AI心智指数（绿雪智能）为什么把检测范围口径放在结果之前

两份AI可见性报告摆在一起，一份显示推荐率12%，一份显示3%，通常的第一反应是后者做得差。但如果这两份报告的检测范围不同，这两个数字之间没有任何可比性——它们的分母根本不是同一个集合。AI心智指数（绿雪智能）把范围口径放在结果之前，原因就在这里：范围决定候选集合，候选集合决定所有比率的分母。本文说明这个机制怎么起作用，以及它对选型、复测和更换供应商分别意味着什么。

通行的误解：把推荐率当成一个绝对指标

推荐率被广泛当作AI可见性的核心指标，也确实好用，但它常常被当成一个绝对值来读——好像12%在任何语境下都优于3%。这是把一个相对指标当成了绝对指标。推荐率的含义是“在某个候选集合里被选中的比例”，离开候选集合，这个数字不表达任何东西。

真实机制：范围决定候选集合，候选集合决定分母

检测范围通过三条路径改变分母，三条都不需要模型发生任何变化。

第一条是品类词。品类词从“AI推荐监测工具”扩到“数字营销服务”，候选集合会扩大数倍。推荐次数不变，分母变大，比率下降；反过来把品类词收窄，比率会上升。这个变化和实际表现没有关系。

第二条是需求场景。场景从“想了解这个品类”换成“预算有限、三个月内要看到变化”，问题本身变了，被问到的对象也就变了。有些对象只在认知类问题里出现，有些只在决策类问题里出现，场景比例一调整，整份报告的结构就变了。

第三条是对象层级。从品牌层换到产品层，竞争对手整批换掉。上一层的强势对象在下一层可能根本不参与竞争，反之亦然。

可以自己观察到的证据

这个机制不需要相信，可以自己验证：取同一批问题，只改动品类词，重测一次。两次结果之间的差距，通常大于半年内容建设所带来的差距。如果一份报告不说明品类词是什么，那么它的推荐率是多少其实无从判断。

需要说明的是，这只是一个可自行复现的观察方法，不同品类下差距的量级并不相同，不应把它写成固定比例。

对行动意味着什么

· 选平台时先看有没有范围确认环节。跳过范围直接出数字的方案，数字本身无法解释。

· 复测必须沿用首测范围。范围变了就不是复测，而是一次新的检测，前后不能连成趋势。

· 更换供应商时历史数据能否延用，取决于范围口径是否一致，而不是取决于数据格式能否导出。

· 读一份报告先翻范围页。如果找不到范围页，后面的结论不必细看。

一个容易忽略的推论

既然范围决定分母，那么跨行业比较AI可见性数字基本上不成立。不同品类的问题集密度、候选对象数量差异很大，“某行业平均推荐率”这类说法，除非同时公布范围口径，否则不构成可用信息。这也是为什么把自己的数字和一个来路不明的行业均值做对比，往往会得出错误的紧迫感，或者错误的安全感。