零样本显示「暂无」，不显示 0%
某个引擎本期没有采到有效样本时，报告显示「本期暂无有效采样」，而不是 0%。「没测到」和「测到 0」是两件相反的事：前者是缺数据，后者是真实的负面发现。
更省事的做法：直接显示 0%——表格整齐、图表好看，客户却会误读成「这个引擎完全不提我」，而真相是我们根本没测。
四条原则
这四条，我们选择了更麻烦的做法
灰色小字写的是「省事的做法」，以及为什么我们不那么做。
每个指标都带分母与样本量
所有对外数字都标明分子与分母（如提及率 = 提及样本 / 有效样本）与样本量。样本不足时如实标注，不出结论。
更省事的做法：只给一个百分比——无法复核、无法比较，出问题时也无从解释。
不同采集方式的数据不合并进同一条趋势线
官方 API、界面仿真、人工录入与第三方数据源，各自记录、分段呈现。把两种口径平均出来的线看起来完全正常，却是一条现实中不存在的线。
更省事的做法：混在一张图里画一条平滑的线——视觉上更"完整"，但那个趋势在现实中不存在。
「假提升」自检：变化必须能被解释
复测时披露测量条件快照（问题集、平台集合、竞品集合、采样窗口）。换了模型、换了问题集导致数字变化，会明确标注不可直接对比——不把口径变更包装成优化成果。
更省事的做法：不披露口径变更——数字涨了就是"优化见效"，跌了就归因于"模型波动"。
采集方式与可复现性
每种数据来源，都说清它能证明什么、不能证明什么
本表与客户报告附录同源（同一份口径定义）——公开页与交付物不可能说不一致。
| 采集方式 | 可否复现 | 能证明什么 | 不能证明什么 |
|---|---|---|---|
| 官方 API | 可复现 | 我们向引擎官方接口发出了真实请求，回答原文完整留存；同样的输入可复现同样的输出。 | 不能证明普通用户在 App/网页里会看到同样的答案——官方接口与消费端产品在检索策略与个性化上可能不同。 |
| 授权第三方数据源 | 不可复现 | 通过授权渠道取得第三方采集结果，可说明其口径与采集时间。 | 不能证明第三方口径与我们自有采样一致——不同口径的数字不可直接比较或合并。 |
| UI 模拟（浏览器操作） | 不可复现 | 以真实浏览器完成与用户相同的操作路径，可覆盖没有公开 API 的引擎。 | 不能复现：页面结构、灰度实验、登录态都会改变结果，不保证每次得到相同回答。 |
| 人工录入 | 不可复现 | 由人工在引擎中实测并录入，适用于无法自动化的场景或补充核验。 | 不可复现：提问措辞、账号状态、时间点无法逐一还原，不应用作趋势主序列。 |
可复现 = 相同条件下重跑能得到一致结果。不可复现的采集方式（如界面仿真，受页面改版影响）单独标注，不与其他来源合并统计。
已知边界
四、本方法的已知边界
-
小样本不给排行
信源矩阵的样本量低于 10 条时，我们只提示、不给排行——几个样本得出的「Top 信源」是噪音，照它做决策会白花钱。 -
不同采集方式不合并
官方 API、第三方、UI 模拟、人工录入的可复现性不同，不合并进同一条趋势线。合并平均会得到一个不存在的混合口径，而且它看起来完全正常。 -
点名题单独分池
问题词里含品牌名时（如「XX 怎么样」），AI 几乎必然复述品牌名——这类样本不计入提及率的分子分母，避免假阳性撑高指标。 -
未覆盖的市场不填数
某市场还没做过本地语言采样时，该市场显示「本市场未覆盖」，不用英语采样填数字——否则会系统性高估客户在该市场的可见度。 -
出口区域会影响结果
从国内出口与从海外出口访问同一引擎，可能召回不同的检索结果（区域化排序）。两种出口的样本不可直接合并比较，报告会分别标注。 -
趋势比单点可靠
单次采样存在波动（这是概率采样的特性）：实测同一批问题同日重跑，引用信源的重叠度只有 0.32–0.43，单次结果几乎没有信息量。判断效果请看连续数周的趋势，并注意：换过采集方式的那一段涨跌，可能来自方式切换而非品牌表现。 -
无法控制引擎侧的采样参数
我们无法控制各引擎内部的采样参数——同行评审研究实测，即便把 temperature 设为 0，重复运行仍会有 9–28% 的判定改变。这意味着任何单次快照都应按分布来读，本报告的重复采样与置信区间即为此设计。 -
跨引擎（及跨端）数字不可直接比较
各引擎的检索来源与训练语料不同（研究实测中文引擎与国际引擎的品牌提及率系统性相差 30 个百分点以上），同一平台的 App 与网页端信源集合也不同。引擎间只做趋势对照，不做跨引擎排名；本报告的引擎矩阵分别标注。 -
内容质量评分不预测被引概率
大规模中文引用数据研究显示，页面「综合质量分」不是任何引用结果的领先预测因子。本平台的文章 GEO 评分用于内容工程改进，不构成「提高评分就会提高被引概率」的承诺。 -
单个 AI 回答会天然波动（这不是效果退步）
AI 每次都重新检索并交叉验证，同一个问题今天和明天得到的回答与引用来源可能不同——外部研究实测相邻两日的引用信源约 65% 会被更换。因此「某个问题上周提到你、这周没提到」多数属机制性波动，判断真实趋势要看多期整体比例（本平台以多轮采样与置信区间呈现）。 -
交易型与知识型提问的引用规则不同
涉及本地生活、电商、商品选购的"交易型提问"，部分引擎的答案直接来自自家生态（商家库、商品卡片、地图点位），不引用外部网页；而行业知识、B2B 方案、品牌口碑等"知识型提问"，外部信源仍是主要依据。因此同一引擎在不同提问类型下的引用数不可相互比较——某类问题引用少，可能只是该场景走了生态闭环，不代表你的内容质量差。本平台按提问类型分别呈现，不做跨类型合并。 -
搜索排名不等于被 AI 引用
大数据研究显示：ChatGPT 约 88.46% 的引用 URL 来自其搜索检索路径（先被索引才有资格被引用），但 Google AI Overview 的引用来源里自然结果前 10 位只占约 37.9%，其余来自第 11–100 位及 100 名之外（Ahrefs 2026 年 3 月对 400 万 URL 的分析；该机构 2025 年同类分析为约 76%，一年多内变化逾一倍，说明这类比例本身也需带时点阅读）。所以"排名第一"既不是被引用的必要条件也不是充分条件。本平台只统计 AI 回答里实际出现的引用，不把搜索排名当代理指标。
不能推出什么
五、这些数字不能推出什么
- API 采样结果 ≠ 大众端所见（接口与消费端产品的策略可能不同）
- 本次未出现 ≠ 不存在（可能只是我们还没采到，或该引擎没检索到）
- 被 AI 引用 ≠ 带来转化（从「被提到」到「下单」中间还有落地页、价格、销售等环节）
- 趋势上升 ≠ 是我们的功劳（竞品变化、引擎版本更新都会影响结果）
- 跨市场数字不可直接比较（同一「可见率」在不同市场含义不同，须带口径一起看）
以上边界与推导限制，在每份客户报告的附录里都会原文列出——不是只写在官网上的姿态。完整方法论见测量方法论页。