① ⚡ 一句话总结：想知道「AI 眼里我们占多少份额」，第一件事不是把测量做准，而是先决定「拿什么当分母」——分母换一个，同一批数据能算出 17、40、50 三个数。

② 🔍 本期最深发现：没人能给出「问 AI 多少次才算稳定」的标准答案——有研究（arXiv:2608.07069）发现隔天再问并不比当天重问更稳定，说明抖动主要是采样随机性、压根不存在一个「收敛次数」。所以正确姿势是先做一次收敛预实验再定次数，而不是抄一个数字：n=30 次时误差还有约 ±16.8 个百分点，要看清月度变化得跑到 n=100（约 ±9.6 个百分点）。

③ 变现闭环卡片：这笔生意的钱流是「品牌预算 → 工具订阅费（约 $29-$499/月）或代运营费（约 €5,495/月至 $6,000+/月）或自建 API 成本（约 $5-$25/轮）」。工具本身没有壁垒（$29 谁都能买），壁垒只有两样：为你这个品类定制的提问清单，和把读数变成内容修改的执行环。对我们的含义：买仪表、自建词库和执行环；llmsite/OMW 现在的量级（月自然流量不到约 5,000）应该先做 $0 的季度人工体检，不要先买月费工具。

一、定义层：分母三选一（本期第一决策）

• 三种分母，三个数：同一批观测（100 条提问、40 条点名、全部回答共 80 条品牌提及）——
  • 存在率 = 含品牌提及的回答数 ÷ 意图 prompt 总数 ×100 → 40（提问里有多少条提到了我）
  • 品类提及份额 = 本品牌提及数 ÷ 全部被引品牌提及数 → 50（牌桌上有我几分之一）
  • 位次加权显著度 = 提及记 1 分、推荐记 2 分、带链接记 3 分，加权分 ÷ 满分 → 17（我排得靠不靠前） → 三个数都对，混着用就是自己给自己造一个好看的数字。
• 👉 我们选「存在率」（含品牌提及的回答数 ÷ 意图 prompt 总数 ×100）。人话：只有它的分母握在我们自己手里。判据四条——①控制权：分母是我们冻结的提问清单，模型改版也缩不掉（另两种的分母由模型决定，模型一变数字就漂）②最少可博弈面：唯一能动的是分子，还被模型的随机性限住 ③可外部对标：这是 Alhena、Widesight 都在用的共同口径 ④干净切开「提及≠推荐」：只回答「出没出现」，排位与语气另做两列并行上报。
• 次级输出（报但不许升为头条）：位次加权分（内部排序用）、品类提及份额（看回答层多拥挤）。有干净竞品集时才报份额，且必须标明「这是另一种指标」。

二、定位层：这个指标要「降一档再用」

• 它是可见性指标，不是影响力指标，而且会被优化污染。人话：分子分母都随提问清单移动，挑提问就是最主要的污染路径——想刷高，换一批好听的提问就行。

• 用途排序：内部校准为主、季度对外叙事为副，不得写成对外合同 KPI（Alhena 明说这是 attribution 不是 incrementality；Skayle 明说它不证明因果）。人话：拿体温计当结算依据，迟早出事。

• 一次提及 ≠ 一次推荐：独立测量 30 个加密品牌——59.9% 的提及是「被当成备选/次优」、31.1% 是首位推荐、只有 0.6% 是负面举例。人话：光数次数会把「不建议选 XX」和真心推荐算成同分。

• 边界：≠ Share of Voice（那是「人看到的结果页/媒体曝光」）、≠ 引用率（有链接才叫引用，光有名字只是提及）、≠ AI 引荐流量份额（那是用户点进来之后的数字，是下游行为指标，和这个上游指标是两层）。

• 七家主流厂商分母互不通用（用户自定清单 15-400 条 / Ahrefs 预建 4.79 亿+ 提问索引 / Semrush 拿行业中位竞品当基准）→ 单一 SoM 数字不可跨工具移植。人话：每家体检中心的尺子刻度都不一样，还没有计量局——所以 A 家的「40」和 B 家的「40」不是一回事。

• 不存在审计标准：没有 MRC/IAB 式的认证机构；可比性实际靠三样——厂商方法论页 + 中立第三方研究 + Google Search Console 的 AI features 曝光（唯一被官方认可的曝光来源）。

• 可复现性是最大威胁：SparkToro 2,961 次运行——任意两次回答出现同一品牌清单的概率不到 1/100，同一顺序的概率不到 1/1000（⚠️ 单一研究）。但**「份额」这种聚合值远比「名次」稳定** → 结论：做聚合值，不做排名。

• 模型版本漂移只能靠刷节奏，不能靠锁版本：Ahrefs 每月重测（90 天报告窗）、Otterly 自动标「漂移」，但没有任何厂商公开每个数据点背后的模型版本号 → 我们必须自建一组「哨兵提问」盯着模型改版。

• 厂商自己报的「提升 X%」一律不能用（M7）：没有分母、没有采样协议、没有误差范围 → 不能当校准锚点。人话：广告词不是数据。

四、采样协议：最反直觉的一块

• 「问多少次才稳」= 没有答案（UNKNOWN，禁编）。最硬的反证：Tier-3 全量普查审计 arXiv:2608.07069（约 4,776 家门店全量枚举、2,208 条回答、四个引擎）——原话大意是「跨两周重测的答案相似度 ≈ 当天重跑的相似度」，说明抖动来自采样随机性、不是时间漂移 → 晚点再问不会更稳。旁证：WSU 研究同一问题重复 10 次只有约 73% 一致（约 27% 会翻转，⚠️ 单源）。
• 为什么「N=8-12」和「3 次」都不算功效下限：自一致性研究的 N（5-40）是冲答题准确性去的，不是提及率稳定性；「3 次」是节奏主张（多久看一次），不是统计下限——本试点明确拒绝把它当门槛。正确姿势：先做收敛预实验 → 每 prompt ≥30 次并报 Wilson 区间。
• Wilson 区间（Hermes 本期补算，p=50%）：n=30 → 约 ±16.8 个百分点；n=60 → 约 ±12.3；n=100 → 约 ±9.6。人话：跑 30 次时误差还有约 ±17 个百分点，只能看出「量级级」变化；想看清月度变化（波动带本来就有 40-59%）得跑到 100 次。
• 波动带 40-59%（跨引擎月度：AIO 59.3% / ChatGPT 54.1% / Copilot 53.4% / Perplexity 40.5%，二手/vendor 口径）→ 小于这个带的变化不可行动。
• 温度调到 0 也还是会变：来源是浮点非结合性 + 并发 GPU 内核完成顺序（Thinking Machines Lab + arXiv:2408.04667）→ 所以每次都要记录四要素：engine / UTC 时间戳 / model_version / surface（API 还是消费者端）+ 登录态。人话：缺了 model_version，你就分不清「模型换人了」还是「只是运气不同」。

五、合规红线：必须走 API，不走网页

• 判决是「消费者面 vs API 面」的分裂：
  • OpenAI：消费者 ToU（2026-01-01 生效）明文禁止「自动或程序化提取数据或 Output」 → 消费者面 RESTRICTED；API 面分层限流。
  • Anthropic：消费者条款 3.4 禁爬取、3.7 禁自动化访问，但明文排除「用 API key 访问」 → 消费者面 RESTRICTED / API 面可走。
  • Google Gemini：API 条款限定「专业或商业用途、非消费者用途」+ RPM/TPM/RPD 分层限额（RPD 太平洋零点重置）→ RESTRICTED-leaning。
  • Perplexity：网站 ToS 明确排除 API → 四家里唯一最明确的 PERMITTED-API。
• 裁定：SoM 采样必须走 API 面，不得自动化消费者界面；条款沉默的地方一律标 UNKNOWN，禁写「应该没问题」。人话：在网页版上让机器人反复问、把答案抄下来 = 官方明文禁止；API 花钱买的就是「被允许自动化」这件事。

六、落地协议：怎么跑、花钱多少、什么时候该停

• 提问清单是测量单元，不是关键词：四层都要有——购买意图 / 信息意图 / 品牌词 / 竞品词；小站先 3-5 个核心词但四层齐；行业收敛在 20-40 条（24 条推荐起步）；低于约 30 条时，单条离群回答就能让指标摆动 10+ 个百分点。
• 记录表 13 个字段，其中两列是「顺手白拿」的：
  • 语境极性列：每条提及旁边约 20 个词人工读一遍，标成 推荐(+1) / 中性并列(0) / 警示批评(−1)。主流工具普遍没有这列，只能人工做。
  • 竞品共现列：每次回答都点名同行，记下「我和谁一起出现」——同一次采样顺带画出 AI 眼里的品类地图，往往比自己份额更值钱；须按引擎分别读（引擎在交易型类目高度一致、在研究型类目分歧大；跨系统 top-20 重合度只有 0.33-0.54，禁止合并）。
• 首测基线纪律：第一次跑只算基线，不得从第 1 次判输赢；「4→5→9」是趋势，「4→12→3」是波动。
• 节奏与 owner：快品类周度、慢品类月度；必须有一个具名的内部人每周拉报表并把问题修掉——否则就是「买了温度计没人看」。
• kill criteria（7 条，本期成文）：差值长期小于噪声带 / 连续 2-3 期没人据此动作 / 相关提问命中率 <20%（那是内容缺口不是测量缺口）/ 月自然流量 <约 5,000 或客单 <约 $2,000 / 试点窗（3-6 个月）内无采纳 / 提问清单无法版本锁定开始腐化 / 跑满一季度仍与品牌搜索、AI 引荐、转化无关。
• 成本对照（买 vs 自建）：人工审计 $0（约 2 小时/季）→ 自助工具 $29-$499/月 → DIY API 约 $5-$25/轮（100 提问周度）→ 工具+内部分析师 $15K-$25K/月 → 代运营 约 €5,495 至 $6,000+/月。
• 裁定：买仪表、自建词库 + 执行环——「测量本身是护城河，但买来的代码不是」。llmsite/OMW 现在量级 → 先做 $0 季度人工审计，等有内容修复产能再上工具。

七、与 D8「窗口条款顾问」是两条不同的网

• SoM = 测量仪表 + 优化环（动的是「引用层」）；窗口/条款顾问 = 合同与授权条款的法律-商业解释（动的是「条款层」）。两者只共享「信息即壁垒」这个母题，不是同一门生意、不能改名复用。
• 互喂点：Moffatt v. Air Canada 案——AI 给出的错误政策被裁定有效，说明「AI 答错也会产生责任」，这正是监测有意义的原因。

叙事链位置

D6（怎么写）→ D8（归因为什么失明）→ D9（可交易性断裂在哪）→ 今晚 D10（到底怎么量）。OMW 卡位谱系第 5 坐标候选 = SoM 监测服务（门槛 = 协议方法论 + 自家站作首个样板），待 @you 裁定。

🔗 重点来源