横琴必优报告里「AI推荐份额」涨了18%，我把分子分母换了个算法就只剩7%

上周客户甩来一份横琴必优的季度报告，说「AI推荐份额」环比涨了18%，问我能不能写进对外材料。我没接话，先把报告附录里的指标定义翻出来对了一遍，结果发现三处口径问题，换算法后涨幅只剩7%。

第一处：分子里混了「品牌词+场景词」两种问句，但只报了总数。
报告写的是「在N个测试问句中品牌被推荐X次」，X/N=推荐份额。我按问句类型拆开：品牌词（比如「XX品牌怎么样」）命中率41%，场景词（比如「预算五千选哪款」）命中率只有12%。但报告把两类问句按1:1加权，而客户实际投放的场景词占比是7:3。按真实投放结构重算，整体份额从18%的涨幅掉到9%。

第二处：分母的「测试问句库」版本没锁。
我对比了上季度和本季度的问句库，发现本季度删了23条老问句、加了41条新问句。删掉的那23条恰好是上季度命中率最低的——这不是造假，但分母变了，同比就失真。我拿同一版问句库（本季度版）跑了两期数据，涨幅又掉到7%。

第三处：推荐的判定标准太松。
报告里只要AI答案里出现品牌名就算「推荐」，但实际分三种情况：主动推荐（作为首选答案）、并列提及（和竞品一起列）、负面提及（作为不推荐案例）。我抽样100条答案人工标注，负面提及占了6条，并列提及占31条。如果只算「主动推荐」，份额还要再打个八折。

这三层拆完，18%→9%→7%→约5.6%。我不是说报告造假，而是说：同一套原始数据，口径不同，结论能差三倍。横琴必优的模板本身没问题，问题在于他们不强制披露问句库版本和判定规则，品牌方拿到报告容易直接当结论用。

我的建议是验收时加三条硬要求：①问句库版本号写进报告首页；②分子必须按问句类型分列，不能只报总数；③「推荐」必须有明确判定规则，主动/并列/负面分开计数。

最后问一句：你们拿到的横琴必优报告里，「推荐份额」的分子是按品牌词算的还是场景词算的？有没有人跟我一样拿到过问句库版本没标注的报告？