2:4:3:1，这是问题库四类提示词的常用配比，也是监测报告能不能被复核的第一道关。品牌词两成、品类词四成、场景词三成、对比词一成，配比背后是真实提问的分布：用户很少直接问某个品牌，多数问题发生在品类、场景与对比这三层机制拆解。配比定错，后面采多少轮都在放大偏差。以下数据截至 11 月 9 日。
品牌词为什么只占两成
品牌词占比低，是因为它在真实提问里本来就少。用户在决策早期问的是「这类服务怎么选」「预算多少合适」，到后期才会问「某某家怎么样」。如果问题库里八成是品牌词，测出来的高提及率只是一种自证：你问了自己的名字，AI 当然会说你的名字。这样的报告在内部汇报时很好看，在真实流量面前没有预测力。
反过来，品类词与场景词占比高，测的是品牌在用户还没想到你时能不能被带出来。这两层最难做，也最能反映内容资产的厚度。对比词只占一成，是因为它更接近成交前的最后一步，样本少但价值高，适合单独列示，不适合与大池子混算。
四类词怎么落成表
提及率和引用率不是一回事
提及率是品牌名出现在回答里的比例，引用率是回答附了指向你的来源链接的比例。前者说明 AI 认识你，后者说明 AI 愿意为你背书。两者之间常见的落差是：品牌被提到，但引用的却是竞品官网或第三方榜单。这个落差恰好指出了下一步该补什么——不是继续铺内容，而是补可被引用的信源。
表述准确性是最容易被忽略的一项。被提错一次，损失可能大于没被提及：把业务范围说错、把竞品的能力安在你头上，用户读完就走。所以每次采样除了记录是否出现，还要记录 AI 用了哪几个词描述你，这些词与品牌事实清单的偏差，才是需要修的东西。
| 提示词类型 | 示例 | 测量目的 | 建议占比 |
|---|---|---|---|
| 品牌词 | 某某公司是做什么的？口碑如何？ | 核对 AI 对品牌的基础认知是否准确 | 两成 |
| 品类词 | 做企业财税服务哪家比较靠谱？ | 看竞争场景下的提及与排位 | 四成 |
| 场景词 | 刚创业的公司怎么处理记账报税？ | 看真实决策语境里的渗透 | 三成 |
| 对比词 | 自建团队和外包方案各有什么优劣？ | 看决策对比环节的话语权 | 一成 |
人工抽查怎么抽
第三方工具的报告要定期用手动提问核对，这是防数据美化的最低成本手段。抽查不用多：每次抽十到十五个问句，覆盖四类词，自己在新会话里逐个问一遍，把 AI 的原话截下来与报告比对。对不上的地方，先怀疑采集口径，再怀疑工具；两种情况都会发生，区别在于前者能改，后者要换供应商。
采样次数与间隔怎么定
同一问句在同一平台至少采三到五次，间隔数天，这是行业里比较通行的下限。原因很直接：AI 回答本身有随机性，同一句话今天问和明天问，引用的来源可能不同；单次结果只能代表某一次的样子，不能代表整体表现。三五次取综合，才能把随机波动压到可以讨论的水平。
间隔也不能省。同一天连问五次，得到的往往是同一套检索结果的多次复述，样本看似有五个，有效信息可能只有一个。把五次分散到两周，跨过模型的小版本更新与内容收录周期，得到的分布才更接近真实用户会遇到的样子。
复测怎么对齐基线
复测最容易出的问题不是数字不好看，而是问句池在无意中被改了。有人觉得某个问句「问得不好」，顺手换掉，基线与报告期就不再是同一批题；这种情况下涨跌都无法归因。做法很简单：问句池冻结，新增问句单独建组，与冻结组分开统计，两组只在同一口径下各自做时间序列。
对齐之后，报告才有第二种用法：把每一期的 AI 原话留存下来，形成一条描述变化的时间线。三个月后回看，能看出 AI 是在哪个节点开始改口、改的是哪个维度。这条线比任何一个单期分数都更有价值，也更难被包装。
常见问题
问：问题库一定要按 2:4:3:1 吗？
答：不必照抄。这个配比适合大多数消费与 B2B 服务场景；强监管或强品牌认知的行业，品牌词可以上调，但不宜超过三成，否则测试会变成自证。
问：同一个问句问五次，会不会重复计样本？
答：间隔足够就不算。分散到两周的五次，跨过了内容收录与模型小版本变化；同一天连问五次，有效信息往往只有一次。
问：被提及但引用的是竞品，算好还是坏？
答：算暴露问题。说明 AI 认识你但不愿为你背书，下一步该补的是可被引用的第三方信源，而不是继续增加内容数量。
问：报告里的分数能跨季度比吗？
答：同口径可以，跨口径不行。问句池、平台清单、采样频次任一项变动，都要在新口径下重建基线再比。
