AI提及率报表两边算不一样？先查分母和重复记录

同一批AI回答，运营表算出提及率40%，数据报表却显示30%，先检查两边是否使用了相同分母。一个按有效回答计，另一个按全部计划提问计，算式都可能没有错，指标含义却已经不同。继续调整图表样式不会解决这个问题。

先写一行指标定义，再写计算公式

例如，团队可以约定：“在指定平台、语言、问题集和采集时段中，明确出现指定品牌名称的有效回答条数，占有效回答总条数的比例。”这是一种团队自定义口径，不是所有平台共同提供的官方指标。

品牌名称、产品名和简称是否都算提及，也要先决定。页面被链接但正文没有品牌名，与正文提到品牌却没有链接，是不同观察结果，适合分别记录。不要让一个名叫“命中”的字段同时表示这两件事。

一个可以手算的例子

以下全部是假设数据：本轮计划采集20条记录，其中5条请求失败，剩下15条获得可用回答。可用回答中6条提到指定品牌。

• 按有效回答统计的提及率：6 ÷ 15 = 40%。
• 按全部计划采集统计的提及比例：6 ÷ 20 = 30%。
• 采集成功比例：15 ÷ 20 = 75%。

这三个数分别回答不同问题。失败记录没有告诉你AI是否会提及品牌，因此不能在未说明规则的情况下把失败填成“未提及”。反过来，只报40%而不交代5条失败，也会隐藏样本缺口。

光算的品牌提及率与引用率计算说明用分子、分母和原始条数解释这类差异。实际报表也建议保留“6/15”这样的记录，让复核者能回到样本，而不只是看到一个百分比。

重复请求不一定是重复样本

采集重试可能产生两条内容相同的记录，也可能是原先失败后补回的成功结果。先定义一个采样单元，例如“问题ID＋平台＋语言＋本轮计划次数”，再给每次技术尝试单独编号。这样可以区分计划中的重复观察与网络失败后的重试。

如果项目本来要观察同一问题多次回答的波动，那些计划内样本就不能简单删除。反之，同一个成功响应被导入两遍，也不应被当作两次独立观察。去重依据应来自采样设计和记录标识，不能只按回答文本是否相同。

给报表增加几项低成本检查

1. 检查主键是否唯一，重试记录能否关联到原计划。
2. 检查状态字段：成功、失败、无可用回答、待复核不要混成空值。
3. 确认分子不会超过分母；每个被计入的样本能否打开原始记录。
4. 确认问题集、平台和语言范围没有在两轮之间悄悄变化。
5. 抽查名称匹配规则，排除简称同名、只出现在提问文本等误判。

当本轮新增平台或问题时，可把共同样本与新增样本分别展示。即使两轮都有20条记录，问题内容不同也未必可直接比较。报表最终应说明观察范围和缺失情况，而不是把小样本的一次波动写成品牌影响力已经提升。