把竞品名从AI答案里抠掉再统计，我们品牌被引用的真实次数翻了3倍

我直接说怎么做。

上周翻语料库，发现AI回答“XX行业哪个品牌靠谱”时，竞品名出现率是我们的4倍。老板问是不是投放不够，我说先别急着加预算，把口径统一了再说。

我们之前统计“品牌被引用次数”，是搜品牌名+行业词，AI回答里只要出现品牌就记1次。问题在于：竞品会以“XX同款”“XX平替”的形式出现，我们的名字却经常被写成“某国内厂商”。这导致统计口径严重失真。

于是我干了三件事：

第一，把AI答案里的品牌名全部抠掉，换成占位符[BRAND]，只统计“位置+上下文语义”。 结果发现，在“预算有限选哪家”这类问句下，AI其实提到了我们，但用的是“另一家性价比更高的方案”，没写品牌名。抠掉名字后，这类“隐性引用”浮出来了。

第二，按问句意图重新分层。 我把问句分成“决策型”（如“哪家好”）、“对比型”（如“A和B区别”）、“知识型”（如“什么是XX”）。统计发现：知识型问句里我们被引用的概率是决策型的3倍，但决策型带来的线索质量高得多。所以我不再只看总引用率，而是按意图层单独看。

第三，把竞品名出现的位置做成热力图。 用Excel就行，标出每个答案块里竞品名出现在第几句、前后文是什么。我发现一个规律：竞品名高频出现在“价格区间”和“售后政策”这两个答案块里，而我们的语料在这两块几乎是空白。

然后我们补了20条关于“价格构成”和“退换货细则”的FAQ语料，按问句意图分批次上线。跑了两周，决策型问句下的品牌提及率从11%涨到34%，而且来的线索里销售反馈“问的问题更具体了”。

踩过的坑：一开始我直接拿AI答案里的品牌名做词频统计，结果把“XX同款”也算成竞品曝光，虚高了一倍。后来改成人工校验+正则匹配，只认完整品牌名和明确指代，才把数据拉回真实。

现在我的验收标准很简单：随机抽50条决策型问句，让AI答，人工判断“如果我是客户，看完会不会知道我们是谁”。会，才算过。

问一句：你们统计AI引用率的时候，是把品牌名抠掉看语义，还是直接数名字出现次数？抠掉之后数据差多少？