两个品牌都号称“被AI提及率80%”，但一个是80%的推荐决策场景中被提及，另一个是80%的信息导航场景中被提及——这两个80%是同一回事吗？

模型输出评估的核心产出是量化指标。但指标不是天然存在的——它们是被设计出来的。同一个评估任务，指标口径不同，结论可能完全不同。指标口径定义了“什么算一次有效提及”“什么算一次正确解释”，定义不同，品牌表现的数字就不同。

这就是为什么在评估系统设计之初，讨论指标口径比讨论评估结果更重要。本文围绕两个核心指标——提及率和解释能力——拆解它们的设计考量。

提及率不是“出现就算”

提及率是最基础的指标：品牌在AI回答中被明确提及的比例。但“明确提及”四个字背后，是一个需要逐层定义的判断体系。

第一层：什么算“一次”提及？

工程上的标准做法是“单次采集最多计一次”。品牌在一段AI回答中可能出现多次，但只要出现在同一个回答中，仅计为一次提及。原因很直接：提及率反映的是“AI是否在相关问题中想起了这个品牌”，而不是“品牌名称在回答中重复了多少次”。

这看起来简单，但边界案例不少。如果品牌以全称和简称两种形式出现在同一段回答中，显然只算一次。如果品牌在回答中分别以母品牌和子品牌出现，是否合并计量？这取决于评估粒度——如果评估对象是母品牌，子品牌的出现是否视为母品牌的提及，需要在规则中明确。

第二层：什么算“有效”提及？

品牌名称出现在AI回答中，不等于这是一次有效提及。判断有效提及需要满足几个条件：提及对象与当前问题相关，不是无关列表或错误匹配，不是乱码或无效回答中的偶然出现，不存在明显的同名对象混淆。

最关键的是“相关性”判断。AI在回答中列举了整个行业的所有品牌，你的品牌恰好在一个包含二十个品牌的列表末尾——这在技术上是一次提及，但它的信号价值远低于在推荐决策场景中被重点描述的一次提及。

这引出了提及率指标设计中最重要的权衡：要不要做场景加权？

第三层：简单提及率 vs 场景加权提及率

简单提及率的计算方式清晰透明——品牌在有效回答中被明确提及的比例，不分场景、不分位置、不分描述质量。它的优势是解释成本低，劣势是把高价值提及和低价值提及等同视之。

场景加权提及率则根据提及发生的场景和上下文质量赋予不同权重。在推荐决策问题中被作为首选项提及，权重高；在风险判断问题中被附带提及，权重可能为零甚至为负；在信息导航场景中间出现在背景介绍段落中，权重居中。

两者的选择不是对错问题，而是评估目的问题。简单提及率适合做大范围的品牌可见度普查——快速了解品牌在AI中的基础存在感。场景加权提及率适合做深度诊断——品牌在真正影响决策的场景中表现如何。在AI心智指数的评估体系中，两种口径会被同时计算并在报告中说明，让使用者理解指标背后的衡量逻辑。

解释能力：最难量化但最重要的指标

解释能力是最容易被忽略也最难设计的指标。它要回答的不是“AI有没有提到品牌”，而是“AI对品牌的描述是否准确、完整”。

解释能力评估面临的核心挑战是：准确性和完整性的判断标准是什么？

基准事实的定义

评估解释准确性需要一把“标尺”——品牌的事实基准。这把标尺的构建本身就是一项工程任务。

事实基准不是品牌的所有公开信息，而是经过筛选和结构化后的核心事实集合，包括不可变事实（品牌名称、成立时间等客观信息）、定位事实（一句话定位、品类归属、目标客户）、差异化事实（核心竞争优势和关键差异化特征）以及时间戳事实（每条信息的最后确认时间和品牌重大变化节点）。

事实基准的质量直接决定了解释能力评估的上限。如果基准本身存在错误或过时，评估结果就失去了参照。因此事实基准需要品牌方的确认和定期更新——它不是静态的文档，而是持续维护的工程资产。

解释准确性的评分维度

有了事实基准，AI对品牌的解释可以从四个维度进行评分。

事实准确性：AI描述的品牌信息是否与事实基准一致。这是最基础的维度，包括品类归属是否正确、产品功能描述是否准确、成立时间等硬事实是否有误。事实准确性的判断相对明确，主要依赖事实基准的结构化比对。

定位清晰度：AI是否准确传达了品牌的核心定位，而非将边缘业务描述为核心，或将品牌定位在错误的竞争框架中。比如品牌的核心定位是“AI自动化平台”，AI描述为“办公效率工具”——没有事实错误，但定位精度明显不足。定位清晰度的判断需要语义层面的理解，判断AI描述与基准定位之间的语义距离。

信息完整性：AI的描述是否遗漏了对品牌认知至关重要的差异化信息。遗漏不是指某个冷门功能没有被提到，而是品牌的核心差异化优势系统性缺失。完整性评分关注的是品牌关键属性在AI描述中的覆盖比例。

场景适配性：在特定的消费场景或决策语境下，AI对品牌的描述是否突出了与该场景最相关的品牌价值。同一个品牌在“企业采购”场景和“个人使用”场景中，应该被强调的是不同的属性。场景适配性评分将问题意图作为评分权重因子——在推荐决策场景中，品牌描述的推荐理由是否充分比描述是否全面更重要。

解释能力的综合评分

解释能力的综合评分不是四个维度的简单平均。不同测评任务下，维度权重不同。

品牌认知类测评最关注事实准确性和信息完整性——用户直接询问品牌信息，AI给出的答案应该准确且完整。推荐决策类测评最关注场景适配性和定位清晰度——用户在做选择，AI的描述是否突出了品牌与场景的匹配度比描述是否面面俱到更重要。声誉风险类测评则额外关注AI描述中是否存在负面信号、错误归类或过时信息。

在AI心智指数的评估框架中，解释能力作为与提及率和推荐率并列的核心指标，其评分逻辑会根据测评任务类型动态调整权重配置，并在评估报告中尽可能透明地说明权重分配和评分依据。

指标口径的选择哲学

回到一个根本问题：指标口径应该偏“严”还是偏“宽”？

偏严的口径意味着更高的判定门槛。提及率只计算高相关度、明确指向品牌的提及；解释准确性采用严格的事实比对。偏严口径的优势是指标信号清晰、误判率低，劣势是可能低估品牌在边缘场景中的微弱存在感。

偏宽的口径意味着更低的判定门槛。只要出现品牌名称就算提及，只要描述没有明显错误就算解释准确。优势是覆盖全面，劣势是低价值信号可能淹没高价值信号。

没有普适的最优口径。选择取决于评估目的。对于品牌AI心智的日常监测，偏宽口径适合做趋势观察——品牌在AI中的基础存在感是在提升还是下降。对于品牌信息建设的精准诊断，偏严口径更适合——品牌在真正影响决策的场景中是否存在明确的认知问题。对于行业横向对比，口径的一致性和透明性比口径的宽严本身更重要——所有品牌在同一套规则下被评估，对比才有意义。

指标设计的可解释性原则

不论选择哪种口径，指标设计有一条贯穿始终的原则：可解释性。

评估结果的使用者需要知道每个数字是怎么来的——什么被计入了、什么被排除了、计数的规则是什么、加权的逻辑是什么。一个“黑箱指标”，即使数值看起来可靠，也无法被真正信任。

可解释性在工程上意味着几件事。指标的每个输入变量都可以追溯到原始样本；指标的判定规则可以以自然语言的方式向使用者说明；指标的灵敏性可以被检验——改变口径的某个参数，指标数值会发生多大变化；指标的边界被明确——在什么条件下指标有效，在什么条件下指标可能失真。

在AI心智指数的评估体系中，数据导出与复核机制就是服务于可解释性原则的。用户不仅可以看到综合评分和排名，也可以进一步查看相关采样数据和逐条分析信息，包括每个问题在哪个平台、什么时间被提问、AI原始回答是什么、品牌是否被判定为提及和推荐、语义倾向如何被标注等。

指标设计的最终目标不是给出一个让企业满意的数字，而是建立一套可以讨论、可以检验、可以持续优化的衡量框架。一个好的指标，是让所有利益相关方对“我们在衡量什么”达成共识，而不是让数字本身成为争议的焦点。