開源 AEO 監測系統：每日自動追蹤你的品牌在 AI 的能見度與評價

重點摘要

兩天前我寫過一篇「做 SEO 有 Google Search Console，打開就能看品牌被搜了什麼、排第幾、曝光幾次。那 AEO 呢？你怎麼知道自己做的方向有效？競爭對手跑到哪了？」，講這套工具怎麼做。那時候是我自己在 ARTOGO 內部用的東西。

分享完後收到一些建議和想法，想了一下，AEO 在台灣還很新，許多品牌連「自己有沒有被 ChatGPT 提到」都還沒實際看過一次數據。如果換成是我讀別人的文章，比起看懂怎麼做，能直接 clone 下來跑會實際很多。既然把 ARTOGO 特定的字串、關鍵字、內部流程移掉換成一個通用 config 檔邊際工作量不大，就整套放上 GitHub 了，MIT 授權。

Repo Link： github.com/hellowalt/aeo-radar

為什麼不直接用現成的 AEO 工具？

市面上的 AEO 工具大致分兩條路，API 類便宜但結果和真實用戶網頁版有落差，真實用戶 panel 的 Profound 最準但月費 NT$3,200 起。對還在驗證 AEO 對自己有沒有用的階段，我自己覺得先試試看比先付月費合理。

Otterly（月費 NT$930 起）、Peec AI（NT$3,100 起）走的是自動化 API 查詢，便宜、設定快。Otterly 自己的 blog 寫過 API 和網頁版結果會有落差，網頁版會接 grounding、即時搜尋、citation，API 是純模型生成，兩邊結論常常差很多。在我的經驗裡這個落差對「追蹤能見度」這件事還是有影響，因為你真正想知道的是用戶實際看到什麼。

做得最扎實的是 Profound。透過 VPN 和瀏覽器擴充套件合作，收集真實用戶跟 ChatGPT、Gemini、Claude、Perplexity 的對話，經 Semrush 旗下的 Datos 處理，規模每月上億筆。月費 NT$3,200 起（單 ChatGPT）、多平台 NT$12,800、企業方案 NT$64,000。目前我看過最接近「用戶真的看到什麼」的資料來源。

那時候我剛好在幫 ARTOGO 研究 AEO 策略，關鍵字清單、意圖分類、分析欄位在研究過程就想清楚了。既然 context 已經夠，比起寫一份內部提案爭取預算買 Profound，直接寫 MVP 驗證對我比較快。兩週內 headless crawler、分析 pipeline、dashboard 跑起來，在 ARTOGO 內部用了一個多月。

為什麼從內部工具變成開源？

前一篇分享完收到一些想直接拿來用的回饋，發現把 ARTOGO 特定的東西抽掉、換成一個通用 config 檔的工作量不大。既然能幫到幾個跟我一樣想先試試的人，就放出來。

前一篇文章發出去後，有些朋友問能不能直接給一份、有沒有 public repo。

想了一下，如果換成是我讀類似文章，比起弄懂一份系統怎麼建，能直接 clone 下來跑、先看到自己品牌的資料，對判斷「AEO 對自己有沒有用」這件事會實際很多。

剛好把 ARTOGO 特定的品牌字串、關鍵字、分析欄位抽掉，換成一個通用 brand.ts config 檔，邊際工作量對我來說不大。就整套放上 GitHub 了。

AEO Radar 每天自動做什麼？

把你設定的關鍵字展成 4 種意圖的提問、用 Playwright 模擬真人問 ChatGPT、用 Claude CLI 把每則回答抽成七個欄位寫進 SQLite。整條 pipeline 自動 headless 跑，人不用盯。

一，關鍵字展成 4 種意圖。

每個關鍵字會被展成 4 種意圖：推薦型（「有什麼好的 X 推薦？」）、比較型（「X 和 Y 比較」）、教學型（「怎麼做 X？」）、採購型（「X 要多少錢？」）。對齊的是真實用戶的搜尋漏斗。

4 組關鍵字 × 4 種意圖 = 每天 16 個查詢跑 ChatGPT。

二，Playwright 模擬真人，不用 API。

走 Playwright + puppeteer-extra-plugin-stealth 在 headless Chromium 跑，模擬真實瀏覽器查詢。不用 API 的原因前一篇寫過：API 回傳的和網頁版用戶看到的常常不一樣。

目前預設只跑 ChatGPT。Gemini 有 Chrome for Testing 指紋問題（要切到本機真實 Chrome），Perplexity 有 Cloudflare Turnstile（我目前沒找到穩定的開源解）。如果你想加別的平台，BaseCrawler 抽象層都留好了，繼承寫個子類就能接。

三，Claude CLI 結構化分析每則回答。

每則回答被抽成七個欄位：品牌有沒有被提及、排名第幾、AI 怎麼描述你、情緒、情緒分數、競品清單、引用的 Domain / URL。跨日累積寫進 SQLite。

分析用 Claude CLI（cat prompt | claude -p）不走 API。有 Claude 訂閱的話，這部分一毛錢都不加付。

跟 Profound、Peec AI、Otterly 的差別是什麼？

付費 SaaS 是 hosted 的、不用自己管、有 panel 數據擔保；AEO Radar 是自架的、免費、程式碼自己能改。定位不一樣，我自己把它當「付月費之前先跑起來看看」的那一步。

付費工具的好處很明確：hosted、不用管基礎設施、有 panel 數據做擔保，對已經確定要投 AEO 的團隊很合理。

AEO Radar 是另一個方向，資料留在自己機器、程式碼自己能改、沒月費。代價是你要管排程、DOM 更新、備份這些瑣事。

在我自己的使用情境，它比較像「付月費之前先跑起來看看」那一步，而不是去取代 Profound 這些工具。

怎麼接上自己的品牌？

打開 src/config/brand.ts 填 5 個欄位（品牌名、描述、目標市場、4-10 個關鍵字），跑三個 npm 指令，第一次大約 20 分鐘就有自己的 dashboard。

這是整個專案我刻意壓到最小的 onboarding：

export const brand: BrandConfig = {
  name: 'YourBrand',
  description: '一句話描述你做什麼',
  targetMarket: '目標使用者 + 語言 + 地區',
  keywords: [
    { keyword: '你的核心關鍵字 1', category: '產品' },
    { keyword: '你的核心關鍵字 2', category: '產品' },
    { keyword: '你的核心關鍵字 3', category: '服務' },
    { keyword: '你的核心關鍵字 4', category: '服務' },
  ],
};

就這一個檔。品牌名是分析器會在 AI 回答裡找的字串，關鍵字是你要追蹤的主題。在我的經驗裡，4-10 個是甜蜜點，太多每天跑太久、太少看不出模式。

存檔後跑：

npm run db:push    # 建立 SQLite
npm run seed       # 從關鍵字產生 16 個 prompt（呼叫 Claude CLI）
npm run crawl      # 第一次跑爬蟲
npm run dashboard  # localhost:3003 開 dashboard

第一次 crawl 在我的機器上大約 20 分鐘。要每天自動跑，macOS 用 launchd、Linux 用 cron、GitHub Actions 排程都行，README 有完整範例。

沒設定自己品牌之前，能先看 dashboard 嗎？

可以。跑 npm run demo:reset 會灌 14 天的假資料進去，用虛構的「DinoEgg 恐龍蛋孵化玩具」當範例品牌，打開 dashboard 直接看成品。

假資料的 mention 率、平均排名、競品分布、引用 Domain 都刻意做成 realistic 分布，不是純隨機。比較像一個品牌剛開始投 AEO 內容、跑了兩週後會看到的典型形狀。

這個 demo 模式的用意就是降低判斷成本。不用先 seed、不用跑爬蟲、不用等 20 分鐘，打開就看得到這個工具會給你什麼資訊。覺得有用再接自己品牌。

跑一陣子之後，該繼續自架還是升級付費工具？

看你想把時間花在哪。喜歡改 prompt template、想加新的 metric 就自己繼續改；如果 AEO 已經被驗證是重點戰場、不想管維護，升級付費 SaaS 也合理。我自己目前還在繼續改。

跑一兩週、有真實資料之後，你大致能感覺 AEO 對自己品牌是「很明顯有」、「還看不太出來」還是「沒什麼感覺」。根據這個判斷選方向。

如果想自己繼續改：

你可以改 analysis-template.md 抽一些你產業特有的 metric、加 Gemini 或其他 crawler、換 dashboard 的呈現方式、接 Slack 告警、寫週報匯出。整套 pipeline 在自己機器上，沒有 vendor lock-in。

如果想省維護力氣：

自架最大的成本是你要自己顧。ChatGPT DOM 變了要修 selector、Playwright 升級可能出錯、SQLite 檔案要備份、排程掛掉要重設。在我的經驗裡，這些對多數行銷團隊不是核心能力。如果 AEO 已經確定是重點戰場，升到 Profound、Peec AI 這類成熟方案省的是時間。

有想法、想一起加功能、或踩到什麼雷，GitHub 發 PR、開 issue 或 discussion 都歡迎。想直接聊聊 AEO、交換一下各自品牌在 AI 搜尋裡看到什麼，也可以私訊我，希望這套工具對你的品牌多少有幫助！

Repo: github.com/hellowalt/aeo-radar

資料來源