一页纸看结论
- 健康分与等级
- 一句话结论:现在最大的问题是什么
- 核心数字:健康分 / 提及率 / 问题覆盖率 / 事实一致性
- 先做的三件事(按优先级排序)
适合在管理层会议上直接过一遍。
检测报告有两版:给老板看的一页结论,和给执行团队看的详细拆解。 这一页先把结构和口径讲清楚——口径不透明,数字就没有意义。
适合在管理层会议上直接过一遍。
适合交给做内容和做投放的同事照着执行。
它们统计的层级完全不同,所以不能相互换算,也不能合并成一个百分数。
被提及样本行 ÷ 总样本行。每一行 = 一个问题在一个引擎里问一次。
被提及问题数 ÷ 总问题数。同一个问题在多个引擎被提到,只算一次。
被引用信源覆盖的关键阵地类数 ÷ 目标集(7 类)。衡量的是信源结构,不是提及次数。
三者口径不同,不得合并。报告中任何一处都不会出现把多个指标揉成一个百分数的写法。
以下口径与检测系统内部实现同源,报告附录中会逐条列出。
| 指标 | 公式 | 性质 |
|---|---|---|
| 提及率 | 被提及样本行 ÷ 总样本行(样本行级口径;探索集不计入分母) | 实测 |
| 问题覆盖率 | 被提及问题数 ÷ 总问题数(query 级去重口径,按 query_id 聚合) | 派生 |
| 引用份额 | 自有域名被引用次数 ÷ 全部有效引用次数 | 实测 |
| 阵地覆盖 | 被引用信源覆盖的关键阵地类数 ÷ 目标集(7 类:自有/百科/问答/内容/视频/媒体/企业信息;每类需占有效引用 ≥1%) | 实测 |
| 内容承接 | 内容承接度(排位×情感×准确性综合)——API 通道无排位数据,当前恒为未测,不参与计分(权重归一到已测维度) | 实测 |
| 事实一致性 | 判定一致条数 ÷ 已核验条数;无核验记录=未测(不编 0) | 实测 |
| 健康分 | 五维加权(未测维度权重归一到已测;提及率=0 时总分必为 0) | 派生 |
| 自有来源率 | 自有域名引用条数 ÷ 全部有效引用条数 | 实测 |
| 声量份额 | 同 query 下品牌被提及次数占比(分引擎独立计算,不混算) | 实测 |
| 存活率 | 历史样本在复测中的留存比例 | 派生 |
提及率 / 问题覆盖率 / 引用份额 / 阵地覆盖 / 内容承接 / 事实一致性
六个指标并列呈现,各自独立,不换算、不合并。
问题覆盖率不参与健康分加权。未测维度(例如 API 通道下的内容承接、无核验记录的事实一致性) 权重归一到已测维度,不编 0;提及率为 0 时健康分必为 0。
采样方式:围绕品牌词与真实买家提问,在 6 大国产 AI 引擎通过官方 API 直连采样。AI 没提到你的品牌,也如实记录为「未提及」。
失败处理:调用失败或超时的引擎会如实标注,不计入健康分与提及率,不做静默忽略。
未测规范:没有采到的数据一律显示「未测」,不编造、不兜底为 0。
通道差异:本报告基于 API 通道采样,回答反映模型的参数化认知。同一模型的网页版 / App 版可能开启联网检索,回答可能不同;各平台独立统计,不合并平均。
时效性:采样结果反映采集时段内的 AI 引擎表现,不代表长期稳定结果;不同时段、不同账号的回答可能存在差异。
数据归属:检测产生的报告数据仅你和你的授权账号可见。
这一步属于检测产品的内部流程,对应对外五步闭环里的「采集—归因」两步。
并行调用 DeepSeek、豆包、Kimi 等主流 AI 引擎,围绕品牌词与相关提问进行大规模采样。
统计品牌被提及率、在推荐清单中的出现率,量化 AI 搜索引擎中的真实曝光。
用 LLM 归纳认知、买家、推荐、信息缺口等维度的短板,并摘录 AI 原话作为证据。
横向对比竞品声量与提及率,定位品牌在品类中的相对位置与差距。
针对短板生成可勾选的优化行动清单,并支持复检对比验证优化效果。
真实报告里含具体客户数据,不在公网附链接。加客服微信,我们把脱敏后的完整样例发给你。
客服微信:geozdt666
也可邮件联系:2523626572@qq.com