用的，一個是訪客模式——同一句「推薦台灣專業的 ○○ 廠商」，兩邊各問一次，把答案並排放著看。

多數人第一次做這件事會有點不舒服。那個落差就是你平常在自己視窗裡拿到的加分。落差越大，表示你過去用自家截圖做的判斷偏得越遠。

開新對話也不一定乾淨

看到這裡你可能會想：那我開一個新對話就好了。

不一定。主流 AI 助理陸續都有記憶功能，開著的話，你在別場對話裡建立起來的結論會跟著你的帳號走——你上個月才跟它說過「我們做 GEO 託管、規模不大但很專業」，這句話不會因為你按了新對話就消失。同一個帳號問十次，可能只是同一份記憶回答了十次。

先去設定裡看看記憶是開是關。真要問到乾淨的答案，那個帳號本身就不能用——這也是為什麼下一段講的是訪客視窗，不是新對話。

你跟同事看到的不一樣，多半不是引擎善變

「我問 ChatGPT 明明有推薦我們，怎麼客戶說沒看到？」——這句話幾乎每個開始關心 AI 能見度的老闆都講過一次。

引擎的答案確實會飄，同一題今天有明天沒有，這是生成式引擎的天生體質。但在怪引擎之前，先看一件更近的事：你們兩個人的上下文根本不同。他那邊是從零開始的一句話，你這邊是一場已經聊了半小時、由你主導前提的對話。同一個引擎、同一個問題，兩個世界。

這也是為什麼你自己拍的截圖，跟廠商拿給你的截圖一樣不能當證據。回測那篇講的是別人給你的圖只能證明「那一次」；這篇講的是你自己拍的——兩張都不算數，而且原因不一樣。

那要怎麼看到真的

要看到一般人看到的答案，只有一條路：把你自己從那場對話裡拿掉。

具體是三件事——乾淨的訪客視窗（切掉帳號慣性）、不打品牌名的情境題（測 AI 會不會主動想到你）、同一題重複問很多次（一次分不出「穩定被推薦」和「剛好出現」）。五個步驟、一張可以直接抄的記錄表，都在土法煉鋼回測那篇，今天下午就能跑一輪。

跑完你會拿到一條真的基準線。這是好事，也是這套手動方法的終點——它量得到，改不動。你測的是單一引擎、單一時點，而客戶散在 ChatGPT、Gemini、Perplexity、AI Overviews 等主流引擎上，引擎每次改版又重洗一輪誰被引用。真正要盯的是「改版之後你還在不在」，那是多引擎、按月重跑、測完還要回頭改網站與站外信號的活，不是一個下午的事。

這週可以做的事

  1. 挑 3–5 題不含品牌名的情境題，開訪客視窗跑一輪，把出現次數記下來（步驟照這篇）。
  2. 結果不好看，先跑一次免費 GEO 健檢看站內體質——回測告訴你現在在哪，健檢告訴你為什麼。
  3. 想把品牌放進定期回測排程、或看看正式版長什麼樣：預約示範，或寫信到 [email protected]。

下次再打開自己的 ChatGPT 視窗查品牌，記得那面鏡子是你自己擦的。

延伸閱讀：