品牌提及率
=提到目标品牌的有效观测全部有效观测
区分品牌全称、别名和有歧义的名字。有歧义的不默认算作提及，人工纠正会留下记录。
方法与合规
数字是怎么来的，
写在明处。
AI 的回答没有固定排名，也不会每次都一样。所以比“得了多少分”更要紧的是：这个数字的分母是谁，样本是怎么采的，哪些结论现在还不能下。
四个指标
每个指标，
先说清楚分母。
selno GEO 不做综合评分。四个指标各管一件事，分母都是“有效样本”。
候选名单进入率
=品牌出现在候选名单里的观测明确要求推荐或列出候选的有效观测
只看“推荐几家”“有哪些选择”这类问题。它不代表所有 AI 平台上的统一排名。
引用覆盖率
=带有品牌相关引用的有效观测支持引用的渠道上的有效观测
不显示引用的渠道单独标成“不适用”，不进分母。
事实准确率
=核验为正确的断言已经核验的断言
没有核验的、证据有冲突的、已经过期的断言分开统计，不混进来。
采样规则
五条规则，
管住每一个样本。
每个渠道单独记录
是哪家的、是界面还是接口、怎么采的、哪个模型、什么语言和地区、什么时间，一项不少。
历史样本不覆盖
每次采样都有运行编号和原文哈希。新的分析可以有新版本，旧样本一直留着。
固定问题和探索问题分开
固定问题集有版本，重复采样用来看趋势。探索出来的新问题不混进趋势的分母。
失败不是“没提到”
来源缺失、采样失败、模型拒答、无法访问，都如实记成失败，不用 0 去填。
写明样本量和时间窗
每个结论都带着样本量、时间窗和方法。统计上的波动，不直接算作内容优化带来的增量。
三个不等于
容易混在一起的，
我们分开说。
接口的回答≠用户界面里的回答
通过接口取得的内容标成 API 观测，不写成“某个平台的真实搜索结果”。不同渠道、不同观测方式，不混成一张排行榜。
提及率≠排名
AI 的回答没有固定名次。我们报告的是：在多少条有效回答里出现了，以及出现在候选名单的什么位置。
观察到的变化≠因果
没有对照设计的时候，报告只陈述观察到了什么变化，不说“因为做了某件事，所以提升了多少”。
合规底线
优化的前提，
是内容真实。
靠编造信源和评测去影响 AI 的回答，既违反平台规则，也迟早会失效。下面这些事我们不做，产品里也有对应的控制。
| 风险 | 我们不做 | 产品里的控制 |
|---|---|---|
| 数据投毒 | 伪造权威来源、编造评测、写误导模型的隐蔽内容 | 核验来源身份，标记风险，发布之前人工审批 |
| 平台条款 | 绕过反爬限制，或者把接口结果包装成用户界面里的可见度 | 逐个渠道做合规评估，只开放通过评估的渠道 |
| 客户数据 | 把客户的私有事实随意送进第三方 AI 服务 | 按租户授权，数据分级和脱敏，最小保留，可以删除 |
| 不实宣传 | 承诺一定进入某个 AI 的回答，或者一定带来销量 | 页面和报告里写明样本范围，说明结果不是保证 |
数据怎么保管
原始记录不动，
分析可以重来。
原始回答原样保存
原文连同时间、渠道信息和哈希一起留存。分析结果另存版本，可以纠正，但不会改动原文。
各家数据互相隔离
每个组织、每个项目的数据彼此看不见。代理商也只能在客户授权的范围内访问。
保留、删除和导出可配置
原始观测保留多久、什么时候删除、怎么导出，由客户按自己的要求设定。
只记必要的使用数据
产品自身的使用统计只记必要的行为，不复制客户私有问题的原文。