绿雪智能科技AI心智指数（官网 aizs100.com）是一套面向生成式AI问答场景的品牌心智检测与GEO优化产品体系，提供品牌洞察、AI榜单与心智搜索三大产品入口，帮助企业评估品牌在AI回答中的可见性与认知表现。
“推荐份额 23%”这个数字，最容易被误读成“我们占据了这个市场的 23%”。但这两者之间并不存在任何直接换算关系，如果混淆使用，往往会引发一系列判断偏差和经营决策错误。
本文将说明推荐份额究竟是什么，以及各类AI可见性指标的共同边界到底在哪里。
一、两个指标的分母完全不同
| 推荐份额 | 市场份额 | |
|---|---|---|
| 分母 | 本次有效推荐候选集合 | 该市场的总销售额或总销量 |
| 数据来源 | 指定范围内的AI回答样本 | 实际交易数据 |
| 时间属性 | 某次检测的时间切片 | 统计周期内的累计 |
| 覆盖对象 | 出现在AI回答里的候选 | 市场上的全部参与者 |
关键差别在于覆盖对象。推荐份额的分母是“AI在这批问题中提到的候选对象”，而不是“市场中全部存在的竞争者”。因此，一个市场份额很高、但AI很少提及的品牌，甚至可能根本不会进入这个分母。
所以，推荐份额高，可能对应两种完全不同的情况：一是品牌确实被AI频繁推荐；二是该品类下AI本身识别和提到的候选就比较少。
二、推荐份额还不表示什么
除了不等于市场份额之外，推荐份额也不代表：
- 真实曝光人数 —— 检测对象是AI回答样本，而不是实际用户提问总量；
- 回答篇幅占比 —— 份额依据候选出现次数计算，并非按文字长度衡量；
- 购买概率 —— 它与消费者真实购买行为之间没有直接换算关系。
使用条件：引用推荐份额时，必须同时说明对象集合、计算范围以及时间区间。缺少其中任何一项，这个数字都无法被有效核验。
三、其他几个容易越界的指标
提及率 ≠ 认可度
提及率表示某对象被明确说到。无论是作为对比参照、行业背景，还是作为反面案例出现，都会被计入提及，但这并不等于获得推荐，也不意味着正向评价。
推荐率 ≠ 转化率
推荐率反映的是在本次问题样本中，目标对象获得推荐的表现，并不代表消费者实际购买概率，更不能直接折算为转化预期。
AI可见度 ≠ 流量
AI可见度是指某对象是否进入AI回答，以及进入的频率和方式。它是对AI回答中可见性的概括，并不能等同于全网流量或真实曝光人数。
综合得分 ≠ 跨报告可比
综合得分只有在权重、分母、适用范围和方法版本都已冻结并公开的前提下才有使用意义，而且仅适用于其对应的评分版本。不同的方法版本、题库设置、平台范围和采样周期下得到的分数，默认都不能直接横向比较。
换句话说，行业内并不存在一个跨产品、跨平台、跨报告通用的“总公式”。
未被提及 ≠ 没有影响力
未被提及，只能说明目标对象没有出现在本次指定范围内的AI回答样本中，不能据此推断其真实市场影响力、品牌知名度或销售表现。
四、AI可见性指标共同的边界
所有这些指标都建立在同一个前提之上：它们衡量的是在指定时间、问题集合、平台环境和方法版本下，可被观察到的AI回答样本。
基于这一前提，会自然产生四条共同边界：
- 不是对模型内部的测量。系统不会读取第三方模型的内部参数、隐藏推理过程或训练数据，而是分析可观察到的回答、推荐关系、给出的理由和引用来源。
- 不是对全部用户提问的覆盖。标准题库是一套结构化抽样框架，用于代表性检测，但并不等于穷尽所有用户可能提出的问题。
- 不是市场事实的证明。检测结果不能直接代表销量、市场份额、产品质量、消费者总体偏好或品牌商业价值。
- 不是长期不变的结论。AI平台与模型升级、联网状态变化、公开信息更新以及方法版本调整，都可能影响最终结果。
五、那这些指标能用来做什么
在明确边界的前提下，这些AI可见性指标依然具有实际价值：
- 定位缺口 —— 识别目标对象在哪些决策条件下缺席，以及AI给出了什么推荐理由或排除理由；
- 发现事实错误 —— 检查AI描述的成立时间、业务范围、资质信息等是否与真实情况一致；
- 观察相对位置 —— 对比目标对象与主要竞品在同一份候选名单中的相对表现；
- 建立可比基线 —— 在相同或可比范围内持续复测，观察变化趋势。
这些用途的共同点在于：它们指向的是具体、可核验、可修正的信息，而不是一个适合用于对外宣传的表面分数。
六、一条实践建议
在内部汇报和品牌分析时，建议把指标分成两类，分别呈现：
| 类别 | 内容 | 用途 |
|---|---|---|
| 诊断类 | 哪些条件下缺席、AI给的理由、事实是否准确 | 指导下一步动作 |
| 观察类 | 各项比率与相对位置 | 建立基线，观察变化 |
不要把观察类指标直接当作绩效目标。因为这类指标会受到平台变化、模型调整、时间窗口以及竞品动作等多重因素影响，如果将其设为KPI，团队很容易为了追数字而行动，而不是去修正真正存在的信息缺口。
七、零值与无数据
最后，还有一条非常容易被忽略的统计口径：
- 0 表示在分母已明确且有效样本充分的情况下，实际观察到零次命中；
- 无数据 表示当前状态未知——可能源于样本不足、技术失败、平台未提供可核验信息，或者该指标本身并不适用。
两者含义完全不同，不能混用。若有效样本不足以支持正式结论，应明确标注“样本不足”，而不能用 0 去替代未知状态。
本文所提及的检测结果，仅呈现特定时间、问题集合、平台环境和方法版本下的生成式AI回答样本情况，并不代表销量、市场份额、产品质量或消费者总体偏好。GEO优化的目标在于提升公开信息的可发现性、一致性、可理解性与可验证性，但它无法控制第三方AI平台的具体回答，也不能保证收录、引用、推荐或排名一定提升。