在AI搜索里,客户问"工业冷水机选哪个牌子好""某某和某某哪家靠谱",模型给出的答案里可能写着你公司的名字,可能附上你官网的链接,也可能把你列进"常见的几家供应商"。这三种情况对业务的含义完全不同,但很多监测报告把它们统统算成"AI里出现了我们的品牌",报给客户一个笼统的提及率。问题是:名字被顺带提到,和被当成依据引用、和被放进推荐名单,是三个层级的问题。GEO的可见性必须拆成可判定的三态,否则数据无法指导下一步动作,也没法向客户解释清楚投入到底买到了什么。
三个状态的操作性定义与判定动作
定义要能被一个不了解项目的人照着执行一遍得出同样结果,否则统计口径无法复现。铭赞在实践中采用下面这套三态判定,每一态都绑定一个可以指出来的文本特征。
提及(mention):品牌名出现在答案正文里。判定动作是把答案正文从头读到尾,看到品牌的中文名、英文名、简称或产品线名就算一次提及。不要求带链接,不要求带上下文。哪怕是一句"市场上常见的有A、B、C几家"里的A,也算提及。判定时排除三类情况:出现在用户提问原文里而不是模型回答里的、出现在"以下是您可能想找的链接"这类搜索建议区而不在回答正文里的、以及与本企业无关的同名实体(同名公司、同名产品线)。
引用(citation):答案附带了指向来源的链接或角标,且来源落在自有或已知可信域内。判定动作是把答案里的角标、链接、"Sources""来源""参考"等区块展开,确认它指向哪个URL。落在自有域名算引用;落在第三方但引用的是自己的产品页(例如第三方测评文章里出现了自家产品的参数页链接),单独记为"第三方引用",不与自有引用混算。判定时排除:只是列了一个网站首页链接、正文中的纯文本URL但没有与具体表述绑定、引用的是与本企业无关的第三方页面。
推荐(recommendation):品牌进入了一个候选清单,或者被表述为值得优先考虑的对象。判定动作有两个:结构上,答案里出现了编号列表、有序清单、"常见的几种""以下几家"这类框架,品牌作为其中一项;语义上,出现"通常会考虑""往往选择""适合这种场景的是"等表述把品牌指向一个选择动作。两者满足其一即可计入推荐。判定时排除:单纯罗列行业参与者、出现在对比表格里但被明确评价为不适用、在"不推荐""避坑"语境中出现。
一条回答可以同时具备多态,标注规范要写死
三态不是互斥的分类,而是三个可以叠加的开关。同一条回答完全可能是"提到了品牌名 + 附了自有官网链接 + 把品牌列进了推荐清单",此时应同时标注提及、引用、推荐三项;如果只标注其中一个,统计结果就失去了比较意义。标注规范里必须写清这几点:
- 多选而非单选。每个问题对应三个独立的布尔字段(提及 / 引用 / 推荐),可以同时为真,不做优先级取舍。
- 三态之下再加来源维度。引用字段要记录域名与URL,自有域和第三方域分开统计,不能合并成一个"被引率"。
- 记录判定依据的原文片段。每条标注都存一小段触发文本(提到品牌的那个短句、链接的锚文本、清单项的标题)。复核时能直接看到依据,而不是靠标注人回忆。
- 设置"待复核"状态。遇到拿不准的情况(例如名字出现在否定语境、同名实体、答案提到但指的是某个具体门店),标为待复核而不是猜测。宁可让这一条空着,也不要制造噪声。
- 双人复核抽检。每轮抽样不低于总量的两成由第二人独立标注,比较一致率。不一致的部分往往是定义理解偏差,要回写进标注规范。
还有一个容易忽略的边界:模型的自我表述不等于事实。答案里写"根据官网信息,某某品牌……"并不代表官网真的这么写;答案说"有20家主流供应商"也不代表客观存在20家。三态标注记录的是"模型说了什么",把它当作信号去分析,而不是当作事实去引用,这一点要在规范里写明。
品牌名称的识别口径:变体、误配与消歧
三态判定的前置工作是先解决"什么算品牌名"。企业常见的坑有三个。
名称变体漏检。中文全称、中文简称、英文名、英文缩写、拼音、历史品牌名、产品线名(品牌下有多个型号)往往被混用。监测前要先建一份品牌词典:列出所有等价写法、每个写法的匹配规则(全称精确匹配、简称需排除歧义词)、以及不应计入的干扰词。匹配时要区分大小写与全半角,避免"AI"这种通用词造成误判。
同名实体误配。中文和英文市场里都存在同名企业。当答案提到的是一个同名的另一家企业时,会虚增提及数。消歧办法有三种:看上下文里是否出现本企业的业务特征词、判定引用的URL是否落在自有域、把无法确认的记录标为待复核。多实体品牌要在词典里分实体登记。
子品牌与母品牌混算。子品牌被提到,母品牌是否算提及、算引用,需要事先定义并保持一致。建议规则是:母品牌有独立实体页且模型同时给出两者时分别记录;只有子品牌出现时,母品牌计为"关联提及"并单列,不并入主口径。
| 判定项 | 命中依据 | 排除项 | 记录字段 |
|---|---|---|---|
| 提及 | 答案正文出现品牌词典中的名称 | 提问原文、搜索建议区、同名实体 | 触发片段 |
| 自有引用 | 角标或链接指向自有域名 | 仅首页链接、与表述无绑定 | URL、锚文本 |
| 第三方引用 | 第三方页面中出现自有内容或产品页 | 无关第三方页面 | 域名、页面路径 |
| 推荐 | 进入候选清单,或出现指向选择的表述 | 单纯罗列、否定语境、对比中不适用的行 | 清单项标题、原文片段 |
统计表模板:按平台、问题类型和问题分层
标注数据最终要落到一张能看出结构问题的表里。铭赞建议的字段结构如下,每行对应"一个平台 × 一个问题 × 一次采样"的一条原始回答记录。
| 字段 | 含义 | 填写方式 |
|---|---|---|
| platform / model | 平台与具体模型版本 | 固定枚举,含模型版本或快照日期 |
| question_id | 问题编号 | 关联问题集版本号 |
| question_type | 问题类型 | 枚举:品类认知 / 选型对比 / 价格询价 / 方案定制 / 售后故障 |
| run_id | 采样轮次 | 同一批次统一编号,便于按轮次聚合 |
| mention / citation_self / citation_third / recommend | 四个布尔字段 | 标注结果,各自独立 |
| source_domains | 来源域名列表 | 展开角标后的全部域名 |
| mention_context | 触发片段 | 原文照抄,便于复核 |
| is_our_url | 是否为自有域 | 是/否/第三方但含自有内容 |
这张原始表之上再出汇总表,维度是"平台 × 问题类型 × 状态",输出三个独立的比率:提及率、自有引用率、推荐率。三个比率要分开呈现,不允许合成一个数字。合成之后数字会好看,但没法回答任何一个具体问题——客户问"我们为什么在选型类问题里被提到了却没被推荐",合并指标无法作答。
向客户汇报时的口径说明怎么写
数据本身之外,汇报口径决定了这份报告能不能被信任。铭赞的做法是每份报告固定写清以下几件事:
- 样本说明。本次覆盖几个平台、多少个问题、每题采样几轮、有效回答条数,以及被排除的样本数量和排除原因(拒答、超时、答案重复)。
- 口径定义。把三态判定规则原样附上,包含排除项。让读者知道"推荐"是怎么判的,而不是让他们以为这是平台官方给出的数据。
- 分平台报数,不合并。各平台的抽样数量、问题分布、用户场景都不同,把几个平台合成一个"综合提及率"没有可解释性,也无法据此分配资源。分别报,必要时再说明平台间的口径差异。
- 结论与数据分开。明确区分"本轮观测到的变化"和"我们判断的原因"。原因判断应写明依据与不确定性,不要把推测写成结论。
- 主动说明局限。AI答案每次生成都可能不同,单轮结果是快照而非趋势结论;模型版本更新、平台功能改版都会让前后数据不可直接比较。写清这些,比只报漂亮数字更能让客户续约。
铭赞经验:三态标注的价值不在于数字变多,而在于每条数据都能追到一段原文。当客户质疑"凭什么说我被推荐了",能当场打开记录、指出触发的那半句话,整个报告的公信力就立住了;只有一个笼统的提及率时,这个问题无法回答。
下一步行动
想看看自家品牌在AI回答里目前处于哪一态、落在哪些平台和问题类型上?可以申请铭赞网络的免费GEO基线诊断——用行业问题集跑一轮多平台采样,按三态标准标注并输出缺口清单。电话 13991172090,或访问 xamz.cn/geo/diagnosis.html 在线申请。
铭赞网络的服务范围覆盖GEO优化、SEO、网站建设和外贸营销,服务电话 13991172090。