AI 声量份额衡量在固定问题集上出现的情况。偏好不同，它关心谁因信任、适配和证据获得推荐。
声量让你进入段落，偏好让你进入“推荐”的句子。
混合两者，会让团队为被提到而庆祝，却忽略真正被推荐的仍是竞争者。
声量实际反映什么？
固定问题上的声量通常包括类别、比较和推荐问题中的出现，相对明确同行的提及频率，有时还包括段落位置等需要谨慎解释的信号。
声量不自动代表购买意愿、适配或信任。它回答“进入名单了吗”，不等于“谨慎的买家会选我们吗”。
偏好会留下哪些线索？
- 首先被提及，且用途匹配清楚。
- 在条件约束下被明确推荐。
- 引用有力的证据页面。
- 使用信任和表现描述，而不是“也可以考虑”。
品牌可以声量领先，却在每次提及中被称为“传统备选”。所以情绪与描述分析应与声量并列，而非互相替代。
怎样同时汇报？
- **入选：**按问题类别统计提及率和声量。
- **偏好线索：**推荐措辞、推荐问题首次提及率，以及已提及回答中的信任描述。
不要平均成无法解释的综合分。必须放在一页时，可以并排显示两项数据，并注明同行集合和问题类别。
先完成一次校准
- 抽取三十条在比较或推荐问题中提及品牌的回答。
- 人工标为推荐、有条件推荐、中性纳入或负面纳入。
- 与自动标签比较。
- 固定标签定义，不因结果差而重新贴标。
没有校准，偏好又会退化为主观争论。
汇报示例
不够完整：“声量涨了四个百分点，我们赢了。”
更有用的说明性示例：“无品牌类别声量从 12% 变为 16%，但推荐问题中品牌出现时的首次提及率为 18%，同行为 41%；22 次提及中有 7 次使用‘传统’描述。入选改善，偏好未改善。下一步修正比较页与过时定位。”数字仅用于演示。
对策略意味着什么？
| 模式 | 可能原因 | 优先行动 |
|---|---|---|
| 高声量、低偏好 | 叙述和证据问题 | 修正描述与引用 |
| 低声量、出现时偏好高 | 发现渠道问题 | 类别语言与交叉印证 |
| 两者都低 | 类别策略或测量集合不合适 | 检查问题类别与同行 |
| 两者都高 | 相对稳固的位置 | 维护一致性并观察来源变化 |
结合 Brand Wiki 的事实背景，判断缺口来自信息表达还是更深的品牌关系。价值高而偏好弱时，也可参考品牌价值与 AI 声量。
常见问题
谁负责双项指标？
AEO 或品牌分析负责人每周同时发布两项，不应只保留声量指标，否则偏好下降可能隐藏在好看的图表中。
管理层汇报应避免什么？
无法解释的加权综合分。应并排展示并保留问题类别、同行和统计条件。
何时重新校准？
初次建立时校准，此后在问题类别、同行或自动标签逻辑变化时重做，不因某周结果不佳而改定义。
声量上升时不应做什么？
不要立即宣布胜利。首次提及和推荐没有改善，可能只是进入更多名单，仍未赢得推荐，需要具体描述修复。
区分记录与测量
Brand Wiki提供结构化品牌事实和来源；声量与偏好线索需要通过相应测量流程取得。