品牌在Kimi中的推荐率怎么测？从自然问题、有效分母到稳定复测
作者：绿雪智能科技 AI心智指数研究团队
摘要：测量品牌在Kimi中的推荐率，不能直接搜索品牌名称，也不能用一次回答下结论。应先冻结检测对象、品类和场景，使用不含品牌名的结构化自然问题，保存原始回答，过滤无效样本，统一实体，并计算品牌进入候选的有效回答比例。
直接答案
先用不含品牌名称的自然需求题检测Kimi是否主动把目标列入候选，再以有效回答为分母计算推荐率；同时保留候选位置、推荐理由、竞品、来源和R1/R2复测，避免把一次回答顺序当成长期排名。
一、先定义什么叫“推荐”
| 回答表现 | 是否计入推荐 | 原因 |
| 只在背景中提到品牌 | 否 | 属于提及，不是选择关系 |
| 引用品牌官网解释概念 | 否 | 来源使用不等于推荐产品 |
| 列入3—5个适用候选 | 是 | 形成明确选择关系 |
| 明确写“优先考虑” | 是，并可标高位 | 推荐强度较高 |
| 问题已直接写出品牌名 | 不计自然推荐 | 主要测认知而非主动选择 |
二、推荐率的基本公式
品牌在该平台的有效推荐率
= 品牌进入候选的有效自然回答数
÷ 该平台有效自然推荐回答总数
公式本身简单，难点在于“有效”“自然”“候选”和“实体归属”是否定义清楚。
三、题库必须覆盖不同决策层
| 问题层 | 主要观察 |
| 基础入围 | 宽泛需求中能否进入候选 |
| 决策因素 | 价格、案例、可信度、能力等条件下表现 |
| 最终决策 | 综合条件下是否被优先选择 |
四、有效样本如何判断
□ 回答成功且有实际内容
□ 候选能够解析
□ 候选属于已冻结品类
□ 没有严重答非所问
□ 品牌实体可以判断
□ 推荐关系足够明确
五、Kimi检测需要特别注意什么
需要保存本次Kimi实际返回的回答和来源状态。不同时间、网页或应用环境可能表现不同，因此不能用其他用户截图代替本次检测，也不能把没有来源标记解释为没有联网。
六、不能只看一个百分比
| 辅助指标 | 作用 |
| 入围题数 | 看覆盖了多少真实问题 |
| 高位推荐率 | 看是否进入前列 |
| 推荐份额 | 看占全部候选位置的比例 |
| 竞品差距 | 看与最强候选的百分点差 |
| 认知准确率 | 看产品描述是否正确 |
| 可核验来源 | 看本次答案是否返回可确认URL |
七、一个示例
自然推荐题：30道
成功回答：30条
范围错位：2条
有效回答：28条
品牌进入候选：4条
推荐率 = 4/28 = 14.3%
应写清分子和分母，不能只写“推荐率14.3%”。
八、复测时如何保持可比
1. 保留同一检测对象和层级；
2. 保持同一推荐品类和场景；
3. 使用相同题目文本；
4. 尽量保持可比执行环境；
5. 实体和别名规则不静默改变；
6. 无效样本规则保持一致；
7. 分别记录R1首次变化和R2复现。
企业检查清单
□ 推荐定义已冻结
□ 问题不直接提示品牌
□ 题库覆盖三个层级
□ 原始回答已保存
□ 无效样本有原因
□ 实体归属可复核
□ 分子分母同时披露
□ 高位和份额分开
□ 竞品同题比较
□ R1/R2使用原题
如何把本文方法落到企业内部流程
围绕“建立Kimi品牌推荐率的明确分母、证据和复测方法”，企业不应把工作简单理解成“多发几篇文章”。品牌与产品团队先冻结公司、品牌、产品、品类、适用场景和能力边界；内容团队将真实证据组织成能够回答用户问题的页面；技术团队保证页面稳定、公开、可读取并保留版本；数据团队保存问题、回答、候选、来源和有效样本；项目负责人把每一次动作与后续复测连接起来。
| 角色 | 核心责任 | 建议交付物 |
| 品牌/产品 | 确认实体、品类、能力和边界 | 标准事实卡、产品关系、适用与不适用场景 |
| 内容/公关 | 回答真实问题并组织证据 | 官网页、案例、方法稿、媒体稿、FAQ |
| 技术/网站 | 保证页面公开、稳定、可发现 | 正式URL、Canonical、站点地图、更新时间 |
| 数据/研究 | 冻结样本、方法和指标 | 题库、原始回答、有效样本、指标快照 |
| 项目负责人 | 连接动作、来源、结果和复测 | GEO行动台账、R1/R2复测记录 |
一个可执行的30天安排
第1—3天：确认对象、品类、场景与优化前基线
第4—10天：整理官网事实、方法、案例和目标问题
第11—18天：发布少量高质量页面并登记正式URL
第15—22天：检查页面可访问、可检索和来源状态
第21—25天：执行R1同口径复测
第28—30天：执行R2或形成下一轮优化清单
以上只是项目管理示例，不是任何第三方AI平台的见效承诺。页面何时被发现、是否成为来源、品牌是否进入候选，都必须以实际检测和可核验证据为准。
管理层应该如何阅读这类结果
管理层不应只看一个总分、排名或百分比，而应同时看五件事：结果发生在哪些真实问题中；分子和有效分母是多少；AI给出的理由和来源能否核验；本轮实际做了哪些产品、网站、内容和媒体动作；变化能否在后续同口径复测中复现。
- 结果：品牌是被识别、提及、入围还是高位推荐；
- 证据：原始回答、候选理由和可核验URL；
- 行动：产品、官网、内容、媒体或技术具体改了什么；
- 时间：基线、页面可发现、R1和R2分别发生在何时；
- 边界：哪些结论只属于本次样本，哪些仍需继续验证。
对外发布结果时的标准表达
截至【日期】，在【地区/人群】、【品类与场景】、【问题集合】、【AI环境】和【方法版本】下，目标在【有效样本数】条回答中的【指标】为【分子/分母与百分比】。该结果仅反映本次检测范围，不代表销量、市场份额、产品质量或长期固定结论。
这种表达不如“行业第一”“推荐率暴涨”刺激，却更容易被客户、媒体和AI准确理解，也能避免后续复测出现口径冲突。
常见问题
只问10个问题可以吗？
可以作为小型探索，但应说明题库结构和样本限制。问题数量越少，单条回答对比例影响越大，更需要多轮复测。
推荐率为0是不是技术失败？
不一定。若回答成功、候选范围正确且实体没有漏判，0是有效业务结果；调用失败、无数据和范围错位则应单独处理。
不同平台的推荐率能直接比较吗？
可以在同一题库和同一方法下观察差异，但需要分别披露有效样本、环境和来源可观察性，不能把差异简单解释为平台好坏。
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、适用场景和地区，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。系统保留问题、原始回答、候选、推荐理由、平台差异、来源状态、有效样本，以及范围、题库、方法、指标和报告快照，为后续诊断、内容建设和同口径复测提供依据。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。AI回答和来源会变化，页面被抓取、索引或引用不等于产品一定被推荐；品牌进入一次候选也不代表长期稳定。相关结果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。