AI 品牌提及率是什么？公式、分母与三个常见误用（2026）
AI 品牌提及率（也写作品牌 AI 提及率）= 提到本品牌的成功回答数 ÷ 成功回答总数 × 100%。 它衡量的是：在你的那批问题里，AI 有多少比例的回答正文提到了你。分母是成功回答数，不是计划采样数，也不是全部回答数——这个分母一旦换了，数字就不再可比。
定义：只看回答正文
AI 品牌提及率 = 正文提到本品牌的成功回答数 ÷ 成功回答总数 × 100%。 下文统一写「AI 品牌提及率」，也简称品牌提及率。
分子只看回答正文：品牌名或已配置的别名出现，才算提及。平台返回的来源列表里出现品牌名、正文却没提到，不算提及——它单独记成「被引用但未被提及」，是一个并列的独立计数。
一个可以复算的算例
| 项目 | 数值 | 说明 |
|---|---|---|
| 计划采样 | 48 次 | 6 个平台入口 × 8 个问题 |
| 成功回答 | 40 条 | 8 条失败、超时或被平台拒绝，不计入 |
| 正文提及 | 14 条 | 品牌名或别名出现在回答正文 |
| 提及率 | 35.0% | 14 ÷ 40 |
| 被引用但未被提及 | 3 条 | 来源列表命中、正文未提，独立计数 |
失败的那 8 条不进分母。它们既不是「提到」，也不是「没提到」，把它们塞进分母会把提及率算低。
三个会让数字失真的做法
- 把来源列表命中算成提及：这会把「AI 检索到了你」误读成「AI 说了你」，通常会让比率虚高。
- 用带品牌名的提问去测：问题本身写了「XX 品牌怎么样」，回答提到你是被问出来的，不是自然生成的。这类题目要单列，不能与非品牌词题目混算。
- 把不同问题的比率直接平均：每条问题的提及率是二项分布，样本少时波动很大。正确做法是先合并分子分母再算比率，而不是对若干个百分比取平均。
样本量少于 30 条时不要下结论
一条问题的回答只有「提到」与「没提到」两种结果，样本量小的时候，比率主要由随机性决定。少于 30 条有效样本时，我们不把百分比写进报告结论，只给出原始记录。
要判断「变化是不是真的」，看的是同一批问题在两次检测里的分布差异，而不是两个百分比之差。
依据与出处
行业里对「提及」的用法也和本站不同：有的工具把「被命名」与「有链接」混在一起统计。Profound 的术语表把提及定义为与链接无关的一次命名，并直接说它是声量份额的原料（境外厂商口径，仅作参考）：
Mentions are the raw material of share of voice, and a mention without a link still moves a shortlist.
出处：Profound《AI Search Glossary》（境外厂商，仅作参考）
边界
- 提及率描述的是检测当时、在配置的平台与入口上平台返回了什么，不代表市场份额、品牌认知或用户信任。
- 不同平台、不同问题集、不同入口算出的提及率不能直接横向比较；比较之前必须先对齐问题集与分母口径。
常见追问
- AI 提及率和 AI 率检测是同一件事吗？
- 不是。品牌 AI 提及率统计的是品牌在 AI 回答正文里被提到的比例；AI 率检测（AIGC 检测率）判断的是一段内容是否由 AI 生成。两者判定对象、分母和数据来源都不同，不能互相替代。
- 为什么分母用「成功回答」而不是「计划采样」？
- 失败、超时或被平台拒绝的采样没有产生回答，既不能算提到也不能算没提到。把它们放进分母等于把「没测到」当成「没提到」，会系统性地压低提及率。失败量在任务详情里单独列出。
- 一个品牌在同一批问题里的提及率，能和其他品牌比吗？
- 只有当两个品牌用完全相同的问题集、平台、入口与时间窗口时才能比。任一项不同，分母就不同，比率不可比。跨品牌比较更可靠的做法是看同一批回答里的相对分布，而不是比两个百分比。
- 提到几次算一次提及？
- 按回答计，不按次数计。同一条回答里品牌名出现十次，也只算这一条回答被提及。这样处理是因为客户关心的通常是「有多少条回答提到了我」，而不是词频。
这一页说明的是方法与口径，不构成效果承诺。需要看你自己的品牌在 AI 回答里的实际记录，可以注册后跑一次检测。