“上周问了一次没有，这周问了一次有，是不是变好了？”这类判断在 AI 搜索里几乎必然出错。生成式答案有随机性，单次提问只能算一个样本，不能算一次测量。
出现率怎么算
固定一组问题，在每个平台按相同条件重复提问若干次，统计品牌出现的次数占比，再按出现位置分层：首位、前三、前五。三个数字放在一起，才能看出是“偶尔被提到”还是“稳定在前列”。
为什么要标波动区间
样本量有限时，比例本身带有误差。把区间标出来，团队就不会因为 3 个百分点的变化紧急加稿，也不会忽略真正幅度的下滑。这是把监测做成决策依据的前提。
曲线怎么读
- 对照内容发布时间，看哪次更新带来了持续变化；
- 对照平台版本更新，区分自身问题与平台调整；
- 对照竞品曲线，判断是答案位被抢占还是整体收缩。
能被复核的数字，才有资格进入预算讨论。
Advantages
核心优势
固定样本重复提问
同一问题在相同条件下多次提问，用出现次数计算比例，降低单次生成的偶然性。
位置分层统计
区分首位、前三与前五，避免把“出现过一次”当成稳定占位。
波动区间标注
给出置信区间，明确多少变化属于正常波动，多少才是真实下滑。
周度趋势曲线
按周输出曲线，配合内容发布节奏标注，便于判断哪次动作真正起了作用。
Process
服务流程
标准化交付流程，每一步都有明确产出与验收标准。
-
01
问题库确认
从真实咨询与搜索词中提炼问题，固定数量与分组方式。
-
02
重复采样
按平台设定重复次数与间隔，记录每次答案与出现位置。
-
03
统计与校验
计算出现比例与区间，人工抽查异常样本，剔除无效记录。
-
04
曲线输出
生成周度曲线与明细表，标注内容动作与平台更新事件。
Scenarios
适用场景
- 需要判断提及率变化是否真实
- 单次提问结果波动太大
- 要向客户或管理层展示周度进展
- 内容上线后需要验证是否起效
- 多个产品线需要统一口径对比
为什么同一天问两次结果不一样？
生成式答案本身有随机性，检索范围与排序也可能微调。单次结果只能当样本，不能当结论，所以我们用重复采样算比例并标注波动区间。
出现率和提及率是一回事吗？
接近但不完全相同。出现率强调在固定样本中的出现频率与稳定性，提及率更常被用作跨平台汇总指标。我们把口径写清楚，避免同名不同算法。
样本库多久更新一次？
建议每季度审一次，替换失效问题、补充新场景，但更新后要重算基线，否则曲线会出现无法解释的断点。
GEO · Growth Engine
想了解「品牌出现率」是否适合你的品牌？
留下品牌与目标，我们先给出可见度基线判断，再给出服务建议。