方法与结果
AI心智指数核心术语表
用简明语言理解AI心智指数中的有效样本、自然推荐率、首位推荐率、平均推荐位置、自然位置价值指数、推荐份额、来源和GEO。
更新于 2026年8月19日本页目录
AI心智指数
面向生成式AI问答场景的观察与相对量化评估体系。它用于分析特定对象在指定时间、平台、问题集合和检测环境中的识别、提及、推荐、描述、语义关联、来源及结果稳定性等表现。
AI心智指数不是市场份额、销量、产品质量、消费者满意度或AI平台官方评分。
检测对象
本次需要观察的品牌、业务线、产品线、具体产品、服务、门店、平台、机构、个人或团队。对象层级不同，合理的比较对象和计分归属也可能不同。
检测范围
决定“这次究竟在什么市场、什么场景下测谁”的完整条件，通常包括对象、品类、推荐场景、地区、人群、服务方式、AI平台环境、题库和时间。
范围发生实质变化时，结果默认不能直接比较。
标准化问题集合
围绕同一检测范围建立的问题集合，用于在记录的AI平台环境中形成可比较的回答样本。标准化不表示每次回答完全相同，而是让问题结构和观察口径更清楚。
三层测量
心智搜索采用基础入围、决策因素和最终决策三类独立测量层。标准题库由5道基础入围题、20道决策因素题和5道最终决策题组成，共30题。
三层用于观察不同类型的推荐判断，不应被简单解释为真实消费者必然依次转化的销售漏斗。
五因素框架
决策因素层包含五个相互区分的决策因素，每个因素由4道问题观察。因素的具体名称和含义会依据品类与检测范围生成并冻结，而不是为所有行业套用同一组业务词语。
有效样本
能够用于本次分析的AI回答。技术失败、无回答或与问题完全无关的内容通常不进入正式有效样本。回答没有推荐任何对象，并不当然无效；只要它给出了可分析的判断，仍可以成为有效样本。
实体识别与名称归一
系统保留回答中的原始名称，同时将合理的名称变体归入标准对象，减少简称、英文名或不同写法造成的重复统计。品牌、产品线、具体型号、门店或个人等不同层级不能仅因名称相关就被机械合并。
提及率
观察目标对象在有效AI回答中被明确提及的情况。背景性提及不必然构成推荐。
自然推荐率／有效推荐率
观察目标对象在有效回答中进入主要推荐或条件推荐候选的情况。它表示本次问题样本中的推荐表现，不是消费者购买概率。
高位推荐率
观察目标对象进入推荐候选后是否处于靠前位置。“高位”的范围由对应方法版本定义。排序证据不足时，不应把空值或样本不足解释成确定的0%。
推荐份额
观察目标对象在本次有效推荐候选集合中所占的相对份额。它不是市场份额，也不是回答篇幅或网络流量份额。
明确排名
只有回答明确表达“第一”“首选”或稳定的有序推荐时，才记录明确排名。普通编号列表不一定代表推荐强弱顺序。
自然位置
对象在可识别推荐名单中的出现次序。自然位置与明确排名是两种不同证据，报告中应分开解释。
首位推荐率
目标对象处于自然推荐名单第1位的有效回答数，占全部有效回答数的比例。未推荐目标对象的有效回答仍计入分母。
它不是“目标被推荐后排第一的比例”，也不是AI明确宣布目标为第一名的比例。后者属于明确排名口径。
平均推荐位置
目标对象进入推荐名单且自然位置可识别时，所有自然位置的算术平均值。数值越低表示出现位置越靠前。
未推荐目标对象的回答不进入这个平均数，因此必须同时查看自然推荐率以及位置样本数或位置覆盖率，不能只凭平均推荐位置判断整体表现。
自然位置价值指数
同时考虑目标进入推荐名单的频率和自然出现位置的0—1指标。目标未被推荐时，该条有效回答的位置价值为0；目标位于第position位时，位置价值为1/log2(position+1)；最后以全部有效回答为分母计算平均值。
数值越高，表示目标在本次有效样本中更经常进入推荐名单，并且自然位置整体更靠前。它不是AI明确排名、市场份额、购买概率或流量份额。位置覆盖不完整时应显示暂无完整位置数据，而不是0。
推荐关系
用于描述对象在回答中的推荐状态，例如主要推荐、条件推荐、仅提及或明确不推荐。目标没有出现时，也可以在目标对象的单条回答结果中记录为未出现。
来源与引用
搜索返回、模型在生成时参考的来源和回答正文明确引用的来源是不同口径。只有系统能够确认的状态才适合展示；无法确认时应留空，而不是推测。
平台差异
同一问题在不同AI平台环境中出现实质不同的推荐结果。平台差异反映回答表现的不同，不等于对AI平台能力作优劣排名。
冻结题库与结果快照
在正式执行或发布时保存题库、范围、方法和结果版本，使报告能够对应到当时的真实数据。方法更新或重新计算时，应形成新版本，而不是无说明地改写历史结果。
同口径复测
在后续时间使用相同或可比的对象、范围、问题结构、平台环境和方法进行再次检测。复测用于观察变化；没有对照设计时，不能仅凭前后差异证明某项工作产生了确定因果。
GEO
GEO通常指生成式引擎优化。它通过改善公开信息的可发现性、可理解性、一致性和可验证性，增加品牌被AI准确理解、引用和进入适当推荐候选的机会。
GEO不是操控模型，也不保证AI收录、引用、推荐或排名。