把AI答案里的「品牌提及」按语境切了五类，才发现我们一直把中性语境当口碑在报

上周跟客户对月报，他又指着AI答案里品牌露脸的次数说这个月曝光涨了不少……我当时没敢接话，因为我自己心里也发虚：这些提及到底算不算正面，我压根没拆过。

回来之后我把手头三个品类、总共120条AI回答导出来，逐条人工标了一遍。不是打分，是只做一件事：看品牌名出现的那句话，语境到底是什么。标完分了五类：

1. 推荐型：AI在给建议时主动提到我们，比如「可以考虑XX」
2. 对比型：跟竞品并列出现，褒贬混着
3. 中性信息型：只在参数表、价格区间里出现，没有任何态度
4. 纠错型：AI在澄清一个错误认知，品牌名是被纠正的对象
5. 负面语境：售后、差评、翻车事件

结果挺扎心的：120条里中性信息型占了47条，接近四成。这47条之前全被我们算进「品牌曝光」里，客户看到的数字一下就虚高了一大截。更麻烦的是纠错型那9条，AI是在说「XX不是某类产品」，我们后台却按正向提及记的。

我拿这个分类去找客户对，他第一反应是「那你们以后按推荐型算不就完了」。我说不行，因为推荐型样本太少了，三个品类加起来只有18条，单靠它做趋势曲线会抖得没法看。我的处理是：中性信息型单独列一行叫「基础可见度」，推荐型和对比型合并叫「口碑语境」，纠错型和负面单独叫「风险语境」，三行分开报，别加总。

踩过的坑也说一下：一开始我想让工具自动按关键词切，结果它把「XX的替代品」也归到推荐型里了……一个品牌被当成「替代品」提，语境其实是负的。最后还是老老实实人工标了120条，花了我大半天，但标完之后我至少知道每个数字是怎么来的了。

现在卡住我的是口径统一：同一个品牌，在不同AI平台上的语境分布差得挺远，一个平台中性信息型多，另一个对比型多。我要是按平台分开报，客户会问为什么三张表；合起来报，又怕把两边的差异抹平。

想问下做过类似拆分的大佬，你们是按平台分开出语境分布，还是先合并再在备注里说明差异？有没有更省事的判断规则，能让我不用每条都人工标……求指点🙏