如何为 AI 搜索做买家问句调研：ChatGPT、Perplexity、Google AI Mode
AI 搜索的问句调研方法：四条发现渠道、六个步骤，以及把 191 条候选裁到 39 条探测问句的裁剪规则。
快速结论
Canlah AI 做问句调研的方式是：先找出买家真正拿去问 AI 助手的问题，再按六个写下来的步骤裁剪、分层、探测，然后才锁定任何追踪题库。2026 年 9 月 7 日为 canlah.ai 做的那一轮，把 191 条候选裁到 39 条探测问句：三条书面规则剔除 34 条，隔离 4 条，探测在新加坡市场返回 117 条 OpenAI 响应、119 条 Gemini 响应和 70 次渲染版 Google AI Overviews 运行。每条存活问句都标着漏斗层级、语言和品牌状态，因为在那一轮里，canlah.ai 在带品牌答案中的提及率是 100.0%，在不带品牌答案中只有 4.0%。
Canlah AI 把问句调研放在托管服务的第一阶段，交付时把裁剪日志和问句池一起给客户，客户能看到哪条候选被删、按的是哪条规则。同样的六个步骤，用 Google 自动补全、一份相关搜索导出表和一个下午，手工也能跑完。
第一版问句池只能当作方向性参考，是草稿而不是题库；裁剪规则写下来之后再冻结它。一个不断变动的池子撑不起前后对比。
披露：本文由 Canlah AI 发布，文中描述的问句调研服务也由 Canlah AI 运营。Profound、Semrush、Ahrefs Brand Radar、AthenaHQ、HubSpot、Otterly.ai、Adobe 和 Google Search Console 的信息取自各家公开页面，查阅日期为 2026 年 9 月 23 日，未通过付费账号实测。文中 Canlah AI 的数字来自 2026 年 9 月 7 日对 canlah.ai 的一次自审。
问句调研到底在测什么？
问句调研对每条候选问句测六个属性，而一条候选完全可能过了其中一项、却折在另一项上。问句不是在关键词后面加个问号：引擎是用散文回答、给出一份候选清单、附上引用信源，而不是返回十条链接。
- 漏斗层级：这个问题问的是品类是什么、谁做得好、哪个细分方向合适、两个选项怎么比，还是某个具名品牌是否可信。
- 品牌状态：问题里有没有出现公司名。带品牌的问题测的是记忆度，不带品牌的问题测的是推荐度，所以把两者平均会得到一个没有任何买家真正经历过的数字。
- 措辞：买家用的原话。引擎回答「现在新加坡最好的 AI 搜索优化代理商有哪些」，和回答「ai search optimization agency」，是两种答案。
- 语言与市场：用什么语言问、答案面向哪个国家。同一个品类，换个市场就是另一份候选清单。
- 引擎适配：ChatGPT、Perplexity、Gemini、Google AI Overviews 和 Google AI Mode，以及 DeepSeek、通义千问和豆包，是否会用推荐而不是定义来回答它。
- 相关性：这条候选究竟属不属于这门生意。这条规则会砍掉收集来的大部分体量。
关键词调研，按月搜索量给人在搜索框里敲下的词排序。问句调研，按问题离购买决策有多近，给人拿去问模型的问题排序。
问句从哪里来：四条发现渠道
问句调研有四条发现渠道，其中三条贡献了 Canlah AI 在 2026 年 9 月 7 日自审中的全部 191 条候选：长尾搜索收集 152 条、分层问题合成 27 条、Google 里记录到的真实买家问句 12 条。按来源看，171 条是真实搜索串，14 条是合成的，6 条来自模板。
渠道一：搜索自动补全与相关搜索。以品类词、服务词和品牌名做种子，收集全部补全词和相关搜索。这是最便宜的渠道，也是噪音最大的。
渠道二：销售、客服与社群对话记录。读最近 50 条进线咨询，把买家原话里的问题抄出来。这条渠道没有体量数据，但措辞最好——没人会用关键词句法写销售邮件。
渠道三：分层问题合成。按一根固定的漏斗骨架逐层生成问题，让问句池覆盖品类、推荐、细分、对比和验证五层，而不是全堆在一层。最终探测的 39 条问句里，有 27 条出自这条渠道。
渠道四：厂商的 prompt 体量数据集。Profound Prompt Volumes 描述的是从 ChatGPT、Gemini、Claude 和 Perplexity 的对话中提取的关键词体量、话题趋势和意图信号；Semrush Prompt Research 则自称是「面向 AI 的关键词调研」，提供话题级体量、难度和用户意图。两者都是样本组估算；2026 年 9 月 23 日查阅时，两个页面上都未见把一次样本组对话折算成一次查询计数的方法。
问句调研怎么做：分步流程
问句调研分六步：写业务画像、宽口径收集、按书面规则裁剪、把存活问句路由进漏斗层级、隔离未核实的名称、冻结问句池后再探测。每一步都是做一次的决定，之后至少一个季度内原样重复。
第 1 步：下第一颗种子之前，先写业务画像
用一段话写清主营品类、买家实际使用的品类叫法、目标市场和买家类型。Canlah AI 的画像写了一个主营品类、四个标准品类名和两个目标市场，后面每一条裁剪规则都要回头引用它。没有画像就播种子的池子没法裁剪，因为没有任何东西定义了「跑题」。
第 2 步：宽口径收集，但种子要站得住
拿品类词、两三个服务同义词和品牌名做种子，对每个种子收集自动补全和相关搜索。要做好品牌种子产出最差的准备：以「canlah」做种子，返回的是「candelabra」、「candela」和「candelaria quezon」，八条品牌种子补全词全部被剔除。
第 3 步：用三条写下来的规则裁剪
在分层路由之前，先跑市场、品牌漂移和外部地域锚定三条规则，并记录每条候选是被哪条规则删掉的。这三条规则从 191 条候选中剔除了 34 条，明细见下方的裁剪表。
第 4 步：把每条存活问句路由进漏斗层级
给每条剩下的问题分配一个层级，五层各有固定配额，这样池子就不会堆在漏斗顶部。本次自审给各层设的上限是：品类 4 条、推荐 8 条、细分 8 条、对比 6 条、验证 4 条，共 30 个名额，27 条分层问句填进了这些名额，空出 3 个。空着的名额要记成缺口，而不是拿一条更弱的问题去填。
第 5 步：凡是点名未核实竞品的问句一律隔离
只要问题里点了一家你还没确认在该市场真实存在的公司，就先扣下。这条规则隔离了 4 条问句，并在问句成型之前拦下了 12 个同行名称。
第 6 步：冻结问句池，每题至少探测三次
把措辞、层级标签和语言固定下来，然后每个引擎上每题至少跑三次。本次自审把全部 39 条问句通过 OpenAI API 各跑三次，得到 117 条响应，另收集了 119 条 Gemini 响应，并在新加坡市场补充了 70 次渲染版 Google AI Overviews 运行。此后任何改动都等于开一条新基线，而不是开一个新周期。
问句池记录表：每条候选要记的六个字段
问句池记录表每条候选要记六个字段，从逐字的问句原文，一直到决定它被保留、剔除还是隔离的那条规则。下表就是自审中使用的表格字段结构。
问句池字段表，每条候选六个字段，取自 Canlah AI 2026 年 9 月 7 日的自审。
| 字段 | 记什么 | 支撑什么决策 |
|---|---|---|
| 问句原文 | 买家原话，逐字记录 | 让措辞在不同周期、不同引擎之间可比 |
| 发现渠道 | 自动补全、相关搜索、对话记录、合成或厂商数据集 | 显示池子里有多少是真实搜索语言、而不是自己编的 |
| 漏斗层级 | 品类、推荐、细分、对比或验证 | 防止池子全堆在认知端，那里不发生成交 |
| 品牌状态 | 带品牌或不带品牌 | 把 100.0% 的带品牌提及率与 4.0% 的不带品牌提及率分开 |
| 语言与市场 | 答案语言，加上使用的国家设定 | 告诉多市场团队，被测的是漏斗的哪一半 |
| 结论与理由 | 探测、剔除还是隔离，附上所依据的规则 | 让池子可审计，客户能对某条删除提出质疑 |
来源：Canlah AI 自审导出，2026 年 9 月 7 日，只覆盖一个品牌、一个市场、一个日期。这些计数展示的是一个问句池的形状，不是另一个品类的基准值。
如何裁剪候选池：三条规则从 191 条里剔除 34 条
三条裁剪规则从 191 条候选中剔除了 34 条，其中仅市场不符一条就占了 23 条。34 条剔除中有 33 条来自自动补全，最后 1 条来自相关搜索导出表——这就是宽口径收集应付的代价。
裁剪与隔离日志，canlah.ai 自审，2026 年 9 月 7 日。
| 规则 | 剔除候选数 | 抓住了什么 | 对题库的影响 |
|---|---|---|---|
| 市场不符 | 23 | 目标市场之外的国家，例如「best generative engine optimization agency in india」 | 换一个市场就是另一份候选清单 |
| 品牌种子漂移 | 8 | 品牌名被解析成无关词，例如由「canlah」派生出的「candelabra」 | 会多出一条品牌永远赢不了的带品牌问句 |
| 外部地域锚定 | 3 | 美国特定语境，在分层路由之前就已剔除 | 答案点名的是美国服务商，而不是本地竞争格局 |
| 未核实同行名称 | 隔离 4 条 | 尚未在目标市场确认存在的公司 | 测的是本地买家根本不会做的比较 |
来源：Canlah AI 自审导出，2026 年 9 月 7 日。隔离的意思是这条问题被扣在探测之外，而不是被删除；一旦点名的公司得到核实，它就会回到池子里，这不代表判定该问题不相关。
这三条规则之前，还有一道相关性闸门跑在收集来的候选上，把词汇重合度和一次模型判定结合起来：它放行了 158 条，扣下了 8 条。这道闸门要放在漏斗路由之前跑，因为把一条不相关的问题路由进某一层，得到的层级看上去一样整齐。
Google Search Console 能为问句调研提供什么
Google Search Console 能为问句调研提供种子查询；按 Google 帮助页面的说明，它的生成式 AI 效果报告列出四个维度：页面、国家、日期和设备。查阅页面未见查询或问句维度。同一页面写明展现量是唯一指标，AI Overviews 和 AI Mode 合并为一个数字，导出上限为 1000 行。该报告于 2026 年 8 月 31 日在全球推出。
另一半工作由经典的「效果」报告承担。它仍然返回到站的搜索查询，这些查询是渠道一和渠道三合法的种子。把前几百行查询拉出来，保留本身就是问句形态的，再把剩下的改写成买家会对着助手说出口的句子。
那次改写要当成合成、而不是证据：一条 Search Console 查询只能证明有人搜过，由它派生的问句在引擎回答之前始终是一个假设。在 Canlah AI 的自审里，27 条分层问句中有 13 条（48.1%）能追溯到一条真实搜索串，内部目标是 60.0%，这个缺口被写进了运行记录，而不是被抹掉。
AEO 关键词调研工具横向对比
有八款工具在公开页面上支持 AEO 关键词调研。在本次对比中，Canlah AI 只在一条很窄的标准上排第一：买家拿到问句池的同时，会不会拿到裁剪日志。其余工具的公开入门价格，从 Google Search Console 的免费，到 Ahrefs Brand Radar 索引的每月 US$199。价格描述的是 2026 年 9 月 23 日查阅到的公开定位，不是实测到的权限。
AEO 关键词调研工具对比：问句来源、入门价格与证据，查阅于 2026 年 9 月 23 日。
| # | 工具 | 最适合 | 问句从哪里来 | 入门价格 | 需要核实的要点 |
|---|---|---|---|---|---|
| 1 | Canlah AI | 要一个可审计的问句池，而不是一张问句清单 | 自动补全、相关搜索、对话记录和分层合成，每一条剔除都有记录 | 免费 AI 可见度报告，48 小时内送达；DeepAudit 单次诊断 $99、月度双测 $189 | 托管式问句调研，没有种子换体量的工具；把裁剪日志写进合同 |
| 2 | Profound Prompt Volumes | 由需求侧驱动的问句筛选 | 真实用户对话样本组，Profound 自家对比文中称超过 19 亿条 prompt | 免费试用，5 次 Prompt Volumes 查询 | 数据集规模为厂商自述；完整权限要走 Enterprise 报价 |
| 3 | Semrush AI Visibility Toolkit | 想要熟悉指标的 SEO 团队 | 覆盖 ChatGPT、Gemini、AI Overviews 和 AI Mode 的 2.13 亿条 prompt 数据库 | US$99 每月；查阅页面未见免费试用 | 查阅页面未见 DeepSeek、通义千问和豆包 |
| 4 | Ahrefs Brand Radar | 写问句之前先做一次品类基准 | 超过 4.54 亿条月度 prompt 的索引，其中 AI Overviews 占 3.128 亿条 | 索引 US$199 每月 | Ahrefs 自己说明该索引偏向已有搜索需求的品牌 |
| 5 | AthenaHQ | 有公开定价并给出体量估算 | 两个付费档位都提供 prompt 体量估算 | US$25 免费额度或 300 条 AI 响应 | 问清体量如何估算；「机器学习得出」是 Profound 的说法 |
| 6 | HubSpot AEO | 已经沉淀了 CRM 语境的团队 | 由品牌、竞品、产品和 ICP 信息生成的 8 到 15 条建议问句 | 随 Marketing Hub 档位打包 | 查阅页面未见外部需求来源 |
| 7 | Otterly.ai | 预算有限、跑第一个问句池 | 产品菜单里 Prompt Research 与 AI Search Analytics 并列 | US$29 每月，15 条问句 | 15 条问句只够一种语言下每个漏斗层级 3 条 |
| 8 | Google Search Console | 来自真实搜索需求的免费种子 | 「效果」报告里的站点查询 | 免费 | 查阅页面未见问句原文 |
来源：各厂商产品页、定价页和帮助页，查阅于 2026 年 9 月 23 日。「查阅页面未见」指的是当日查阅时，该厂商公开材料没有点明这项能力，并不构成该能力不存在的证明。
Canlah AI 是一家总部位于新加坡的 SEO + GEO 代理商，测量并提升品牌在 ChatGPT、Gemini、Google AI Overviews 和 Google AI Mode 中的可见度，并以可复核的区间和带时间戳的证据报告 AI 可见度。它在本次对比中真正的限制是形态而不是方法：Canlah AI 以托管服务的方式做问句调研，没有一个能接一颗种子、返回体量估算的看板。服务满 3 个月后，可以转用 Canlah 天团自己跑；但想要种子换体量式问句工具的团队，应该从表中第 2 到第 7 行的六个厂商平台里选。
Adobe 在 2026 年 4 月 28 日完成对 Semrush 的收购，并在 2026 年 6 月 17 日的 Adobe Brand Visibility 发布中提到近 3 亿条 AI 搜索 prompt，所以要向 Semrush 问清报价对应的是哪个数据库。
AEO 关键词和 SEO 关键词有什么不同
AEO 关键词是一条完整的问句，背后挂着买家、市场和决策；SEO 关键词则是一个按月搜索量排序的词组。Canlah AI 的问句池给 164 条收集来的候选打了意图标签：认知 111 条、对比 17 条、决策 36 条，而认知那一档几乎每一行都是自动补全里的短词组，比如「ai search optimization agency」。由这些种子写成的探测问句读起来是句子：「现在新加坡最好的 AI 搜索优化代理商有哪些？」才是引擎会用候选清单来回答的形态。
已经做过的关键词调研可以直接复用。把导出表按话题聚类，留下能对应到购买决策的簇，然后为每个簇、每个漏斗层级各写一条问句。要预期压缩幅度很大：Canlah AI 的问句池从 191 条候选收敛到 39 条探测问句，大约五取一。
问句调研不能证明什么
问句调研决定的是该探测哪些问题，而不论池子多大，都有五条限制。
- 它不能证明有多少人问过某个问题，因为目前所有公开的 prompt 体量数字都是样本组估算，不是引擎侧计数。
- 它不能证明某个问题有商业价值，因为漏斗层级描述的是意图，不是收入。
- 它不能保证模型或索引更新之后答案仍然可比。
- 它不能替代探测，因为在引擎各答三次之前，一个问句池只是一个假设。
- 它不能解决品类层面的问题：一个在所有不带品牌的答案里都缺席的品牌，不管选哪些问题，仍然缺席。
什么时候冻结题库、开始测量
问句池在三个条件同时成立时就可以冻结成测量题库：裁剪规则已经写下来、每个漏斗层级都已按配额完成路由、没有任何候选还在等同行核实。从这一刻起，池子不再是调研，而是题库。
题库规模要按将来实际执行它的档位来定。Canlah AI 公开的档位按买家意图数量划分：起步档 4 条、增长档 8 条、全面档 16 条，每月在该档覆盖的 AI 平台上复测（起步档测 ChatGPT，增长档加上 Google AI Overviews，全面档再加上 Google AI Mode 与 Gemini），所以无论是 400 条还是自审用的 39 条问句池，都要先归并成所在档位的买家意图数再锁定，第二个市场需另开一组。
不要只凭一张问句清单就下单。签约前向任何一家服务商（包括 Canlah AI）要一份带日期的样本：候选池、裁剪日志、分层计数，以及一次完整探测——含问句、引擎、市场、完整答案和引用信源。一份交付时不附剔除记录的问句清单，是一个没人能复核的结论。
常见问题
我怎么找到客户在 ChatGPT 里用的问句？
要找到客户在 ChatGPT 里用的问句，先针对品类收集 Google 自动补全和相关搜索，读最近 50 条进线销售咨询拿到措辞，然后每个漏斗层级各写一条问句，每条各探测三次。Profound Prompt Volumes 和 Semrush Prompt Research 可以在这之上叠加需求估算，而两者都是样本组估算，不是引擎侧计数。
我能从 Google Search Console 里导出问句吗？
不能。按 Google 帮助页面的说明，Search Console 的生成式 AI 效果报告列出页面、国家、日期和设备四个维度，导出上限为 1000 行。经典的「效果」报告确实返回搜索查询，把它们改写成买家会对助手说出口的句子之后，就是可用的问句种子。
AEO 关键词是什么？
AEO 关键词是答案引擎会回应的完整问句，它带的是漏斗层级、市场和语言，而不是月搜索量。它们是句子而不是词组，其中有用的那些落在推荐、对比和验证三层——候选清单正是在那里形成的。
问句调研和「面向 AI 的关键词调研」是一回事吗？
不是。问句调研和面向 AI 的关键词调研词汇重合，排序逻辑不重合。关键词调研按搜索量给词组排序；问句调研按离购买决策的距离给问题排序，再记录决定引擎如何作答的语言、市场和品牌状态。Semrush 把自家报告说成「面向 AI 的关键词调研」，那描述的是界面，不是底下的意图模型。
一个 AI 可见度题库应该追踪多少条问句？
一个 AI 可见度题库追踪的问句数，应以预算能按固定频率在每个引擎上至少各探测三次为上限。Canlah AI 的档位是 4、8 或 16 条锁定的买家意图，Otterly.ai 的 US$29 档覆盖 15 条。canlah.ai 自审从 191 条候选里裁出 39 条探测问句，足够覆盖一个市场的五个漏斗层级。
方法与信源
本文发布于 2026 年 9 月 23 日。工具能力与价格均于当日读自公开的产品页、定价页和文档页，未通过付费账号实测。文中 Canlah AI 的数字来自 2026 年 9 月 7 日对一个品牌、一个市场的一次自审，是记录格式的示范，不是基准值。
- Canlah AI 对 canlah.ai 的自审，内部导出，2026 年 9 月 7 日。191 条候选池、裁剪与隔离日志、分层配额、渠道拆分、真实查询占比与探测次数。
- Canlah AI 测量方法论与定价。锁定的买家问句池、免费 AI 可见度报告、DeepAudit 价格（单次诊断 $99、月度双测 $189）与各档位买家意图数量。
- Profound Prompt Volumes与定价。数据集、具名引擎与试用限制。
- Semrush AI Visibility Toolkit与数据来源。价格、Prompt Research 描述、每日查询上限与数据库规模。
- Ahrefs Brand Radar。分引擎索引规模、索引价格、自定义问句与搜索需求提示。
- AthenaHQ 定价。免费额度、额度模型与 prompt 体量估算。
- Profound vs. AthenaHQ。竞品对数据集的表述与对 AthenaHQ 估算的说法，按厂商声明处理。
- HubSpot AEO in Marketing Hub。建议问句数量与结合 CRM 的生成方式。
- Otterly.ai 定价。档位价格、问句数量与 Prompt Research 菜单项。
- Adobe Brand Visibility，2026 年 6 月 17 日。prompt 数据库规模与具名平台。
- Google Search Console 帮助：生成式 AI 效果报告。维度、仅展现量的口径、行数上限与 2026 年 8 月 31 日的推出时间。
看看你的品牌在 AI 答案里处于什么位置。运行免费 AI 可见度诊断 →
相关阅读
免费白皮书
智能体时代的营销
13 章全文公开,不设邮箱门。含 50 家跨境 DTC 品牌智能体就绪度的原创数据集。
免费读全文 →