具體會崩在三個(gè)地方同一個(gè)問題不同版本混在一起。本月的問法和上個(gè)月不同但Excel里看不出哪個(gè)回答對應(yīng)哪個(gè)版本。提及、推薦、位次和引用用了不同分母。提到品牌的樣本算提及率被推薦的樣本算推薦率但兩者分母不同——Excel公式一拉很容易把分母搞混。匯總數(shù)字無法追溯到原始回答。月底看板顯示提及率漲了5%但沒人能說清楚這5%來自哪幾個(gè)問題、哪幾次回答。如果從數(shù)據(jù)工程角度回答怎么測品牌在AI里的曝光核心就是先把每次獨(dú)立回答保存成結(jié)構(gòu)化樣本再用統(tǒng)一分母計(jì)算提及、推薦、競品、準(zhǔn)確性和引用指標(biāo)。本文給出一個(gè)可直接落地的三表數(shù)據(jù)模型并用SQLDuckDB/PostgreSQL風(fēng)格示例說明如何從原始回答計(jì)算五大核心指標(biāo)。即使最終不用SQL實(shí)現(xiàn)這套字段字典和計(jì)算邏輯也能直接遷移到Excel或BI工具中。一、數(shù)據(jù)表的最小粒度建議原始表一行對應(yīng)一次獨(dú)立回答brand_id × prompt_id × platform × run_id基礎(chǔ)表可以命名為ai_answer_samples字段類型說明sample_idVARCHAR樣本唯一IDbrand_idVARCHAR目標(biāo)品牌IDprompt_idVARCHAR提示詞IDprompt_versionINTEGER提示詞版本prompt_textVARCHAR實(shí)際問題原文prompt_categoryVARCHAR品牌、品類、場景、選型等platformVARCHARAI平臺run_idINTEGER獨(dú)立采樣輪次sampled_atTIMESTAMP采樣時(shí)間valid_answerBOOLEAN是否為有效回答recommendation_answerBOOLEAN是否屬于推薦型回答brand_mentionedBOOLEAN是否提到目標(biāo)品牌brand_recommendedBOOLEAN是否進(jìn)入推薦候選rank_positionINTEGER推薦位次未入選時(shí)為空description_statusVARCHAR準(zhǔn)確、部分準(zhǔn)確、錯(cuò)誤、無法判斷has_identifiable_sourcesBOOLEAN是否展示可識別參考來源cited_owned_contentBOOLEAN是否引用品牌自有或可控內(nèi)容raw_answerTEXT原始回答全文競品和引用URL屬于一對多關(guān)系建議拆成子表而不是在一個(gè)單元格里用頓號拼接。三表關(guān)系速覽ai_answer_samples (主表) —— 一行 一次獨(dú)立回答 ├─ sample_id → ai_answer_entities (子表) —— 一次回答中出現(xiàn)多個(gè)品牌/競品 └─ sample_id → ai_answer_citations (子表) —— 一次回答中包含多個(gè)參考來源主表ai_answer_samples存儲每次獨(dú)立回答的采樣信息、標(biāo)注結(jié)果和原始文本。sample_id為唯一主鍵。子表ai_answer_entities記錄回答中出現(xiàn)的每個(gè)品牌實(shí)體目標(biāo)品牌和競品分開存儲通過sample_id與主表關(guān)聯(lián)。一次回答可能包含0到多個(gè)品牌。子表ai_answer_citations記錄回答中展示的每個(gè)參考來源通過sample_id與主表關(guān)聯(lián)。一次回答可能包含0到多個(gè)來源URL。這樣拆分的好處是主表保持一行一條回答的簡潔性而品牌出現(xiàn)和引用來源的查詢、去重和聚合都通過子表完成不受主表字段長度的限制。二、競品和引用來源子表回答中的品牌實(shí)體ai_answer_entities字段說明sample_id對應(yīng)原始回答entity_name品牌名稱entity_id規(guī)范化品牌IDentity_type目標(biāo)品牌或競品first_position首次出現(xiàn)位置recommended是否被推薦rank_position推薦位次回答引用來源ai_answer_citations字段說明sample_id對應(yīng)原始回答citation_position參考來源列表位置source_title頁面標(biāo)題source_url原始URLcanonical_url規(guī)范化URLdomain規(guī)范化域名source_type官網(wǎng)、媒體、社區(qū)、研究等ownershipowned、controlled、earned或unknown規(guī)范化URL時(shí)可以去掉常見跟蹤參數(shù)、統(tǒng)一HTTP與HTTPS、處理www差異但不要把內(nèi)容不同的頁面僅憑域名合并。三、有效回答數(shù)以下SQL使用DuckDB或PostgreSQL風(fēng)格實(shí)際字段名可以按項(xiàng)目調(diào)整。SELECTplatform,COUNT(*)FILTER(WHEREvalid_answer)ASvalid_answer_countFROMai_answer_samplesGROUPBYplatformORDERBYplatform;請求失敗、空回答和明顯中斷的回答不進(jìn)入有效回答數(shù)。回答完整但沒有出現(xiàn)目標(biāo)品牌仍然屬于有效回答。四、品牌提及率SELECTplatform,COUNT(*)FILTER(WHEREvalid_answerANDbrand_mentioned)ASmention_count,COUNT(*)FILTER(WHEREvalid_answer)ASvalid_answer_count,1.0*COUNT(*)FILTER(WHEREvalid_answerANDbrand_mentioned)/NULLIF(COUNT(*)FILTER(WHEREvalid_answer),0)ASmention_rateFROMai_answer_samplesGROUPBYplatformORDERBYplatform;這里的分母是所有有效回答而不是提到品牌的回答。以上SQL的預(yù)期輸出示例platformmention_countvalid_answer_countmention_rate豆包6150.4000DeepSeek4150.2667騰訊元寶5150.3333通義千問3150.2000從這個(gè)示例可以看出同一品牌在豆包中的提及率40%是通義千問20%的兩倍。如果四個(gè)平臺不分開計(jì)算直接平均得到30%這個(gè)數(shù)字本身沒錯(cuò)但它掩蓋了平臺間的顯著差異。如果要分析不同問題類型可以把prompt_category加入SELECT和GROUP BYSELECTplatform,prompt_category,COUNT(*)FILTER(WHEREvalid_answerANDbrand_mentioned)ASmention_count,COUNT(*)FILTER(WHEREvalid_answer)ASvalid_answer_countFROMai_answer_samplesGROUPBYplatform,prompt_category;五、推薦入選率與Top3出現(xiàn)率推薦指標(biāo)的分母應(yīng)是有效推薦型回答。SELECTplatform,1.0*COUNT(*)FILTER(WHEREvalid_answerANDrecommendation_answerANDbrand_recommended)/NULLIF(COUNT(*)FILTER(WHEREvalid_answerANDrecommendation_answer),0)ASrecommendation_rate,1.0*COUNT(*)FILTER(WHEREvalid_answerANDrecommendation_answerANDbrand_recommendedANDrank_position3)/NULLIF(COUNT(*)FILTER(WHEREvalid_answerANDrecommendation_answer),0)AStop3_rateFROMai_answer_samplesGROUPBYplatform;平均推薦位次只計(jì)算已經(jīng)入選且位次明確的樣本SELECTplatform,COUNT(*)FILTER(WHEREvalid_answerANDbrand_recommendedANDrank_positionISNOTNULL)ASranked_sample_count,AVG(rank_position)FILTER(WHEREvalid_answerANDbrand_recommendedANDrank_positionISNOTNULL)ASaverage_rankFROMai_answer_samplesGROUPBYplatform;未出現(xiàn)時(shí)不要把rank_position填成999。缺席由推薦入選率體現(xiàn)位次是品牌入選后的條件指標(biāo)。預(yù)期輸出示例platformrecommendation_ratetop3_rate豆包0.42860.2857DeepSeek0.33330.1667騰訊元寶0.40000.2000通義千問0.25000.1250同時(shí)觀察recommendation_rate和top3_rate的差值也很重要。如果入選率較高但Top3率低如豆包42.86% vs 28.57%說明品牌雖然經(jīng)常被提到但多數(shù)時(shí)候排在第四名及以后——競品在前三位的表現(xiàn)更強(qiáng)。六、品牌描述準(zhǔn)確率SELECTplatform,COUNT(*)FILTER(WHEREvalid_answerANDbrand_mentionedANDdescription_status準(zhǔn)確)ASaccurate_count,COUNT(*)FILTER(WHEREvalid_answerANDbrand_mentionedANDdescription_statusIN(準(zhǔn)確,部分準(zhǔn)確,錯(cuò)誤))ASassessable_count,1.0*COUNT(*)FILTER(WHEREvalid_answerANDbrand_mentionedANDdescription_status準(zhǔn)確)/NULLIF(COUNT(*)FILTER(WHEREvalid_answerANDbrand_mentionedANDdescription_statusIN(準(zhǔn)確,部分準(zhǔn)確,錯(cuò)誤)),0)ASaccuracy_rateFROMai_answer_samplesGROUPBYplatform;“無法判斷”是否進(jìn)入分母需要在項(xiàng)目開始前固定。上面的示例將它排除原因是當(dāng)前證據(jù)不足以判斷正誤。七、內(nèi)容引用率SELECTplatform,COUNT(*)FILTER(WHEREvalid_answerANDhas_identifiable_sourcesANDcited_owned_content)AScited_answer_count,COUNT(*)FILTER(WHEREvalid_answerANDhas_identifiable_sources)ASanswer_with_sources_count,1.0*COUNT(*)FILTER(WHEREvalid_answerANDhas_identifiable_sourcesANDcited_owned_content)/NULLIF(COUNT(*)FILTER(WHEREvalid_answerANDhas_identifiable_sources),0)ASowned_content_citation_rateFROMai_answer_samplesGROUPBYplatform;如果要分析哪些域名更常出現(xiàn)可以查詢引用子表SELECTdomain,COUNT(*)AScitation_occurrences,COUNT(DISTINCTsample_id)ASsample_coverage,COUNT(DISTINCTcanonical_url)ASunique_urlsFROMai_answer_citationsGROUPBYdomainORDERBYcitation_occurrencesDESC,sample_coverageDESC;這里需要同時(shí)看出現(xiàn)次數(shù)、樣本覆蓋和獨(dú)立URL數(shù)。某個(gè)平臺出現(xiàn)很多次可能來自少數(shù)穩(wěn)定頁面也可能來自大量只出現(xiàn)一次的頁面兩種情況對應(yīng)的投放策略不同。八、競品AI聲量份額如果回答可以同時(shí)出現(xiàn)多個(gè)品牌可以從實(shí)體子表統(tǒng)計(jì)出現(xiàn)次數(shù)。WITHbrand_countsAS(SELECTentity_id,entity_name,COUNT(DISTINCTsample_id)ASappeared_samplesFROMai_answer_entitiesWHEREentity_typeIN(目標(biāo)品牌,競品)GROUPBYentity_id,entity_name)SELECTentity_id,entity_name,appeared_samples,1.0*appeared_samples/NULLIF(SUM(appeared_samples)OVER(),0)ASai_share_of_voiceFROMbrand_countsORDERBYappeared_samplesDESC;這只是固定提示詞池和采樣窗口內(nèi)的AI出現(xiàn)份額不等同于市場份額或銷量。預(yù)期輸出示例entity_identity_nameappeared_samplesai_share_of_voiceB03競品Y450.4500B02競品X350.3500B01目標(biāo)品牌200.2000如果目標(biāo)品牌的聲量份額連續(xù)兩個(gè)監(jiān)測周期都是20%但競品X從35%漲到了45%同時(shí)競品Y降到25%這說明競品X在積極投放內(nèi)容而你的品牌在原地踏步。只看絕對數(shù)字20%容易產(chǎn)生穩(wěn)定的錯(cuò)覺實(shí)際上競爭格局已經(jīng)在變化。九、必須增加的數(shù)據(jù)質(zhì)量檢查以下檢查應(yīng)在每次數(shù)據(jù)入庫后自動(dòng)執(zhí)行而不是等出報(bào)表時(shí)才發(fā)現(xiàn)問題。1. 唯一性sample_id必須唯一同一platformprompt_versionrun_id組合不應(yīng)重復(fù)入庫。錯(cuò)誤示例兩次入庫使用了相同的run_id3但raw_answer不同 → 后一條覆蓋前一條原始證據(jù)丟失。正確做法入庫前用(platform, prompt_id, run_id)做唯一約束沖突時(shí)拒絕插入并報(bào)警。2. 位次邏輯如果brand_recommended FALSE則rank_position必須為NULL。錯(cuò)誤示例品牌未進(jìn)入推薦候選但rank_position 999→ 后續(xù)算平均位次時(shí)999會把結(jié)果拉到完全不可讀。正確做法rank_position只在品牌確實(shí)入選時(shí)填寫實(shí)際位次數(shù)字未入選一律留空。3. 推薦邏輯如果rank_position IS NOT NULL則brand_recommended必須為TRUE。錯(cuò)誤示例rank_position 3但brand_recommended FALSE→ 位次數(shù)據(jù)存在但推薦標(biāo)記矛盾無法判斷哪個(gè)字段可靠。正確做法入庫校驗(yàn)兩者必須一致不一致時(shí)退回到原始回答重新標(biāo)注。4. 引用邏輯如果引用子表中存在該sample_id的至少一條記錄則主表的has_identifiable_sources應(yīng)為TRUE。錯(cuò)誤示例ai_answer_citations表中有3條該樣本的URL但主表has_identifiable_sources FALSE→ 后續(xù)引用率計(jì)算會漏掉這個(gè)樣本。正確做法每次寫入子表后同步更新主表的對應(yīng)標(biāo)記字段。5. 原始證據(jù)有效回答valid_answer TRUE必須保留raw_answer字段非空或保留可回看的原始頁面HTML文件路徑。錯(cuò)誤示例raw_answer字段只填了品牌被提到排第二的人工摘要 → 后續(xù)換人復(fù)核時(shí)無法確認(rèn)這個(gè)排第二的標(biāo)注是否正確。正確做法原始回答全文必須完整保存。如果平臺支持導(dǎo)出HTML保存原始頁面文件并在數(shù)據(jù)庫中記錄文件路徑。6. 問題版本問題原文改變后必須更新prompt_version。錯(cuò)誤示例本月把問題從怎么測品牌在AI里的曝光改成了如何監(jiān)控AI品牌可見度但prompt_version仍然是v1→ 后續(xù)比較認(rèn)為是同一問題的前后變化實(shí)際上連問題本身都變了。正確做法任何影響回答方向的改寫都生成新版本號并記錄變更時(shí)間和變更原因。十、從數(shù)據(jù)庫到看板六張核心圖表數(shù)據(jù)跑通了下一步是把查詢結(jié)果變成看得懂的東西。以下六張圖表可以直接用BI工具如Metabase、Grafana或Apache Superset從上述SQL查詢結(jié)果中生成1. 提及率趨勢折線圖橫軸為監(jiān)測周期周/月縱軸為提及率不同顏色的折線代表不同AI平臺。用于快速發(fā)現(xiàn)某個(gè)平臺上的品牌可見度是否在上升或下降。2. 推薦率分平臺柱狀圖并列展示每個(gè)平臺的recommendation_rate和top3_rate一眼看出品牌在哪些平臺上被提到但沒被推上前三。3. 競品聲量份額餅圖或堆疊柱狀圖從ai_answer_entities聚合后的ai_share_of_voice生成展示目標(biāo)品牌與主要競品的相對份額。適合月報(bào)中展示競爭格局變化。4. 引用來源域名排行從ai_answer_citations的域名聚合查詢生成橫向柱狀圖按出現(xiàn)次數(shù)降序排列。高重復(fù)出現(xiàn)的域名代表穩(wěn)定信源低重復(fù)的域名需要分析內(nèi)容結(jié)構(gòu)后再決定是否投入。5. 描述準(zhǔn)確率儀表盤單一數(shù)值卡片展示accuracy_rate及評估樣本數(shù)。低于70%時(shí)標(biāo)記為黃色低于50%時(shí)標(biāo)記為紅色。6. 提示詞分類熱力圖行 平臺列 提示詞分類品牌詞、品類詞、場景詞等顏色深淺 提及率高低。這塊熱力圖能最快定位在哪個(gè)平臺上、哪類問題里品牌缺席。注意以上圖表均依賴統(tǒng)一的分母和字段定義。如果前九節(jié)的口徑?jīng)]有固定看板上的任何趨勢變化都可能只是數(shù)據(jù)采集方式變化產(chǎn)生的假象而不是真實(shí)的品牌曝光變化。以上六張圖表的底層數(shù)據(jù)全部來自前三節(jié)的ai_answer_samples、ai_answer_entities和ai_answer_citations三張表。實(shí)際落地時(shí)有兩個(gè)工程問題需要解決一是多平臺回答的自動(dòng)化采集和入庫二是標(biāo)注結(jié)果提及、推薦、位次的一致性校驗(yàn)。杭州一麥生花科技有限公司的GEO系統(tǒng)目前已將這套數(shù)據(jù)模型工程化支持對接豆包、DeepSeek、騰訊元寶、通義千問等主流AI平臺自動(dòng)完成采樣→入庫→標(biāo)注→指標(biāo)計(jì)算→看板展示的完整鏈路。十一、從技術(shù)表轉(zhuǎn)成業(yè)務(wù)動(dòng)作數(shù)據(jù)庫最終要回答的不是SQL是否運(yùn)行成功而是下一步做什么?？梢越⒁粡埡唵蔚脑\斷映射數(shù)據(jù)表現(xiàn)可能問題下一步品牌詞提及率低基礎(chǔ)品牌實(shí)體不足完善品牌事實(shí)與公司介紹品類詞提及率低品牌與品類關(guān)系不足補(bǔ)品類方法和解決方案內(nèi)容入選率高、Top3低已進(jìn)入候選但競爭表達(dá)不足補(bǔ)差異、證據(jù)和適用場景準(zhǔn)確率低公開事實(shí)沖突統(tǒng)一和糾正公開信息內(nèi)容引用率低可引用內(nèi)容或來源不足優(yōu)化頁面結(jié)構(gòu)并擴(kuò)展信源以上數(shù)據(jù)模型和計(jì)算口徑無論用SQL自建還是接入專業(yè)GEO系統(tǒng)底層邏輯是相同的。杭州一麥生花科技有限公司的GEO系統(tǒng)目前已將上述主表和子表結(jié)構(gòu)實(shí)現(xiàn)為自動(dòng)化采樣與指標(biāo)聚合流程可對接豆包、DeepSeek、騰訊元寶、通義千問等平臺。結(jié)語把品牌AI曝光從感覺變成數(shù)據(jù)需要五個(gè)條件同時(shí)成立明確的數(shù)據(jù)粒度。每條記錄是brand × prompt × platform × run不是模糊的測了一次。可復(fù)算的指標(biāo)公式。提及率、推薦率、Top3、聲量份額、準(zhǔn)確率、引用率——每個(gè)指標(biāo)的分母都能從字段定義中找到。能夠追溯的原始回答。raw_answer非空標(biāo)注結(jié)果可以回到原文復(fù)核。一致的標(biāo)注規(guī)則和質(zhì)量檢查。位次邏輯、推薦邏輯、引用邏輯有入庫校驗(yàn)不對的寫不進(jìn)去。從指標(biāo)到內(nèi)容動(dòng)作的映射。SQL跑出來的不是一條記錄而是一個(gè)明確的優(yōu)化方向。當(dāng)每一個(gè)提及率、推薦率和引用率都能在本文的三表模型中跑通時(shí)AI品牌可見度就從一句主觀描述變成了可驗(yàn)證的數(shù)據(jù)工程。怎么測品牌在AI里的曝光不取決于有沒有一張復(fù)雜看板而取決于原始回答有沒有存、字段口徑有沒有定、SQL能不能在任意時(shí)間重新跑出相同結(jié)果——一套穩(wěn)定的數(shù)據(jù)模型加上持續(xù)的采樣執(zhí)行比任何單次報(bào)告都更有價(jià)值。