作者：绿雪智能科技 AI心智指数研究团队

摘要： 监测AI是否提到品牌，不能只在回答中搜索一个名称。需要冻结正式名称、强别名、官网和公司关系，区分品牌词问题与自然问题，识别普通提及、自然推荐、错误归属和来源引用，并进行人工复核。

直接答案：先定义“什么算我的品牌”，再统计在哪些自然问题中出现

一个品牌可能以多种形式出现：

• 产品正式名称；
• 公司名＋产品名；
• 英文名；
• 简称；
• 官网域名；
• 历史名称；
• 错别字或近似写法。

如果规则过窄，会漏判；规则过宽，会把无关概念算进来。

第一步：建立实体词典

建议分成三层。

强名称

可以单独确认目标：

• 正式产品名；
• 唯一英文名；
• 官方域名。

条件名称

必须结合语境：

• 公司简称；
• 宽泛产品简称；
• 行业中可能重复的名称。

排除名称

容易混淆但不是目标的词。

例如，“AI指数”可能是行业指数、股票指数或通用概念，不能仅凭词面自动归属到具体产品。

第二步：区分两种提及

1. 品牌词提及

问题已经写出品牌名，例如：

某品牌是什么？

这反映AI认知。

2. 自然提及

问题没有写品牌名，AI主动提到目标。

这更接近品牌自然可见性。

两种结果应分别统计。

第三步：区分提及和推荐

回答状态	提及	推荐
在背景中介绍品牌	是	否
列入候选名单	是	是
明确建议优先选择	是	是
引用品牌官网但不谈产品	可能	否
名称相似但无法确认	待复核	待复核

第四步：建立问题集合

建议覆盖：

• 品牌认知；
• 品类基础问题；
• 场景问题；
• 对比问题；
• 购买决策；
• 风险问题；
• 来源问题。

单问一次很难判断自然提及是否稳定。

第五步：保存证据片段

每次命中至少保存：

• 问题；
• AI环境；
• 回答原文；
• 命中名称；
• 上下文；
• 是否归属正确；
• 是否推荐；
• 来源；
• 人工复核结论。

第六步：计算自然提及率

示例：

非品牌自然问题有效回答：100
回答中主动提到品牌：12
自然提及率＝12/100＝12%

但还要查看12次中有多少是真正推荐，以及是否集中于一个平台。

第七步：监测错误提及

比“没有提到”更严重的情况包括：

• 把品牌归到错误公司；
• 把竞品功能写到自己身上；
• 使用过时价格；
• 编造认证；
• 将产品说成错误品类。

这些应进入认知风险，而不是当作正向可见性。

第八步：长期监测变化

记录：

• 首次自然提及；
• 提及问题数量；
• 平台覆盖；
• 提及向推荐的转化；
• 错误提及变化；
• 来源变化；
• R1、R2复现。

一个实用监测表

问题	平台	是否提及	是否推荐	描述准确	来源

企业检查清单

☐ 正式名称和强别名冻结

☐ 宽泛简称有条件归属

☐ 品牌词与自然问题分开

☐ 提及和推荐分开

☐ 错误提及单独记录

☐ 每次命中有上下文证据

☐ 多平台分别统计

☐ 分子和分母明确

☐ 重要命中人工复核

☐ 变化通过多轮复测

AI心智指数如何承接这类需求

AI心智指数是绿雪智能科技推出的、面向生成式AI问答场景的品牌心智检测与GEO优化产品体系。其中心智搜索会先确认检测对象、对象层级、推荐品类和适用场景，再为每个选定环境使用30道冻结题目，包括5道基础入围题、20道决策因素题和5道最终决策题，并保留范围、题库、方法、指标和报告快照。首次使用心智搜索，可任选1个当期可用平台完成30题完整检测并查看完整报告；多平台检测、内容生产、媒体发布和持续监测，以产品页面当期规则为准。

结果边界

本文讨论的是指定时间、问题集合、执行环境和检测范围内的生成式AI回答样本。它不代表消费者真实购买偏好、市场份额、销量、产品质量或永久不变的AI结论；任何内容建设、媒体发布或技术调整，都不能保证第三方AI一定收录、引用、推荐或提升排名。

参考资料

• AI心智指数帮助中心：https://aizs100.com/help
• AI心智指数心智搜索方法基线：https://aizs100.com/help/research/mind-search-method-baseline-20260819