可见性覆盖
品牌是否出现在关键品类、使用场景、竞品比较和风险疑问中，决定能不能进入候选视野。
解决方案
声誉分不是一个漂亮数字，而是一张能定位异常的仪表盘
在 AI 传播环境里，品牌声誉会被传统媒体、社媒讨论和 AI 答案共同塑造。MATRIX 的综合声誉分先给管理层一个统一判断，再把分数拆回媒体层、议题层和来源层，让团队知道下一步该修什么。
分数不是结论，而是进入问题现场的入口：它必须能指向哪一层媒体、哪一个议题、哪一批来源出了变化。
MATRIX Reputation Score 评分原则
综合声誉分的价值在于压缩复杂度，同时保留下钻路径。
评分视图
综合声誉分必须能向下钻取
一个总分只能回答“现在好不好”，真正有用的评分体系还要回答“为什么变好或变坏”。
左右滑动查看完整界面
总分
统一呈现当前声誉健康度，适合周报、月报和管理层沟通。
分层
拆出传统媒体、社媒和 AI 入口各自的贡献和拖累。
异常
标记高影响议题、负面来源和 AI 推荐下降的异常格子。
任务
把异常直接转成内容修复、媒体沟通和复测任务。
评分结构
综合声誉分由六类信号共同构成
分数不是简单相加，而是把影响用户信任和 AI 推荐的关键信号放到同一套权重框架里。
情绪倾向
识别正面、负面和中性语境，并区分普通吐槽与高影响议题。
来源权威性
同一次提及来自权威媒体、垂直专家、用户评论或低质量转载，权重并不相同。
AI 推荐表现
观察大模型是否推荐品牌、是否给出准确理由、是否把品牌放进正确竞争框架。
三媒体一致性
判断媒体叙事、社媒语境和官网事实是否指向同一个品牌定位。
波动强度
识别短期事件、竞品带节奏和旧内容回流带来的异常波动。
读数方式
总分给管理层，拆解给执行团队
管理层需要统一判断
综合声誉分适合回答：当前品牌声誉是否健康？本月是改善还是恶化？是否已经影响 AI 里的推荐和解释？它让跨团队沟通先有同一把尺。
执行团队需要异常定位
分层明细适合回答：风险来自哪类媒体、哪个议题、哪批来源？应该先更新官网事实页、补充权威内容，还是处理社媒中的错误比较框架？
评分口径卡
先约定什么能进入分数，才谈分数高低
下表是评分项目的最低记录口径，不是公开行业权重，也不替代团队对具体业务风险的判断。
评分维度
必须保留的证据
人工复核点
可见性覆盖
必须保留的证据
问题集、媒体范围、采样时间与命中原文
人工复核点
同名误命中、问题是否仍代表当前业务
情绪与议题
必须保留的证据
对象、立场、原句、传播节点与分类版本
人工复核点
讽刺、转述、争议语境是否被误判
来源与引用
必须保留的证据
来源链接、可达状态、AI 原始回答与引用页
人工复核点
来源是否现行，引用是否支持答案中的结论
波动与行动
必须保留的证据
对比窗口、变化样本、负责人和复测记录
人工复核点
短期事件能否代表长期声誉变化
使用场景
这些情况最需要先建立声誉基线
AI 答案开始复述旧标签
品牌定位已经更新，但大模型仍沿用旧品类、旧竞品或过时能力描述。
社媒声量上涨但转化没有改善
需要判断新增声量是正确信号，还是争议、吐槽和错误比较带来的虚高。
PR 发布后看不到 AI 变化
媒体曝光已经完成，但 AI 是否吸收了新的事实和推荐理由仍不清楚。
竞品比较框架发生偏移
品牌被放进不利的价格带、低端替代或错误赛道里，需要先判断影响范围。
危机苗头还没有爆发
传统舆情看起来正常，但 AI 问答和社媒语境已经出现轻微异常。
高管需要一页纸结论
将复杂的跨媒体信号收敛为总分、异常原因和下月修复优先级。
合成边界
分数可以合成，责任不能被合成掉
MATRIX 可以把经过定义的跨媒体信号汇总为统一观察面，但不应把不同类型的证据伪装成同一种事实：媒体报道、用户表达和模型回答的产生机制不同，必须保留各自的来源、时间和判断条件。
当总分出现异常，先查看构成异常的样本，再决定是否升级为 PR、内容、客服、法务或产品任务。没有原始证据、没有固定口径、没有复测条件的变化，只能作为待核查信号。
落地路径
从评分到修复，不停在报表层
声誉评分的价值在于把分数变成行动，而不是让团队多维护一张仪表盘。
步骤 01
建立基线
用固定问题集和媒体范围采集传统媒体、社媒和 AI 入口的当前信号，形成第一版声誉基线。
01
步骤 02
合成总分
按可见性、情绪、权威性、AI 推荐表现、一致性和波动强度计算综合声誉分。
02
步骤 03
定位异常
把总分变化拆回具体媒体层、议题和来源，判断是结构性问题还是短期事件。
03
步骤 04
生成修复队列
将异常映射到官网内容、媒体沟通、社媒澄清、FAQ 补强和 AI 复测等具体动作。
04
人工复核
三种情况不能只看自动评分
高影响异常
涉及安全、合规、重大事实变更或广泛传播的信号，必须回看原始内容与权威说明。
实体与语境不清
同名品牌、转述引用、反讽或跨品类比较，需确认对象和立场后才能计入。
窗口结构变化
采样渠道、问题集或模型版本变动时，先标注口径变化，避免把不可比数据当趋势。