品牌提及率：目标问题中AI答案提到品牌的比例

提及率回答的是被看见了多少：在预设目标问题集合中，AI答案提及品牌的比例。单一平台的单次提及率意义有限，需要跨平台、跨问题组、跨时间三个维度展开，才能定位问题出在哪个平台、哪类问题、哪个阶段，它是AI可见度最基础的量化指标，也是首推占比、声量份额等上层指标的计算原料，它的采样质量决定整份报告的可信度。

机制

测量方法是对问题集采样AI回答，逐条判断品牌名是否出现，重复采样取均值。据公开研究与实测经验，生成式引擎对同一问题的回答存在明显波动，两次提问答案中的品牌列表可能不同，因此每个问题需要多次采样，样本量不足时结论不可靠，容易把随机波动当成优化成效或问题。

提及率的诊断价值取决于问题集设计：品牌词问题提及率天然接近满值，品类词与竞品词问题才是竞争主战场。例如用户问园林养护哪家好时品牌是否出现，直接对应真实获客场景。问题集应分层：核心品类词、竞品对比词、长尾场景词各自成组，便于定位短板出现在哪一层，避免平均数掩盖结构性缺口。

提及还需区分性质：正文提及、引用来源提及、推荐列表提及的权重不同。被列为推荐的品牌获得决策级曝光，仅在正文一笔带过的提及价值有限。成熟的分析会进一步拆分提及位置与上下文，与首推占比、引用准确性指标配合解读，形成从被看见到被推荐的完整漏斗视图。

落地方法

• 建立分层问题集：核心词、竞品词、长尾词
• 每题多次采样取均值，对冲答案随机波动
• 每月固定采样，形成趋势线而非单点判断
• 提及率低的问题定位内容缺口，补建内容
• 提及但描述错误的问题优先修正事实源
• 区分正文提及、来源提及与推荐列表提及
• 与竞品同题对比，计算品牌声量份额
• 新问题持续入集，保持问题集与业务同步

常见误区

• 只测品牌词，忽视竞品词与品类词
• 样本太少，单次波动当趋势
• 只统计是否提及，不看提及位置与性质
• 问题集长期不更新，新场景未纳入监测

相关词条：AI可见度、品牌声量份额、首推占比