提及分析，是指把品牌被 AI 提及的每一次都记录并量化，分析它出现与不出现背后的原因，把它变成可优化的信号，而不是一次性的运气。
监控问题中实际触发了品牌相关讨论的比例，衡量问题集对品牌的覆盖广度。
AI 回答中真正提及品牌的比例，是品牌在不在场的核心刻度。
品牌在 AI 答案推荐序列中的平均位次，越靠前，被用户采纳的概率越高。
提及品牌的问题占全部监控问题的比例，反映品牌在各类场景下的渗透面。
监测周期内实际触发品牌提及的关键词总量，体现品牌被检索的入口宽度。
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。
在12大AI平台真机提问，记录品牌每次被提及的情况。
将提及数据量化为覆盖度、可见度、排名、问题覆盖、关键词五个指标。
问题机会矩阵+竞品压制对比，按优先级排序输出行动队列。
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。
把"被提到"这件事量化，才谈得上优化。核心是四个数字：覆盖度（多少比例的问题提到了你）、可见度（在回答中出现的显著程度）、平均排名（进入推荐时排在第几）、触发关键词（哪些类型的问题最容易提到你）。有了这四个数字，就能看出短板具体在哪。
重要提醒：被提及不等于被推荐。有些回答里出现你的名字，可能是在罗列或对比中被捎带提一句，甚至是在"哪些公司不太行"的语境里出现。所以提及数据必须配合评价倾向一起看，单看次数会误判。
不能保证线性增长，但通过内容建设，在特定问题上的提及率是可以改善的。我们承诺的是过程动作和可复核的记录。
因为各家的检索来源不同。有的平台偏好新闻类信源，有的偏好问答社区，所以同一个动作在不同平台见效快慢不一。
能，前提是问题库和提问方式保持一致。我们会把题库交付给客户，方便你自己抽查。