測量方法論
測量方法論
這一頁說明我們的數字是怎麼來的、能證明什麼、以及不能證明什麼。它同時以「資料來源附錄」的形式附在每份報告末尾——公開說明與報告內容出自同一套定義，不另立標準。
為什麼公開方法論
客戶拿到的報告裡每個數字都應當可以被追問來源。把方法公開、把邊界寫明，比任何「保證排名」的說法都更有價值——因為它是可核驗的。
一、資料是怎麼採到的
同一份報告裡可能混有多種採集方式。它們的可復現性不同，因此不會合併成同一條趨勢線。
| 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。 |
二、指標的四層口徑
只看前兩層是自欺欺人：被提到不等於被信任，被信任不等於有轉化。
曝光層 · AI 可見度
AI 回答中提及你品牌的問題佔比
回答「AI 知不知道你」。分母只收已判定的樣本；表述不清或未取到的樣本單列披露、不進分母。
認知層 · 引用率
AI 以你為資訊來源的比例
回答「提到你 ≠ 信你」。被引用才說明內容被當作依據。
信任層 · 首推率
AI 把你排在第一順位的問題佔比
回答「推不推薦你」。這是四層裡最接近推薦的一層，但仍不等於客戶會下單。
轉化層 · 有效詢盤
近期有效詢盤數（含來自 AI 的線索）
回答「客戶找不找你」。這一層的數字來自你自己的線索渠道，不由取樣得出。
三、當前覆蓋的引擎
清單取自平台實際接入配置（不是宣傳口徑），並按採集通道分組——可自動取樣的、經第三方介面的、需要人工的、以及已登記尚未接入的，各自如實列出。不同市場的引擎生態不同，未覆蓋的市場會明確標註「本市場未覆蓋」，不用其他語言的資料填數字。
其中 15 個可自動取樣（官方 API 真機 14 個 + 服務端介面採集 1 個；平台共登記 19 個引擎）。本頁把全部登記項一併列出，便於逐條核對。
官方 API 真機取樣 （14）
可復現：相同條件下重跑能得到一致結果。
服務端介面採集 （1）
自動執行但不可復現（受登入態/灰度/頁面版本影響）：平台自備賬號在伺服器上模擬真實介面提問。該引擎無官方 API，故不歸入上方的「官方 API 真機取樣」。
人工錄入通道 （3）
該引擎無可程式設計訪問通道，由人工整理錄入，標註來源、不冒充自動取樣。
已登記、尚未接入 （1）
已列入觀察名單但尚無可靠資料來源或呼叫通道——不計入任何覆蓋數字，接入後再納入統計。
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。
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）
六、我們不做哪些事
把不做的事寫清楚，比把能做的事寫滿更有用——以下每一條都在系統裡有對應的實現約束，不是宣告。
-
不儲存你在任何平台的登入密碼
不儲存、不索取、不代持。需要儲存密碼才能釋出的平台，我們寧可停用整條通道（如 Reddit 改為桌面端本機發布），也不降低這條標準。可撤銷的 OAuth 授權令牌不在此列——撤銷權始終在你手上。
-
不為 UGC 平台出「去哪裡說什麼」的行動清單
對社群平台我們只做監測與自有資產糾錯。清單式功能在功能上等於規模化部署手冊，即使每個動作都由人工執行也不改變這個性質。
-
不承諾排名、不承諾被引用
AI 的回答是每次現算的機率結果，不存在可被鎖定的位置。任何「保證做到第一／保證被引用」的說法都不符合技術事實，也不符合反不正當競爭法的要求。報告質量門會自動檢查正文是否出現這類絕對化承諾。
-
不暗示「加了結構化資料就會被 AI 引用」
Google 官方明確無需為此建立特殊 schema。結構化資料的作用是如實描述頁面上的事實，被引用的原因是內容本身可被抓取且可信——不是某個標籤的功勞。我們也不會替你宣告我們並不知道的事（例如庫存狀態）。
-
不由 AI 生成技術事實與合規結論
適配引數、認證編號、法規適用性這類客戶會照著執行的資訊，只能來自你的源資料或可核驗的官方來源；AI 只負責包裝與翻譯。市場禁忌條目必須帶來源、複核人與複核日期三者齊全才能錄入——LLM 無法偽造這個組合。
-
不提供沒有出處的合規規則
每一條市場禁忌與監管節點都必須可追溯到具體來源並註明複核人。沒有來源的規則不作為攔截依據——寧可少攔，也不拿不明來源的規則擋住你的正常內容。