AI 答案里的品牌份额：怎么测才不会自欺

一句话：AI 答案里的品牌份额，是指在一组固定的买家问题中，生成式引擎点名你的品牌的比例——同一组问题、同一批竞品、每次用同样的方式跑。

定义不难，难的是拿到一个敢在客户面前展开的数字。这个品类里每个看板都在报「份额」，而其中大多数比真相高。下面四种失真我们最熟，因为我们自己的产品四种全犯过，一个一个修回来的。

失真一：问题里带了自己的品牌名

如果问题是「Acme 靠谱吗」，答案当然会出现 Acme。那不是可见度，那是回声。由 LLM 自动生成的问题集会自己往这个方向漂——我们的生成器曾经产出 15 道题，其中 13 道带品牌名，五个引擎跑出来齐刷刷 13%，而真实值是 0。

自指问题除了证明引擎读得懂题目之外什么都没测到。分子分母都要排除它，而且要在生成环节就排除，不能只在打分环节排除。

修复必须落在三处：生成提示词要明确要求不许写这种题；确定性过滤要兜住它仍然写出来的；兜底模板集本身要干净。只有过滤没有前两层，额度照样烧在你马上要丢掉的问题上。

失真二：对自己和对竞品用不同的判定

典型写法：自己按子串匹配，竞品按全名匹配；或者自己走 LLM 判定，竞品走词表判定；又或者归一化把「Acme」和「Acme Systems」合并成一个实体，却让竞品被拆成两行。

任何不对称都朝同一个方向偏，因为你是盯着自己的名字写的这段检测。规矩是：同一段代码、同一遍扫描，判定集合里每一个品牌的出现与否——并且平局判给对方，不判给自己。

失真三：把负面提及算成出现

一句「Acme 常被诟病 X，所以多数买家选择 Y」确实包含你的品牌。算不算，取决于这个数字要回答什么问题。提及率和推荐率回答的是两件事，把它们并成一列，恰好在最要紧的时刻——竞品对比开始对你不利的那一刻——让指标失效。

拆成两列报。一个品牌完全可能在 40% 的答案里被提到，只在 4% 的答案里被推荐。

失真四：把「没测」画成 0

没跑成的问题、超时的引擎、没有排期的那一周，都不是 0。画成 0% 会把所有均值往下拽，让一条本来平的曲线看起来在下跌；留空才是实话。这条听着迂腐，直到客户问你「为什么这周分数掉了」，而那周根本没采集。

怎么算出一个敢展开的数字

这些规矩都不会让数字更好看。它们只让数字在被人核对时活下来——而一旦有人为它付钱，这就是唯一重要的性质。