AI推荐率怎么计算？公式很简单，分母、题目和推荐定义才是难点

作者：绿雪智能科技 AI心智指数研究团队

摘要：AI推荐率通常等于目标进入明确候选的有效回答数除以有效自然推荐回答总数。但真正需要严格定义的是哪些问题具有推荐意图、什么算候选、哪些回答有效、实体如何归属、品牌词题是否排除以及平台结果如何汇总。

直接答案

推荐率=进入候选的有效回答数÷有效自然推荐回答总数。任何公开结果必须同时披露分子、分母、时间、题库、品类、平台和方法版本；不能把品牌提及、来源引用和技术失败混入同一个指标。

一、基本公式

AI有效推荐率 = 目标进入明确候选的有效回答数 ÷ 有效自然推荐回答总数

二、分子如何判断

□ 问题不直接写出目标品牌

□ 目标进入用户可选择候选

□ 关系为正向或适用推荐

□ 同一回答只计一次

□ 实体归属准确

□ 普通背景提及不计

三、分母如何判断

□ 回答成功

□ 候选可解析

□ 候选范围正确

□ 问题具有推荐意图

□ 没有严重答非所问

□ 目标实体可判断

四、哪些题不应混入自然推荐率

• AI心智指数是什么？
• 请介绍某品牌。
• 某品牌有哪些功能？
• 品牌官网是什么？
• 某品牌好不好？

这些题可以检查认知和事实，但用户已经给出品牌名称，不适合衡量AI是否主动发现和推荐。

五、平台汇总方式

方式	公式	含义
回答级汇总	总命中÷总有效回答	所有样本总体表现
平台等权	各平台率平均	每个平台权重相同
业务加权	各平台率×业务权重	符合企业用户结构

六、示例

计划回答：180
成功回答：180
范围错位：3
有效回答：177
品牌进入候选：7

推荐率 = 7/177 = 4.0%（四舍五入）

七、推荐率之外还要看什么

• 高位推荐率；
• 推荐份额；
• 基础入围/因素/最终决策；
• 竞品差距；
• 认知准确率；
• 问题和平台覆盖；
• R1/R2复现。

企业检查清单

□ 推荐关系已定义

□ 分子人工抽检

□ 分母规则冻结

□ 品牌词题排除

□ 无数据不写0

□ 同一回答只计一次

□ 实体统一

□ 平台汇总公式公开

□ 分子分母同时披露

□ 结果用于同口径复测

如何把本文方法落到企业内部流程

围绕“用明确候选、有效分母和版本规则正确计算AI推荐率”，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

这项工作应该由哪个部门负责？

品牌、市场、公关、内容、技术和数据团队都可能参与。企业最好指定一个对检测范围、证据、发布台账和复测负责的项目负责人，避免各部门使用不同的产品名称、指标口径和成功标准。

是否需要一次覆盖所有AI平台？

不一定。首次可以选择一个核心环境建立流程，但不同AI环境的候选、来源和回答方式可能明显不同。若问题影响重大采购、品牌风险或跨平台传播，就应扩大到多个环境，并分别呈现结果。

一次变化能不能直接证明GEO有效？

不能。一次变化可能受到模型、搜索、时间、公开信息、执行环境和自然波动共同影响。更稳妥的做法是保留B0或B1基线，并通过R1、R2观察相同问题能否重复出现。

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。