引用份额：怎么量“AI 提到了我”

月会上，一家做智能宠物饮水机的出海团队放出一页 PPT：AI 提及率连着三个月上涨，申请追加内容预算。负责人把原始答案调出来，第一页就露了：AI 在答案末尾列了九个来源，他们的博客排第七，正文从头到尾没出现品牌名；另一条答案引了十四个来源，他们也在里面。被提到的次数确实多了，可每次在答案里的位置没变，分母还翻了一倍。

“AI 提到了我”不是一个数字，而是一个分数：分子是你在答案里占到的位置，分母是这次采样里被引用的全部来源；只数提及会把噪声当成绩，只数绝对次数会被分母的变化骗。

提及、引用、推荐是三份不同的证据

判断：三者不是同一个指标的三档说法，判定方式、分母和能推出的结论都不同；混着报，等于把三把尺子的读数相加。

层级	在答案里长什么样	判定标准	记进哪个分子
提及	品牌名出现在正文或列表里	字符串命中，无链接、无描述	提及数
引用	答案给出可点开的来源 URL	域名加具体页面，买家能点开核对	引用位
推荐	进候选、对比或结论句，并给出理由	品牌名与限定场景同现，附排除条件	推荐位

最容易做错的是引用。答案末尾那串来源是模型为了“可核查”堆上去的，只说明它读过你，不说明它用你回答了什么。判“这条算不算引用”，看正文有没有句子与那个来源对应；对不上，只能记成提及。

推荐更难判，也最值钱。判据是两个同时出现：品牌名与具体场景或约束绑在一起，例如“适合多猫家庭、拆洗方便”；以及一个排除条件，例如“但水箱偏小，不适合大型犬”。只夸不排的句子，买家读完仍无法决策，记成引用就够了。

分母在动：份额最容易被算错的地方

判断：引用份额是相对指标，分母由别的东西决定；AI 多说一句话，你的份额就可能腰斩，而你一次都没少被引。

同一条 prompt，答案从引 6 个来源变成 12 个，你的份额会凭空掉一半。不是模型不重视你，是它换了回答结构。反过来，答案变短、只引 3 个来源时，份额会涨，但被买家看到的绝对次数并没有增加。只报百分比，这两种情况都会被读成“变好”或“变差”。

三条纪律。第一，每次采样记下这条答案的来源总数，分子分母一起存，别只存结果。第二，报两个数并排：被引用的答案条数（绝对量）与引用份额（相对量），单独出现都不可信。第三，按引擎分开算，不合并。AI Overviews、聊天助手、平台内搜索的答案长度与来源结构差别很大，合并成一个“总份额”，等于把三把尺子取平均，既不可比，也无法归因。

还有一层加权。prompt 不能等权：高意图的“这个品类买哪个”与知识型的“怎么保养”，商业价值差着量级。品牌问、对比问、场景问分组给权重，权重来自成交结构而不是感觉；否则份额会被低价值长尾拉平，看着稳定，实际没有信息量。

采样：多小的样本会骗你

判断：份额是比例，比例在小样本上极不稳定；先算误差区间，再决定这个月的涨跌值不值得开会。

30 条 prompt、3 个引擎、每条问 3 次，一共 270 条答案，分到单个引擎只剩 90 条。若被引的答案占采样的 20% 上下，90 个样本的 95% 区间大约正负 8 个百分点（示例，按二项分布粗算）。意思是：25% 涨到 31% 属于噪声，不值得复盘；30% 涨到 52% 才是动作起了作用。样本量不翻到四倍，就别把小数点后的变化写进月报。

采样纪律与建基线时相同：prompt 冻结、编号不改；同一地区、同一界面语言；至少间隔一天重复问；不登录、不用个性化账号；每条存原文与引用 URL。竞品集也要固定，4 到 6 个，即自己加 3 到 5 个同价位、同场景的直接对手。中途换对手等于换赛道，前后不可比；真要换，就整季重算一次基线。

示例：提及在涨，份额在跌

以下品牌与数字均为虚构，只用于演示算法。

月份	采样答案	提及答案	被引次数	进推荐	平均来源数	引用份额
1 月	90	16	9	2	7.1	9/639 ≈ 1.4%
2 月	90	21	11	2	9.6	11/864 ≈ 1.3%
3 月	90	27	14	3	12.4	14/1116 ≈ 1.3%

三个月里提及答案从 16 条涨到 27 条，引用份额从 1.4% 掉到 1.3%。结论不是“变差”，而是曝光有效、证据没跟上：被引次数从 9 次涨到 14 次，来源位涨得更快，新增的位置被评测站和论坛拿走了。

这时该做的不是再发二十篇长文，而是让被引的那几个页面更“好摘”：一句能独立成立的结论、一张可对照的参数表、一条第三方能核对的认证编号。参数怎么写成证据，见把参数写成证据；为什么有些品类天生更吃证据，见什么品类最吃证据。

五步：把引用份额做成月度指标

步骤	做什么	谁来做	怎么算过
1 定赛道	固定 4–6 个竞品，prompt 按问题类型分组	增长	每题有归属组，竞品集写进文档
2 判层	每条答案打三个勾，记来源总数	运营	每个引用都能指到正文对应句
3 算份额	分引擎、按组加权，绝对量与份额并排	增长	表里没有合并的“总份额”
4 读落差	三种落差各指一个修法	内容 + 技术 + 运营	每条落差落到页面、字段或条款
5 只改一层	下月用同一批 prompt 复测	负责人	编号表未改，样本量未缩

落差怎么读，是一张对照判断，不是猜。提及高、引用低，说明页面没有可单独摘走的句子；引用高、推荐低，说明缺第三方印证，你自己说好不算；推荐高、成交低，问题通常不在内容，而在价格、时效与退货条款接不住。三种落差分别落到内容、技术、运营三处。份额还要和四个信任前提一起看，缺一条，涨上去也会掉回来。

边界：什么时候份额不该进看板

第一，品类提问量太小。一个月只有个位数真实提问，分母本身就在抖，做趋势是自欺，只能做定性记录。

第二，平台内 AI 不可复现。购物助手随账号、地区、会话变化，同一问题两次答案不同，只记“是否出现、以什么理由出现”，不算份额。

第三，品牌还处在“AI 完全不知道”的阶段。份额是 0，怎么算都是 0，先解决实体是否存在，再谈份额。

第四，答案整体在变长。各引擎都在往答案里塞更多来源，全行业的引用位分母一起膨胀，你的份额持平其实已经是进步——这时看绝对被引条数与推荐位次，而不是百分比。

第五，把份额当 KPI 发给内容团队。份额是结构指标，内容的直接交付物是“这段能不能被摘走”；用份额考核内容，只会逼团队去追短答案，最后赢了一个虚高的分母，输掉可核对的证据。还有一类隐性误差：品牌被提到了，但型号、容量说错，份额会虚高，先看实体覆盖率把“认得出”和“说得对”分开。

这条线归度量与增长：份额的产出是“这个月先改哪一层”的判断，不是一张好看的趋势图。

这个月先做一件事：把最近 30 天客服记录里的真实问题抄成 30 条带编号的 prompt，选一个引擎、一个市场、一个语言，每条问三次，只记四个数——被提及的答案数、被引用的答案数、进推荐的答案数、这条答案的来源总数。四个数记满一个月，你才会知道那条上涨曲线是真的，还是分母在替它撑场面。