很多品牌AI报告都会出现三个词：
- 提及率；
- 推荐率；
- 引用率。
它们看起来相近，却回答完全不同的问题。
如果把三者混在一起，企业很容易出现错误判断：
- AI说到了品牌，就认为获得推荐；
- 官网被引用，就认为产品进入候选；
- 推荐率低，就认为品牌完全没有AI认知；
- 引用次数多，就认为产品能力更强。
正确理解三个指标，是开展GEO检测和优化的基础。
一、提及率回答什么问题
提及率观察：
在有效回答中，目标品牌是否被明确说到。
简化公式：
提及率
＝明确出现目标实体的有效回答数
÷适用的有效回答总数
例如AI回答：
市场上还有A品牌、B品牌和一些新兴产品。
A和B都被提及。
但回答没有说明是否推荐，也没有说明适合什么场景。
提及率的价值
- 判断AI是否认识品牌；
- 观察品牌与某个品类是否有关联；
- 发现名称、公司和产品关系；
- 检查品牌是否在知识解释中出现。
提及率的局限
品牌被负面评价、作为反例或顺带提到，也可能构成提及。
因此，提及率不代表推荐倾向。
二、推荐率回答什么问题
推荐率观察：
在用户提出真实选择需求时，目标是否进入了AI给出的建议候选。
例如：
如果重视持续监测，可以考虑A；预算有限时也可以了解B。
A和B进入推荐候选。
简化公式：
AI有效推荐率
＝目标进入推荐候选的有效回答数
÷用于该指标的有效回答总数
推荐率比提及率更接近决策
因为它反映品牌是否进入用户可能看到的选择列表。
但推荐率仍然不能等同于真实购买概率。
AI回答是信息环境中的建议样本，不是消费者行为数据。
三、引用率回答什么问题
引用率观察：
AI回答是否将某个页面、域名或来源作为可观察参考信息。
来源可能是：
- 品牌官网；
- 新闻媒体； -行业报告；
- 技术社区；
- 第三方评测；
- 政府或权威机构。
引用率需要先定义：
- 统计所有来源，还是只统计官网；
- 统计来源记录，还是正文可核验URL；
- 哪些AI环境具备可观察来源；
- 分母是全部回答还是可观察回答。
为什么引用率最容易被误用
不同AI环境返回来源的方式不同。
有的明确给出URL，有的只显示标记，有的可能提供搜索结果列表，但无法确认最终答案实际采用了哪个页面。
因此：
来源记录 ≠ 正文引用 ≠ 可核验URL
无法核验的标记不应被猜测成具体链接。
四、三个指标之间是什么关系
可以用一个简单漏斗理解，但不能把它当作固定因果：
可能被引用
↓
可能被提及
↓
可能进入候选
↓
可能被优先推荐
现实中并不总按这个顺序发生。
被引用但未被提及
AI引用品牌官网中的行业定义，却没有在答案里说出品牌。
被提及但未被推荐
AI说“市场上还有A品牌”，但最终推荐B和C。
被推荐但没有公开引用
AI可能推荐品牌，却没有展示具体来源URL。
所以三个指标应分别呈现。
五、再加两个重要指标
高位推荐率
观察品牌是否进入候选名单中预先定义的高位位置。
品牌偶尔排在第五，与反复排在前二，推荐强度不同。
推荐份额
观察目标在全部候选位置中的占比：
推荐份额
＝目标候选出现次数
÷全部有效候选出现次数
推荐份额不能叫市场份额。
六、不同业务阶段该看哪个指标
品牌刚上线
优先看：
- 名称识别；
- 品类准确性；
- 提及；
- 基础入围。
品牌已有认知但推荐弱
优先看：
- 推荐率；
- 高位推荐；
- 决策因素；
- 最终决策；
- 竞品差距。
已经开展内容和信源建设
同时看：
- 可核验来源；
- 官网来源覆盖；
- 推荐变化；
- R1和R2复现；
- AI引荐流量。
七、一个完整例子
假设100条有效回答中：
- 30条提到品牌；
- 12条把品牌列入候选；
- 4条把品牌列在前二；
- 8条展示品牌官网为可核验来源。
可以表示为：
提及率：30/100＝30%
推荐率：12/100＝12%
高位推荐率：4/100＝4%
官网来源覆盖：8/可观察来源回答数
这里不能直接得出：
- 30%的用户认识品牌；
- 12%的用户会购买；
- 官网引用提高一定会带来推荐。
它只描述本次回答样本。
八、优化动作如何对应指标
| 指标问题 | 可能的优先动作 |
|---|---|
| 提及率低 | 完善实体、品类和基础事实 |
| 提及高、推荐低 | 补充适用场景、决策因素和案例 |
| 推荐有、位置低 | 强化差异、证据和特定人群匹配 |
| 官网引用低 | 检查页面可发现性和原始事实页 |
| 引用高、推荐低 | 补充产品选择理由，而非继续堆知识 |
| 平台差异大 | 分平台分析问题和来源 |
九、报告中必须写清楚的口径
每一个数值至少需要绑定：
- 指标定义；
- 分子；
- 分母；
- 有效样本；
- 检测时间；
- 对象和品类；
- AI环境；
- 方法版本；
- 不适用和无数据处理。
样本不可观察时，应显示“无数据”或“样本不足”，而不是强制显示0%。
十、最常见的五个错误
- 把所有名称出现都算推荐；
- 把数据库来源记录都算引用；
- 把推荐份额称为市场份额；
- 用不同分母的指标直接横向比较；
- 只公布百分比，不公布分子和分母。
结论
提及率回答“AI是否说到品牌”，推荐率回答“AI是否把品牌列入候选”，引用率回答“AI是否展示了可核验来源”。
三者都重要，但不能互相替代。
对企业而言，最有效的分析通常是：
先检查品牌是否被准确理解
↓
再观察是否进入自然候选
↓
分析推荐位置和竞品理由
↓
核验哪些页面成为来源
↓
完成内容建设后同口径复测