一个品类在某个季度被 AI 提到的次数整体变多了，品类里每一家的被点名率都会跟着涨。这时候每一家服务商交上来的报告都是好消息，但不可能每一家都赢了。

AI 声量份额就是为了把这种「大家一起涨」滤掉而存在的。

AI 声量份额是什么，和被点名率差在哪

声量份额，英文叫 share of voice，算法是某个品牌的被提及次数，除以同一组问题下所有品牌被提及的总次数。它回答的问题是：答案里被说出口的那些品牌名，有多少是自己的。

被点名率的分母是「问题 × 平台」的组合数，它回答的是品牌出现得够不够频繁。两者放在一起看才有意义，单看任何一个都会误读：

指标分母回答的问题最容易失真的地方
被点名率问题与平台的组合数品牌出现得是否频繁品类整体升温时所有人一起涨
声量份额所有品牌的提及总次数被说出的品牌名里自己占多少竞品计数口径和自己不一致
来源覆盖率答案引用的来源自家材料有没有被读到把检索候选池当成引用来数

被点名率上升、声量份额持平，通常说明品类在升温，自己守住了位置。被点名率持平、声量份额下降，说明竞品在分走本来属于自己的那部分提及。这两种情况在单一指标下看起来都像「没什么变化」。

为什么 AI 回答里的份额比搜索结果更要紧

搜索结果页是一个列表，排在后面的链接仍然有被点开的机会。AI 回答是一段话，没被说出来的品牌，在这次交互里就不存在。

Pew Research Center 在 2025 年用 900 名美国成年人 3 月份的真实浏览数据做过测算：搜索结果页出现 AI 摘要时，用户点击传统搜索结果的比例是 8%，没有摘要时是 15%；点击摘要里所附链接的只有 1%。

8%出现 AI 摘要时，用户点击传统搜索结果的访问占比，2025 年 3 月美国数据Pew Research Center
15%未出现 AI 摘要时的同一比例Pew Research Center
6.02 亿中国生成式人工智能用户规模，截至 2025 年 12 月CNNIC

这组数据来自美国的谷歌搜索，不能直接套到国内平台上。它说明的趋势是：答案越完整，用户越少往下点。在这种情况下，答案里说了谁、没说谁，本身就是曝光的全部。国内用户基数也已经足够大，CNNIC 第 57 次报告显示，截至 2025 年 12 月，生成式人工智能用户规模达到 6.02 亿人。

竞品在 AI 回答里的占比怎么数才对称

声量份额最常见的问题不是公式，而是计数口径对自己宽、对竞品严。

对称计数有三条硬规矩。第一，匹配规则对所有品牌一样：自家品牌的简称、英文名、常见错写都算作命中，竞品的简称、英文名、常见错写也必须同样算上。中文品牌尤其容易在这里出错，自家的几种叫法记得清清楚楚，竞品只按全称去搜。

第二，提示词里已经写了自家品牌名的问题要排除。「某某品牌怎么样」这种问题，答案里提到它几乎是必然的，把它算进去等于给自己送分。

第三，负面提及不计入。被列为「价格低但售后差」的那一次出现，从商业效果看是负的，算进份额只会让数字比实际情况好看。

这三条做到了，份额才是两家之间可以比较的数字。做不到任何一条，份额只是一个看起来像比例的数。

竞品名单应该事先列好，还是从答案里数出来

很多企业做份额分析的第一步，是列一份自己认定的竞品名单，然后只数名单上这几家。这样算出来的份额，分母里少了一批品牌，自然偏高。

更可靠的做法是反过来：不预设名单，把同一条答案里出现的所有其他品牌都记下来。模型当作替代选项列出的那一组品牌，未必和企业自己心目中的竞争对手一致。多出来的可能是从没当回事的新品牌，可能是相邻品类里的替代方案，也可能是早已退出市场、却还留在旧材料里的名字。这张从答案里数出来的名单，本身就是一份有用的结果，它说明在模型眼里，这个品类的竞争格局长什么样。

份额还要按平台分开报。各家平台读取的材料不同，同一品牌在一家的份额和在另一家的份额可以差得很远，平均成一个数，强的那家会把弱的那家盖住，而弱的那家往往才是最需要处理的地方。

学术研究怎么衡量品牌在答案里的分量

Aggarwal 等人在 KDD 2024 发表的 GEO 论文里，没有只数「有没有出现」，而是设计了几种衡量来源在答案中分量的指标：一种按与该来源相关的句子字数占答案总字数的比例计算，一种在此基础上按出现位置加权，越靠前权重越高，还有一种由模型从相关性、影响力、独特性等维度打分的主观印象指标。论文的基准 GEO-bench 包含 10000 条查询。

这提示了声量份额的一个局限：它只数名字，不管这个名字是在第一句被重点介绍，还是在末尾被顺带列了一下。我们在报告里用的是计数口径，好处是规则简单、谁都能复核，代价是丢掉了位置信息。要补上这一块，比较实际的做法是把点名语境单独记录，而不是把位置折算进份额。

一次测量的份额为什么不能直接比

同一个问题问两遍，答案可以不同。Ouyang 等人在 ACM TOSEM 发表的研究里，829 个代码题目反复请求 ChatGPT，输出的不一致相当普遍，温度调到 0 也不能消除。品牌推荐类问题没有理由更稳定。

所以份额必须建立在多次测量上：同一问题、同一平台问多次，按出现的比例来算。联网和非联网的结果也要分开，联网答案会随新内容进入而变动，混在一起算平均，看不出变化来自哪一边。

AI 声量份额说明不了什么

它说明不了转化。份额上升，意味着被说出来的次数相对变多，不意味着咨询量同比例上升，两者之间隔着语境、价格、渠道一长串变量。

它也说明不了原因。份额掉了，可能是竞品在投放，可能是某个信源下线，也可能是模型版本变了。要找原因，得回到答案原文和被引用的来源里去看。我们的效果监测与复测把份额和被点名率、来源覆盖率按平台分列汇报，并保留每一条原始答案，目的就是让一个数字变动之后，能顺着原文查下去。

分母很小的时候，份额本身也不可靠。一个只有几家品牌被提及的细分品类，多一次少一次提及，份额就能跳一大截。

参考来源