品牌情感衡量的是 AI 提到你时的态度：是正向、中性还是带保留。它与可见度不同——被提到但说错方向，是负资产。
逐平台给出情感得分与正、中、负占比，看清哪个 AI 对品牌最友好、哪个最敏感。
将全部提及划分为沉默缺口、负面传播、被动提及与主动口碑，量化口碑结构健康度。
按消费者决策五阶段统计提及率与正负面比例，定位负面情绪集中在哪个环节。
收录所有出现负面表达的 AI 回答，可回溯完整对话与其引用的信源出处。
统计舆情相关信源的总量、品牌命中与优质占比，判断负面内容来自哪里。
按风险等级排序的处置优先级清单，逐条给出处置建议与对应信源。
Top1 / Top3 推荐率与平均排名，量化品牌进入 AI 首推位置的稳定性。
痛点需求、方案探索、方案评估、决策购买、购后行为五大阶段的品牌覆盖程度。
正面、中性、负面评价占比，识别 AI 对品牌形成的情绪倾向与风险点。
AI 引用来源中命中品牌内容的比例，定位值得优先经营的高频信源。
与竞品在同一批问题下的提及、排名与口碑对比，拆解差异化标签与抗压能力。
真机模拟在8大AI平台提问，采集所有品牌相关回答。
对每条回答做正面/中性/负面分类，并溯源负面表达的出处。
按风险等级排序，给出处置建议与优先级。
按五大需求阶段生成场景问题，在12大AI平台真机模拟人工提问，还原真实问答结果。
逐项解读品牌AI表现，从提交品牌信息到拿到可执行的运营策略，全程系统化完成。
做法是按平台分开看，而不是只看一个总数。同一个品牌，在豆包和元宝上的评价可能完全不同，因为各家 AI 引用的信源不一样。监控的目标是找到"哪个平台、在什么话题下、出现了什么倾向的评价"，这样才能定位到具体哪一批内容需要处理。
情绪判断存在主观性——同一句话，机器判中性、人可能读成负面。所以关键条目我们会人工复核，但无法保证 100% 准确。另外，口碑监控只能发现问题，不能直接解决问题；处理仍然要靠内容层面的动作。
不会，全部向客户开放。负面条目更是会主动提示，因为越晚处理代价越大。
能。报告里会附 AI 回答的原文摘录，可以逐条核对。
看性质。如果是明显错误信息，建议优先处理；如果是需要内部核实的情况，先核实再动作，避免越描越黑。