AI推荐率是什么？如何计算、解释和避免误用
作者：绿雪智能科技 AI心智指数研究团队
摘要： AI推荐率通常指目标品牌在指定问题、时间、场景和AI环境的有效回答中，进入自然推荐候选的比例。它必须同时披露分子、分母、题库、有效样本和方法，不能解释为销量、市场份额或消费者购买概率。
直接定义
AI有效推荐率
＝目标进入自然推荐候选的有效回答数
÷有效回答总数
关键词是：
- 自然需求；
- 推荐候选；
- 有效回答；
- 指定范围。
一个计算示例
计划回答：120
成功返回：120
范围错位：4
有效回答：116
目标进入候选：8
则：
AI有效推荐率＝8/116≈6.9%
正确报告方式应写：
在本次范围和时间内，目标在116条有效回答中的8条进入自然推荐候选，有效推荐率约6.9%。
什么算推荐
计入
- 明确列入候选；
- 明确建议考虑；
- 在符合场景的比较中作为推荐对象。
不直接计入
- 普通提及；
- 背景介绍；
- 只引用官网；
- 问题已写目标名；
- 名称相似但无法归属。
为什么分母非常重要
如果把调用失败和范围错位也计入分母，推荐率会被低估。
如果删除所有未推荐的有效回答，推荐率会被虚高。
应分别记录：
- 技术失败；
- 无数据；
- 解析失败；
- 范围错位；
- 有效未命中；
- 有效命中。
推荐率和提及率的区别
提及率
品牌在回答中出现。
推荐率
品牌进入符合需求的候选或被建议选择。
所有推荐通常包含提及，但提及不一定构成推荐。
推荐率和引用率的区别
AI可以引用品牌官网的一段知识，却不推荐产品；也可以推荐产品但不显示来源。
两项指标应分别计算。
推荐率和推荐份额的区别
推荐率
回答级指标：
多少条回答中出现目标。
推荐份额
候选位置级指标：
目标占全部候选位置多少。
推荐率多少算好
没有统一值。
需要结合：
- 品类；
- 竞争程度；
- 题库；
- 平台；
- 品牌阶段；
- 候选数量；
- 历史基线；
- 竞品结果；
- 稳定性。
新品牌从0到首次准确入围，可能比成熟品牌从35%到36%更有阶段意义。
为什么不能拿推荐率当市场份额
AI回答样本不等于：
- 消费者真实购买；
- 市场销量；
- 用户满意度；
- 产品质量；
- 商业价值。
它只是特定测量条件下的AI推荐表现。
推荐率变化怎么判断
先检查：
- 前后范围是否一致；
- 题库是否相同；
- 有效样本是否可比；
- AI环境是否变化；
- 实体规则是否修改；
- 正向命中是否人工复核；
- R1结果能否在R2复现。
企业应一起看的指标
- 高位推荐率；
- 推荐份额；
- 基础入围题数；
- 最终决策题数；
- 平台覆盖；
- 竞品差距；
- 认知准确性；
- 可核验来源；
- 有效样本。
标准公开句式
截至某日期，在某地区、某品类和场景、某组冻结问题及当期AI环境中，共获得X条有效回答，目标在Y条回答中进入自然推荐候选，有效推荐率为Y/X。结果仅反映本次回答样本。
检查清单
☐ 问题不提示目标品牌
☐ 推荐定义公开
☐ 有效样本规则公开
☐ 分子分母同时展示
☐ 题库和时间明确
☐ 多平台分别披露
☐ 提及、推荐、引用分开
☐ 推荐率不等于市场份额
☐ 正向命中人工复核
☐ 变化通过同口径复测
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