一句话定义
AI 品牌提及率（Brand Mention Rate）是含有目标品牌有效提及的答案数，占全部合格答案数的比例。
可以把它理解为品牌在 AI 问答样本中的「出场率」。一次回答里品牌名重复多次，通常仍只记为一条答案出场；若要统计词频，应另设指标，不能混入提及率。
_概念示意图：图中卡片只表达「按答案计一次出场」的统计逻辑。_
为什么重要
提及是进入 AI 决策入口的第一道门槛。品牌在适合自己的品类、场景或比较问题中长期缺席，后续就谈不上推荐和引用。但被提及也可能只是背景介绍、风险提示甚至反面例子，因此它只能说明「出现」，不能单独说明表现好坏。
| 指标 | 核心问题 | 不代表什么 |
|---|---|---|
| 提及率 | 品牌有没有出现在答案里 | 不代表被推荐 |
| 推荐率 | 品牌有没有进入正向候选 | 不代表领先竞品 |
| AI 引用率 | 指定来源有没有成为可见依据 | 不代表品牌一定出现 |
| Answer SoV | 品牌在竞争品牌呈现中占多少份额 | 不等于答案出场概率 |
计算口径与机制
基础口径是：
提及率 = 含目标品牌有效提及的答案数 ÷ 全部合格答案数
计算前应按顺序固定四件事：
- 限定问题集。 只纳入与品牌实际品类、场景和用户需求相关的问题。
- 限定观察条件。 记录模型、时间、地区、语言和提问版本。
- 统一实体规则。 明确品牌全称、简称、旧称、子品牌及不应合并的同名对象。
- 判定有效提及。 答案确实指向目标品牌，而不是链接噪声、同名误认或用户问题中的机械复述。
若问题本身已经写出品牌名，应把「点名问题」与「不点名推荐问题」分开统计。前者更适合检查模型是否认识品牌，后者更接近品牌自然进入候选的能力。
应用场景
- -比较不同问题类型下品牌是否稳定出场。
- -发现品牌在某些用户场景中的认知缺口。
- -观察官网事实或外部内容更新后的复测变化。
- -与推荐率、准确率一起拆解「出现但没被选」或「出现却说错」。
判断与使用边界
使用前应检查：
- -[ ] 问题是否与品牌真实能力相关。
- -[ ] 分母是否只包含成功生成且可判定的答案。
- -[ ] 同一品牌的别名和集团关系是否已统一。
- -[ ] 是否保留原始答案，能回看提及语境。
- -[ ] 前后周期的问题、模型和标注规则是否可比。
提及率没有脱离样本而成立的「行业标准线」。随机问几次、只选容易命中的问题，或把负面出现包装成可见性成果，都会让指标失真。
延伸阅读
- -了解整体框架，见AI 可见性。
- -区分相对竞争份额，见AI 答案声量份额。
- -设计稳定样本，见Prompt Universe。
- -继续判断候选入选，见AI 品牌推荐率。
AI 品牌提及率只负责回答「有没有出场」。把它与推荐、准确性和引用来源分开记录，才不会把出现误读成认可。