监测口径
最后更新：2026-09-20 · 本页完整公开 AIHonest 的测量方法。监测行业最大的问题是「黑箱数字」——我们反其道而行。
核心立场：一个不能解释来源的提及率数字毫无价值。本页描述我们如何测量、如何排除干扰、如何处理随机性——任何竞品的报告都可以拿本页作为对照标准。
一、双引擎口径：知识型 vs 检索型
不同 AI 引擎回答「提及了谁」的机制完全不同，混在一个数字里是行业常见错误：
| 口径 | 引擎 | 机制 | 解读 |
|---|---|---|---|
| 知识型 | DeepSeek | 无实时检索，回答依赖训练语料中的品牌印象 | 模型「记得」你——变化慢，反映长期积累 |
| 检索型 | 豆包 / Kimi / ChatGPT(:online) | 实时检索网页后作答 | 引擎「现在能看到」你——反映当下的网页生态 |
- 仪表盘对每个引擎标注口径徽章，提及率分别计算、分别追踪。
- 检索型引擎的提及受语料污染影响大（见第四节）；知识型引擎的提及变化需要数周时间——两者的优化策略完全不同。
二、回声污染剔除
问题：监测 prompt 自身含品牌词时，AI 模型可能在回答中复述问题原文（「关于 aihotrank.com，你可以…」）。 naive 工具会把它计为「自然提及」。
我们的实测：未剔除时 DeepSeek 假提及率高达 33%——每 3 次「提及」有 1 次是回声。
规则：回答中对品牌的提及若与 prompt 文本存在 ≥12 字符的连续重叠，判定为回声、不计入自然提及率。该规则在每次监测中自动执行。
三、稳定提及率（多采样一致性）
- 裸提及率：单次采样的提及结果。受模型随机性影响，波动大。
- 稳定提及率：同一监测问题采样 N 次（Pro 档 N=2），仅当
N-1 次及以上均提及该品牌时才计入。 - 采样 1 次的计划（Free/Starter），稳定提及率 = 裸提及率。
- 解读建议：裸提及率看趋势，稳定提及率看真实地位——竞品报告通常只有前者。
四、语料污染检测
背景：GEO 黑产通过批量软文污染检索型引擎的语料（案例见我们的解剖文章）。被污染的品类词下，提及率会被投放量扭曲。
v0 检测信号（基于近 7 天引用数据）：
- 低权威域占比：引用中不属于高权威媒体/社区白名单的域名比例
- 跨引擎重合度：多个引擎引用同一批低权威域名的程度
- 两者同时超过阈值时，仪表盘显示「检索语料疑似被投放污染」警示
v0 规则从简（白名单+重合度），持续迭代。引用结构明细始终在「引用源」页可查。
五、成本与调度口径
- 每次监测按「prompt × 引擎 × 采样数」真实调用引擎 API，用量按真实调用记账（含失败尝试）。
- 引擎调度对用户透明：仪表盘可见每个引擎的延迟与成本参考值。
- 月配额按计划档位硬上限；配额将尽时仪表盘提示。
六、本页未覆盖的
- 匹配阈值与权重细节可能随引擎生态调整——调整时会在本页更新日期并保留历史（git 可查）。
- 对口径有疑问？邮件 support@aihonest.ai，或在验证工具中亲手测试（即将上线）。