AI品牌可见度分析与诊断引擎实现
把原始回答转化为可核验指标、舆情证据和优化行动。

AI品牌可见度监测系统需要回答三个层次的问题：平台是否提及品牌，提及内容是否准确且有利，以及团队下一步应该修改什么。前两层是测量和分析，第三层是诊断与决策支持。如果直接让模型读一批回答后生成结论，容易出现分母不清、来源混淆和建议没有证据的问题。本篇给出围绕智叟云集系统构建分析流水线的实现方法。

实现范围：已完成回答截图说明页面能够展示平台回答与排名标记，不代表本文复核了每段原文或现网分析算法。以下抽取Schema、统计口径、证据校验和诊断规则为建议实现；品牌诊断配图采用设计数据，不作为真实经营结果。

GEO监测系统的工程重点，是让每项指标对应固定口径、原文证据和可追踪的分析版本。

一 建立原始证据到诊断动作的分层流程

图1 分析处理框架：原文归档、结构抽取、规则校验、统计汇总、诊断复核逐层推进。
分析服务接收answer_revision_id，读取对应正文和引用记录，先进行格式清洗，再识别品牌实体、推荐位置、情感表达和事实主张。模型输出必须通过Schema与原文校验，之后才进入指标仓库。AI诊断读取经过校验的结果生成候选行动，并将行动关联回证据，而不是把一段自由生成的文字直接当作事实。

每次分析保存模型标识、提示词版本、抽取规则版本、输入摘要和执行时间。调整品牌别名或排名规则后，可以对同一回答重新分析而不重新采集。报表固定引用某个analysis_version；重算生成新版本，保留差异说明，避免历史报告在没有提示的情况下发生数值变化。

二 品牌实体识别与别名消歧
品牌词典至少包含规范名、别名、产品系列、行业上下文和排除条件。先用确定性规则检索候选片段，再用上下文规则或模型处理歧义。短缩写、同名企业和地名应提高复核要求。完全没有候选词并不一定表示没有语义提及，但语义推断不能直接替代明确名称识别，建议分别保存literal_mention与semantic_reference。

实体抽取必须返回原文证据。记录start、end和quote，后端验证正文切片是否与quote一致。字符偏移必须约定单位：Python通常按Unicode码点索引，浏览器JavaScript字符串按UTF-16码元索引，遇到部分emoji会不同。展示层应根据约定转换，或者使用服务端返回的安全高亮片段，避免高亮到错误位置。

{
"answer_id": "ans-101",
"answer_revision": 1,
"analysis_version": "brand-v1",
"brand_id": "brand-01",
"mentioned": true,
"evidence": [{"start": 0, "end": 4, "quote": "智叟云集"}],
"rank": null,
"rank_type": "not_explicit",
"sentiment": "unknown",
"confidence": 0.82,
"citation_ids": ["cite-01"],
"review_state": "pending"
}
这份结构将“是否提及”“是否有明确排名”“情感是否已判定”和“是否已复核”分开。rank为null不等于排名为零，sentiment为unknown不等于中性。Schema校验只说明字段形状合法；仍需检查证据来自原文、引用ID确实存在、rank是正整数，以及品牌ID属于当前项目。

三 推荐位置与情感分析的规则

图2 已留存的完成回答页，三个平台均显示完成状态和品牌排名标记。
答案中的编号列表可能是推荐排序，也可能只是知识点编号。排名抽取应先判断是否为品牌推荐列表，再识别目标品牌位置；普通段落里的首次出现位置不能自动当成推荐名次。并列排名、分类榜单和只给出候选集合的回答需要各自的rank_type。为了让读者理解平均排名，应同时报告明确排名覆盖率。

情感对象必须是目标品牌，而不是整段回答的整体语气。例如“品牌A售后响应快，但品牌B存在延迟”不能给两个品牌同一个标签。中立比较、引用投诉、否定负面说法和不确定表达需要不同处理。建议保存目标片段、情感标签、置信度及理由，并将低置信度和高影响结论进入人工复核队列。

四 指标口径与统计不确定性
指标 计算口径 缺失处理
品牌提及率 提及回答数 / 有效且可分析回答数 无有效分母时为null
正面评价占比 正面回答数 / 品牌提及回答数 同时提供情感覆盖率
平均明确排名 明确排名回答的名次平均值 未明确排名不填最后一名
排名覆盖率 有明确排名回答数 / 提及回答数 显示样本量
引用率 含该来源的回答数 / 选定有效回答数 按回答内来源去重
本文定义“可分析回答”为正文有效且分析通过校验的回答，因此需要同时公布采集有效回答数与分析覆盖率。否则分析失败集中在某个平台时，结果可能偏向其他平台。不同业务也可以采用以全部有效正文为分母的口径，但应明确把尚未分析的记录作为待处理，不得把它们静默算成未提及。

100条有效且可分析回答中60条提及品牌，提及率为60%；其中48条正面，正面评价占比为80%。如果48条有明确排名且均为第3位，平均明确排名为3.0，排名覆盖率为80%。这些是用于解释计算的设计数据，与文中的诊断配图一致。

"""运行：python 03_metrics.py；验证指标分母与证据片段。"""
from math import sqrt
from statistics import mean

def valid_span(text, start, end, quote):
return (type(start) is int and type(end) is int and
0 <= start < end <= len(text) and text[start:end] == quote)

def wilson(k, n, z=1.96):
if n == 0:
return None
if not 0 <= k <= n:
raise ValueError("计数越界")
p = k/n
d = 1 + zz/n
center = (p + zz/(2n))/d
half = zsqrt(p(1-p)/n + zz/(4nn))/d
return (max(0., center-half), min(1., center+half))

def metrics(rows):
ids = [r["id"] for r in rows]
if len(ids) != len(set(ids)):
raise ValueError("请先按采样事件和修订版本去重")
valid = [r for r in rows if r["status"] == "completed"
and r["text"].strip() and r["analysis"] == "accepted"]
hits = [r for r in valid if r["mentioned"]]
ranks = [r["rank"] for r in hits
if type(r.get("rank")) is int and r["rank"] > 0]
positive = sum(r["sentiment"] == "positive" for r in hits)
labeled = sum(r["sentiment"] in {"positive","neutral","negative"}
for r in hits)
div = lambda a,b: a/b if b else None
return {"n":len(valid), "hits":len(hits),
"mention_rate":div(len(hits),len(valid)),
"positive_share":div(positive,len(hits)),
"sentiment_coverage":div(labeled,len(hits)),
"mean_rank":mean(ranks) if ranks else None,
"rank_coverage":div(len(ranks),len(hits)),
"wilson95":wilson(len(hits),len(valid))}

if name == "main":
rows=[dict(id=str(i),status="completed",text="品牌回答",
analysis="accepted",mentioned=i<60,
rank=3 if i<48 else None,
sentiment="positive" if i<48 else "neutral")
for i in range(100)]
m=metrics(rows)
assert m["mention_rate"] == .6 and m["positive_share"] == .8
assert m["rank_coverage"] == .8 and m["mean_rank"] == 3
assert metrics([])["mention_rate"] is None
assert valid_span("智叟云集品牌",0,4,"智叟云集")
assert not valid_span("智叟云集品牌",0,4,"其他品牌")
print(m)
Wilson区间可帮助读者看到小样本比例的不稳定性；100条中60条命中时，按独立二项观察近似计算的95%区间约为50.2%至69.1%。真实问题集往往存在相关性，同一问题多轮采样不能简单视作完全独立。正式推断应按问题或场景聚类，保留抽样设计，避免把一个精确到小数点后的比例误当成可靠结论。

五 引用来源与原文证据的处理
引用来源分析至少区分引用标记、可解析URL、域名、具体页面和原始出处。一个回答对同一文章引用多次，在“回答覆盖率”维度只计一次；如果统计引用出现次数，则必须另起指标名。转载网站与原创站点不能直接当作同一个来源，只有明确关联时才合并为出处簇。

提取到URL不等于已经读取页面，更不等于来源支持了回答中的每个主张。建议将source_state设置为unfetched、fetched、unavailable或reviewed，将“引用存在”与“证据支持”分开。抓取失败的来源仍保留原始链接和失败原因，避免报告把没有验证的来源包装成已核实证据。

六 将舆情监控纳入同一证据模型

图3 已留存的舆情监控页面，截图时标注AI分析待接入，可人工复核。
舆情监控关注外部事件与传播内容，AI回答分析关注模型如何描述品牌，两者可以共享品牌实体与证据表，但不能共用一个模糊的“负面数”。一条新闻、一条AI回答和一次事件属于不同计数对象。舆情分析按事件归并内容，回答分析按采样事件统计，两者通过evidence_relation关联。

如果某个售后事件被多个AI回答提及，可以先查阅对应原始内容，再判断是新事件、旧闻重发还是事实误引。当前留存页面的“待接入”状态只说明截图时的功能状态，不能推断如今已经启用自动分析。系统实现应允许人工录入复核结论，并记录修改前标签、修改后标签、审核人和时间。

七 诊断引擎如何形成可执行的行动

图4 品牌诊断中心设计，将指标、证据链与优化行动集中呈现。
诊断规则可以分为事实冲突、来源过时、场景缺失和声誉风险四类。事实冲突依赖已核验的品牌知识库；来源过时依赖发布时间和版本；场景缺失依赖固定问题集中的持续缺席；声誉风险依赖已关联的事件证据。每个规则输出rule_id、触发条件、证据ID、建议动作、负责人和复测条件。

优先级应结合影响范围、证据强度和修复成本。不能仅按负面次数自动判定最高风险，也不能让模型凭语言强烈程度决定事实真假。例如“参数错误且在多个核心选购问题重复出现”可以优先修正事实页，而“单条低置信度疑似负面”先进入人工复核。建议项缺少证据或无法指向具体内容时，不进入已确认行动列表。

规则契约：由已校验记录生成候选行动。

def diagnosis_rule(record):
if record["fact_conflict"] and record["verified_evidence_ids"]:
return {
"rule_id": "FACT_CONFLICT_V1",
"action": "核对并更新品牌事实资料",
"evidence_ids": record["verified_evidence_ids"],
"review_state": "pending",
"retest_question_ids": record["question_ids"]
}
return None
八 模型调用的输入边界与成本控制
模型接收的网页正文和AI回答均是不可信文本，应放在明确的数据字段中，系统指令要求只做信息抽取，不执行正文中的操作要求。模型不能自行发送通知、修改知识库或调用带写权限的工具。抽取、总结和行动建议最好使用独立阶段，分别做Schema校验与证据核对，降低一次失败同时污染全部产物的范围。

长回答按段落边界切片，保留全局位置映射。分片重叠区域的品牌提及按证据范围去重；来源引用不能因切片而丢失。对内容摘要相同且分析配置相同的任务可以复用分析结果，但缓存键还应包含品牌词典版本、模型版本、提示词版本和目标品牌，避免把一个品牌的分析结果错用到另一个品牌。

九 评估集 回归测试与上线条件
建立覆盖同名品牌、简称、否定表达、引用他人观点、并列排名、无排名列表和无引用回答的标注集。分别评估实体识别准确率与召回率、证据片段正确率、排名有效性和情感分类结果。标注争议由业务人员复核，保留规则说明。阈值应由验证集决定，不能将模型置信度直接当成经过校准的概率。

上线前比较新旧pipeline_version在固定样本上的差异，检查是否出现分母变化、排名缺失率激增或某平台整体偏移。报告导出绑定分析快照，回滚时切回旧版本而不是删除历史数据。新增规则先输出候选结果，积累复核反馈后再决定是否自动通过。

十 从诊断到复测的闭环
优化动作完成后，使用同一问题版本、平台、终端、地区和模式进行配对复测。报告同时展示前后有效样本量、未配对数量和变化的百分点；不要把一次短期上升直接解释为某篇内容的因果效果。外部事件、平台更新和采样随机性都需要记录为背景条件。

GEO优化监测系统的最终产物应是可以返回原文、解释分母并推动行动的分析结果。智叟云集系统通过AI数据采集保存观察，AI品牌可见度监测系统建立指标，舆情监控与舆情分析补充事件背景，AI诊断将这些信息转化为待核验的优化建议。工程实现越重视版本、证据和复核，业务团队越容易理解每一次变化。

参考资料
智叟云集产品入口

Python statistics 官方文档