真实引擎测量
在 DeepSeek、Perplexity 等真实 AI 引擎上按同一组问题重复采样,得到提及率、引用率与平均名次。
- 每次采样记录引擎、问题、样本数、置信区间
- 没配置引擎凭据时明确显示「未测量」,不填假数据
- 两次测量之间可比,阈值与口径固定
六个模块串成一条闭环,任何一个环节断掉,效果都无法证明。
在 DeepSeek、Perplexity 等真实 AI 引擎上按同一组问题重复采样,得到提及率、引用率与平均名次。
用 AIPW 双重稳健估计回答「哪一类改动真的有用」,而不是凭经验说「多发文章就好了」。
AI 可以写,但不允许编。数字必须能指向事实源,冲突的句子会被拦下。
一条内容按各平台规则适配成成品,复制即可发布,发完回填链接。
一个代运营团队同时管多个客户,按商户分配运营人员,权限隔离到商户级。
每一次测量、生成、发布都留痕,客户可以逐条追问「这句结论哪来的」。
客户最常问「这个百分比怎么算的」,下面是口径说明。
| 指标 | 定义 | 怎么算 |
|---|---|---|
| 提及率 Mention Rate | 在同一组问题上,AI 答案中出现你品牌名的比例 | 样本数 × 重复采样,给出置信区间 |
| 引用率 Citation Rate | AI 答案把某个来源列为出处,且该来源是你的页面的比例 | 按域名/URL 匹配,区分自有页面与第三方页面 |
| 平均名次 Avg. Position | 你被提及时,在答案所列品牌中的平均排序位置 | 只统计被提及的样本,未提及不计入 |
| 首推率 Top-1 Rate | 你被排在第一位(或被单独推荐)的比例 | 由人工标注 + 规则匹配,样本小时会标注 |
| 声量与情绪 Share of Voice | 你与竞品在同一问题下的提及次数占比,以及正负向描述 | 情绪判定为辅助指标,样本不足时不给出结论 |
以下按行业说明问题的典型形态与我们的处理方式,不包含具体客户名称与效果数据。
客户在 AI 里问「XX 地区有哪些做仓储系统的公司」,答案里只有几家全国厂商,本地服务商完全没出现。
地域词与本地化案例往往是最容易被忽略、也最容易见效的部分。
AI 被问到「XX 材料的技术参数和替代方案」时,答案引用的是行业媒体的二手数据,厂商自己的技术说明没被采用。
参数类问题比拼的不是文笔,而是「谁的数字更可核查」。
客户问「这类合规问题怎么处理」,AI 给的是通用建议,没有指向本地可执行的服务方。
专业服务靠「答案质量」建立信任,AI 引用的是一个具体回答,而不是一句宣传语。
单位信息在 AI 里几乎查不到,或描述停留在几年前的旧闻上。
政务场景第一原则是准确:宁可少说,也不能让 AI 引用过时或错误的信息。