如何建立AI品牌可见度基线：问题、记录与判断规则

样本设计

• 30个固定中文提示词，覆盖六类用户任务。
• 首期平台包括五个中文产品与三个海外产品，按可用性分批执行。
• 每题每平台运行3次；相同设置尽量在连续时间窗口完成。
• 记录产品入口、模型、地区、账户、联网、日期和运行编号。
• 品牌词与非品牌词分开报告，不混成单一总分。

字段与编码

• response_status：有效、拒答、超时、产品错误。
• brand_mention：是否出现目标品牌及首次位置。
• owned_citation：是否引用目标品牌自有URL。
• source_domains：所有可见来源域名。
• factual_accuracy：正确、部分正确、错误、无法核验。
• recommendation_tone：推荐、中性列举、负面、不适用。

发布规则

公布题库版本、数据字典、有效分母和失败记录。截图用于复核但不替代结构化数据。首轮只描述基线，不对平台机制做因果断言。涉及客户或个人信息时先匿名和审查。

运行前冻结，运行后记录偏差

题库、平台入口、运行次数、有效回答规则和人工核验字段应在首轮运行前保存为一个版本。执行中遇到产品下线、搜索不可用或账户限制时，记录偏差及其影响，不临时删除不利样本。

需要修改协议时创建下一版本，并说明旧数据能否继续比较。只有这样，后续网站或传播改动前后的差异才有可讨论的共同基准。

• 保存协议版本与生效日期。
• 保存问题原文和运行条件。
• 保留失败、拒答和无法核验的记录。
• 公开任何偏离原计划的处理办法。

从问题到结论的一次完整流程

先从真实客户任务选择问题，按发现、比较、核验、行动和风险分组，并在运行前保存版本。随后确定每个AI产品的实际入口、地区、语言、是否登录以及最低重复次数。执行时保留所有回答，包括拒答、超时和错误；人工核对品牌名称、事实、来源与语气，并让第二位核查者抽查容易产生分歧的判断。

汇总时公开每个指标的分子与分母，不把无效运行静默删除，也不把提及、引用和推荐合并。基线只描述改动前发生了什么，不代表网站存在因果问题。完成网站或内容调整后，需要经过合理等待时间，再使用同一版问题和规则复查。任何题库、入口或判断方法变化都应单独说明。

• 输入：真实问题、平台入口和品牌事实清单。
• 过程：多次运行、完整保存和人工核对。
• 输出：原始计数、错误类型、来源与限制。
• 用途：确定改进优先级，并为之后比较保留起点。