作者：绿雪智能科技 AI心智指数研究团队

摘要：有效样本是成功返回、能够解析、候选属于检测范围且对应指标可观察的回答。计划调用数量、返回数量和有效样本数量必须分开披露，否则推荐率和竞品差距可能被错误解释。

直接答案：有效样本是能够合法进入该指标分母的回答

品牌AI检测经常宣传“完成了多少次AI问答”，但总问答数不等于有效样本数。

有效样本是经过技术、解析、范围和指标可观察性检查后，能够进入正式计算的回答。

一、从计划调用到有效样本的四层漏斗

计划执行
  ↓
成功返回
  ↓
能够解析
  ↓
范围有效
  ↓
进入某项指标分母

每一层都应单独记录。

二、一条回答成为有效推荐样本的条件

• 有完整回答；
• 能识别候选对象；
• 候选属于已确认品类；
• 没有严重答非所问；
• 目标实体归属规则明确；
• 推荐结果可以判断。

对于来源指标，还需要额外满足来源可观察和可映射条件。

三、有效样本为什么影响结果

假设两次检测都出现品牌5次：

A：5/100＝5%
B：5/20＝25%

命中次数相同，但有效分母不同，结果完全不同。

如果B只有20条有效样本，可信程度和覆盖范围也需要谨慎解释。

四、范围错位为什么必须剔除

例如问题要检测生成式引擎优化平台，回答却把GEO理解成地理位置优化，推荐地图和门店工具。

文本虽然完整，也有3—5个候选，但它没有回答已冻结的问题。将其计入会污染候选集合。

五、不同指标的有效样本可能不同

指标	额外条件
提及率	能判断目标是否出现
推荐率	能判断是否进入候选
高位推荐率	候选顺序具有明确意义
来源覆盖	返回并可核验来源
认知准确率	回答包含可核对事实

所以报告不应只给一个“总有效率”，还应说明各指标分母。

六、AI心智指数方法基线示例

一次30题、6个环境的执行计划为180条回答，实际180条均返回并完成解析，其中177条进入正式指标，3条因候选范围错位被剔除，有效率98.3%。

这说明总调用完整，但仍然进行了业务范围筛选。

七、样本门槛怎么设置

门槛应在检测前确定，可以考虑：

• 总体有效率；
• 每个平台最低有效样本；
• 每个测量层最低覆盖；
• 关键问题是否缺失；
• 结果是否需要人工复核。

样本不足时，应该输出“样本不足”，而不是强行排名。

八、公开报告至少披露什么

• 计划回答数；
• 成功返回数；
• 解析成功数；
• 有效样本数；
• 无效原因；
• 各指标分子和分母；
• 时间、范围和方法版本。

企业检查清单

• □ 计划、返回、解析和有效样本分开
• □ 范围错位回答已剔除
• □ 不同指标使用正确分母
• □ 无效原因有明确代码或说明
• □ 样本门槛提前冻结
• □ 关键问题没有大面积缺失
• □ 自动结果接受人工抽检
• □ 公开数值绑定时间和方法版本

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