零樣本顯示「暫無」，不顯示 0%
某個引擎本期沒有采到有效樣本時，報告顯示「本期暫無有效取樣」，而不是 0%。「沒測到」和「測到 0」是兩件相反的事：前者是缺資料，後者是真實的負面發現。
更省事的做法：直接顯示 0%——表格整齊、圖表好看，客戶卻會誤讀成「這個引擎完全不提我」，而真相是我們根本沒測。
四條原則
這四條，我們選擇了更麻煩的做法
灰色小字寫的是「省事的做法」，以及為什麼我們不那麼做。
每個指標都帶分母與樣本量
所有對外數字都標明分子與分母（如提及率 = 提及樣本 / 有效樣本）與樣本量。樣本不足時如實標註，不出結論。
更省事的做法：只給一個百分比——無法複核、無法比較，出問題時也無從解釋。
不同採集方式的資料不合並進同一條趨勢線
官方 API、介面模擬、人工錄入與第三方資料來源，各自記錄、分段呈現。把兩種口徑平均出來的線看起來完全正常，卻是一條現實中不存在的線。
更省事的做法：混在一張圖裡畫一條平滑的線——視覺上更"完整"，但那個趨勢在現實中不存在。
「假提升」自檢：變化必須能被解釋
複測時披露測量條件快照（問題集、平台集合、競品集合、取樣視窗）。換了模型、換了問題集導致數字變化，會明確標註不可直接對比——不把口徑變更包裝成優化成果。
更省事的做法：不披露口徑變更——數字漲了就是"優化見效"，跌了就歸因於"模型波動"。
採集方式與可復現性
每種資料來源，都說清它能證明什麼、不能證明什麼
本表與客戶報告附錄同源（同一份口徑定義）——公開頁與交付物不可能說不一致。
| 採集方式 | 可否復現 | 能證明什麼 | 不能證明什麼 |
|---|---|---|---|
| 官方 API | 可復現 | 我們向引擎官方介面發出了真實請求，回答原文完整留存；同樣的輸入可復現同樣的輸出。 | 不能證明普通用戶在 App/網頁裡會看到同樣的答案——官方介面與消費端產品在檢索策略與個性化上可能不同。 |
| 授權第三方資料來源 | 不可復現 | 透過授權渠道取得第三方採集結果，可說明其口徑與採集時間。 | 不能證明第三方口徑與我們自有采樣一致——不同口徑的數字不可直接比較或合併。 |
| UI 模擬（瀏覽器操作） | 不可復現 | 以真實瀏覽器完成與用戶相同的操作路徑，可覆蓋沒有公開 API 的引擎。 | 不能復現：頁面結構、灰度實驗、登入態都會改變結果，不保證每次得到相同回答。 |
| 人工錄入 | 不可復現 | 由人工在引擎中實測並錄入，適用於無法自動化的場景或補充核驗。 | 不可復現：提問措辭、賬號狀態、時間點無法逐一還原，不應用作趨勢主序列。 |
可復現 = 相同條件下重跑能得到一致結果。不可復現的採集方式（如介面模擬，受頁面改版影響）單獨標註，不與其他來源合併統計。
已知邊界
四、本方法的已知邊界
-
小樣本不給排行
信源矩陣的樣本量低於 10 條時，我們只提示、不給排行——幾個樣本得出的「Top 信源」是噪音，照它做決策會白花錢。 -
不同採集方式不合並
官方 API、第三方、UI 模擬、人工錄入的可復現性不同，不合並進同一條趨勢線。合併平均會得到一個不存在的混合口徑，而且它看起來完全正常。 -
點名題單獨分池
問題詞裡含品牌名時（如「XX 怎麼樣」），AI 幾乎必然複述品牌名——這類樣本不計入提及率的分子分母，避免假陽性撐高指標。 -
未覆蓋的市場不填數
某市場還沒做過本地語言取樣時，該市場顯示「本市場未覆蓋」，不用英語取樣填數字——否則會系統性高估客戶在該市場的可見度。 -
出口區域會影響結果
從國內出口與從海外出口訪問同一引擎，可能召回不同的檢索結果（區域化排序）。兩種出口的樣本不可直接合並比較，報告會分別標註。 -
趨勢比單點可靠
單次取樣存在波動（這是機率取樣的特性）：實測同一批問題同日重跑，引用信源的重疊度只有 0.32–0.43，單次結果幾乎沒有資訊量。判斷效果請看連續數週的趨勢，並注意：換過採集方式的那一段漲跌，可能來自方式切換而非品牌表現。 -
無法控制引擎側的取樣引數
我們無法控制各引擎內部的取樣引數——同行評審研究實測，即便把 temperature 設為 0，重複執行仍會有 9–28% 的判定改變。這意味著任何單次快照都應按分佈來讀，本報告的重複取樣與置信區間即為此設計。 -
跨引擎（及跨端）數字不可直接比較
各引擎的檢索來源與訓練語料不同（研究實測中文引擎與國際引擎的品牌提及率系統性相差 30 個百分點以上），同一平台的 App 與網頁端信源集合也不同。引擎間只做趨勢對照，不做跨引擎排名；本報告的引擎矩陣分別標註。 -
內容質量評分不預測被引機率
大規模中文引用資料研究顯示，頁面「綜合質量分」不是任何引用結果的領先預測因子。本平台的文章 GEO 評分用於內容工程改進，不構成「提高評分就會提高被引機率」的承諾。 -
單個 AI 回答會天然波動（這不是效果退步）
AI 每次都重新檢索並交叉驗證，同一個問題今天和明天得到的回答與引用來源可能不同——外部研究實測相鄰兩日的引用信源約 65% 會被更換。因此「某個問題上週提到你、這周沒提到」多數屬機制性波動，判斷真實趨勢要看多期整體比例（本平台以多輪取樣與置信區間呈現）。 -
交易型與知識型提問的引用規則不同
涉及本地生活、電商、商品選購的「交易型提問」，部分引擎的答案直接來自自家生態（商家庫、商品卡片、地圖點位），不引用外部網頁；而行業知識、B2B 方案、品牌口碑等「知識型提問」，外部信源仍是主要依據。因此同一引擎在不同提問類型下的引用數不可相互比較——某類問題引用少，可能只是該場景走了生態閉環，不代表你的內容質量差。本平台按提問類型分別呈現，不做跨類型合併。 -
搜尋排名不等於被 AI 引用
大數據研究顯示：ChatGPT 約 88.46% 的引用 URL 來自其搜尋檢索路徑（先被索引才有資格被引用），但 Google AI Overview 的引用來源裡自然結果前 10 位只佔約 37.9%，其餘來自第 11–100 位及 100 名之外（Ahrefs 2026 年 3 月對 400 萬 URL 的分析；該機構 2025 年同類分析為約 76%，一年多內變化逾一倍，說明這類比例本身也需帶時點閱讀）。所以「排名第一」既不是被引用的必要條件也不是充分條件。本平台只統計 AI 回答裡實際出現的引用，不把搜尋排名當代理指標。
不能推出什麼
五、這些數字不能推出什麼
- API 取樣結果 ≠ 大眾端所見（介面與消費端產品的策略可能不同）
- 本次未出現 ≠ 不存在（可能只是我們還沒采到，或該引擎沒檢索到）
- 被 AI 引用 ≠ 帶來轉化（從「被提到」到「下單」中間還有落地頁、價格、銷售等環節）
- 趨勢上升 ≠ 是我們的功勞（競品變化、引擎版本更新都會影響結果）
- 跨市場數字不可直接比較（同一「可見率」在不同市場含義不同，須帶口徑一起看）
以上邊界與推導限制，在每份客戶報告的附錄裡都會原文列出——不是只寫在官網上的姿態。完整方法論見測量方法論頁。