怎样用样本量、区间和快照读 AI 可见度

一次回答里至少有三种不同的事件。品牌名出现在句子里，是提及。回答附上的 URL 指向你的网站，是引用。你的名字和某个竞品出现在同一次回答里，是同屏。这三件事可以同时发生，也可以只发生一件。

OpenAI 的 web search 指南 把行内引用和 sources 列表分开，并写明 sources 的数量经常多于引用。Perplexity 的 Sonar 模式 里，citations 还可以是 null。没有这份 URL 列表，只说明这一次响应没有这份列表。它本身不是“提及率已经是零”的证明。

比例是发生次数除以样本次数。样本次数是 1 时，你只有一次观察，没有一个可以报告的百分比。

NIST 工程统计手册 7.2.4.1 节 讨论的是比例的置信区间。手册写，Wilson 方法来自 Wilson（1927），并被 Brown、Cai 与 DasGupta（2001）以及 Agresti 与 Coull（1998）推荐。手册写，它的一个优点是下限不会变成负数，而常见的正态近似区间可能给出负数。样本很小或发生次数很少时，手册另外给出基于二项分布的区间做法，并提醒该区间不对称。

这里不算任何品牌的区间。没有样本次数和区间的百分比，不是这一节里的那种估计。

GEO 论文 用与引用相关的词数和位置来定义可见度，并在自己的实验里比较修改前后的页面。那个定义可以引用，不能换成“ChatGPT 的官方份额”。OpenAI 的搜索文章和 API 指南都没有使用这个指标。

• 日历日期
• 完整问题
• 问题语言
• 实际传入的国家或地点参数，如果这次调用有这个字段
• 产品界面，或 API 的模型与工具名称
• 原始回答，以及其中实际返回的 URL

OpenAI 的指南写，search_context_size 不保证来源或引用的条数。快照里应保存实际返回的引用，而不是只保存设置的名字。Perplexity 的 disable_search 会关掉网页搜索。这种响应不能和打开了搜索的响应放进同一个引用率。

后一次运行是新的快照。页面在两次快照之间改过，不能把旧回答说成新页面的结果。不同语言、不同国家的快照也不能加总成一个数，因为前面核对过的 API 字段本来就是分开的。