METRICS

提及率(Mention Rate)

固定排列的相同空心容器,部分盛有发光液体,其余为空,象征提及率中固定问题集(分母)与品牌提及比例(分子)的关系。
提及率是固定问题集中AI答案提及品牌的比例,其可比性取决于分母是否固定。

一句话说明

提及率是在一组固定问题里,AI 答案提到某个品牌的比例;它的可比性完全取决于分母是否固定。

提及率回答的是最基础的那个问题:用户问到这类需求时,AI 会不会说出你的名字。它是一个比例,分子是提到品牌的答案数,分母是问题集 × 平台 × 采样次数 —— 分母定不清楚,这个数就没法跨月比较,也没法跟别人比。

我们的判断

提及率是入门指标,不是结果指标。它只说明品牌进没进候选名单,不说明有没有带来访问与转化 —— 所以它该和自然流量放在一起看,不该单独作为项目的成败判据。

01

怎么算

提及率 = 提到该品牌的答案数 ÷ 总答案数。总答案数 = 问题数 × 平台数 × 采样次数。

分母必须先固定下来再开始跑。问题集中途增删、平台中途增减、采样次数不一致,前后两个月的数就不是一回事 —— 这是这个指标最常见的失效方式,比取数误差严重得多。

监控用的问题集与选题用的问题库要分开:监控库固定不动以保证可比,选题库可以持续扩充。两者混用会让分母一直在变。

02

怎么取数

同一个问题在不同设备、不同地区、不同账号下拿到的答案可能不同,所以单次采样的结果没有意义,要多次采样取比例。

判定「提到了」需要字面串匹配与语义判定双向复核。只做字面匹配会把同名的其他事物算进来;只做语义判定会漏掉答案表格里被粘连的写法(例如品牌名与上下文连成一串)。

答案里同时出现多个品牌是常态,提及率不是零和的 —— 一个答案可以同时给几个品牌记上提及。

03

三种常见误读

误读一:把提及率当市场份额。它衡量的是「AI 说没说到你」,与实际成交份额没有直接换算关系。

误读二:拿累计口径和当月口径比。累计窗口拉长后,几乎所有品牌都会趋近 100%,区分度消失;对外汇报应统一用日均或当月口径,并在表头写明。

误读三:只看总体不看分平台。不同平台的引用源结构差别很大,总体提及率上升可能只是某一个平台的变化。

本页用到的数据

不足 5%

单一平台上最常被引域名的引用占比上限

出处Evertune,2 亿条 prompt,2026

0.1 次

该品类中排名 11 位之后的关键词每词月点击

出处我们对该品类一个头部站点 4,074 个非品牌词的逐词统计(排 1–3 位为 13.1 次、4–10 位为 3.4 次),2026-06

资料出处

  1. [1]GEO: Generative Engine Optimization.Aggarwal et al., KDD 2024.2024

更新于 2026-08-10