AIV认知可见性

AIV Index (AI认知度指数)三项核心指标迭代记录说明

AIV Index(AI认知度指数)由三项核心指标构成。在体系从V1.0到V1.1的演进过程中,三项指标的命名、测量逻辑和评分规则均经历了系统性的迭代升级。

AIV Index(AI认知度指数)由三项核心指标构成。在体系从V1.0到V1.1的演进过程中,三项指标的命名、测量逻辑和评分规则均经历了系统性的迭代升级。

AIV Index 三项核心指标迭代记录说明

项目 内容
文档版本 V1.1
记录日期 2026年8月4日
编制 上海智笔生花人工智能科技有限公司

一、迭代总览

AIV Index(AI认知度指数)由三项核心指标构成。在体系从V1.0到V1.1的演进过程中,三项指标的命名、测量逻辑和评分规则均经历了系统性的迭代升级。

项目 V1.0 初版 V1.1 正式版 迭代原因
指标一名称 认知率 AI认知率 统一命名规范,强化AI语境
指标二名称 推荐率 AI推荐率 同上
指标三名称 权威率 AI权威引用率 消除歧义,精准定义测量对象
权重结构 XX%-XX%-XX% XX%-XX%-XX% 保持标准稳定性
权威率测量题库 概念问题池 行业认知与引用问题池 解决权威率普遍为0的测量失灵问题
权威率评分规则 简单二元判定 五级分层评分(含惩罚项) 捕捉隐性引用,惩罚错误归因

注:权威引用率权重为XX%(固定)。

二、指标一:AI认知率

2.1 命名迭代

阶段 名称 说明
V1.0 认知率 简洁但缺乏AI语境标识
V1.1 AI认知率 统一“AI+能力类型”命名规范,品牌识别度更强

2.2 定义

衡量AI是否准确理解企业的身份、业务与核心价值。这是三个指标中最基础的维度,解决的是“AI到底认不认识我”的问题。

2.3 计算方式

暂不选择公开

2.4 测试题库

使用企业身份识别问题池,例如:

  • “XX公司是一家什么样的企业?”
  • “XX公司的主营业务是什么?”
  • “XX公司的核心产品有哪些?”

2.5 在AIV体系中的位置

AI认知率主要对应AIV Standard五级体系中的 L0 → L1 → L2 阶段,即从“AI不知道你”到“AI认识你”,再到“AI理解你”。

三、指标二:AI推荐率

3.1 命名迭代

阶段 名称 说明
V1.0 推荐率 简洁但缺乏AI语境标识
V1.1 AI推荐率 统一“AI+能力类型”命名规范,品牌识别度更强

3.2 定义

衡量在行业/场景问题中,AI是否主动优先推荐企业。这是三个指标中商业价值最直接的维度,解决的是“客户问AI时,AI会不会推我”的问题。

3.3 计算方式

暂不选择公开

3.4 测试题库

使用行业推荐问题池,例如:

  • “国内最专业的GEO服务商有哪些?”
  • “AI搜索优化服务商推荐哪家?”
  • “哪家公司的AI获客能力最强?”

3.5 在AIV体系中的位置

AI推荐率主要对应AIV Standard五级体系中的 L2 → L3 阶段,即从“AI偶尔想到你”到“AI优先推荐你”。这是GEO商业价值的爆发点。

四、指标三:AI权威引用率

4.1 命名迭代

阶段 名称 说明
V1.0 权威率 容易误解为“企业自身是否权威”,与实际测量对象不符
V1.1 AI权威引用率 精准定义:测量的是AI是否引用企业的知识资产作为行业依据

迭代原因:V1.0的“权威率”一词,容易让企业主理解为“我的企业在现实世界中是不是行业权威”。但实际测量的是:企业的原创方法论、理论体系、标准模型等知识资产,是否被AI识别、引用,并正确理解其来源。改名后消除了这一核心歧义。

4.2 定义

衡量企业的原创方法论、理论体系、专业模型、技术体系、行业观点或标准,是否被AI识别、引用,并正确理解其来源。

4.3 计算方式

由于AI权威引用存在层级差异(明确归因 > 隐性引用 > 弱关联),不能简单用“提及次数”来计算比例。因此采用分层评分后折算百分比的方式。

单题评分标准

判定结果 分值 判定标准
明确归因 100分 AI清晰指出该资产归属于目标企业或个人
隐性引用 60分 AI未指名道姓,但完整复述了该资产独有的核心框架
弱关联 20分 AI将目标企业或资产作为行业中的一个参考节点提及
无关联 0分 AI回答中未发现与企业知识资产的任何关联
错误归因 -50分 AI将属于目标企业的知识资产,张冠李戴给了其他主体

最终计算公式

[ 暂不选择公开 ]

其中理论最高得分 (= 100\text{题} \times 100\text{分} = 10,000\text{分})。

4.4 测量题库:从“概念问题池”到“行业认知与引用问题池”

这是AI权威引用率最核心的迭代。

V1.0问题:使用“概念问题池”测试,例如:

  • “什么是GEO?”
  • “什么是AI营销?”

问题诊断:这类问题测的是AI知识库中的公共认知,AI在回答时天然优先引用学术定义、行业百科、权威机构,不会主动指向某一家企业。导致的结果是:几乎所有企业(包括大公司)的权威率都接近 (0%),指标失去区分度。

V1.1升级:更名为 “行业认知与引用问题池”,从“测定义”升级为“测归因”。问题分为三层:

引用层级 测试目标 Prompt模板 得分权重
品牌归因引用 AI能否明确指出你是理论/标准的所有者 “关于‘XXX’,公开信息中通常认为其提出者或创建主体是谁?” XX%
方法体系引用 AI在解释行业知识时,是否复现了你的理论框架 “企业如何系统解决‘XXX’问题?有哪些成熟的方法论可以参考?” XX%
行业认知引用 AI是否将你作为该领域的关键知识节点来提及 “在‘XXX’领域,有哪些代表性的理论体系或评价标准?” XX%

4.5 为什么增加“错误归因”惩罚项

在AI时代,错误归因的危害远大于不知道。如果AI把属于你的理论张冠李戴给了竞争对手,这不仅是认知缺失,更是认知污染。这与智笔生花坚持的“白帽GEO、真实信息”原则高度一致。因此,V1.1在评分中引入了 -50分 的惩罚机制,是AIV作为行业标准的重要严谨性设计。

4.6 在AIV体系中的位置

AI权威引用率对应AIV Standard五级体系中的 L3 → L4 阶段,即从“AI推荐你”到“AI引用你的理论”。这是行业领导者的终极护城河。

五、三者关系:从认知到推荐的完整链路

AI认知率、AI推荐率、AI权威引用率三者不是并列的孤立指标,而是构成了一个层层递进、相互支撑的认知金字塔。

┌────────────────────┐
│ AI权威引用率        │ ← 最高阶:AI引用你的理论
│ (L3 → L4)         │
├────────────────────┤
│ AI推荐率            │ ← 中间层:AI推荐你的品牌
│ (L2 → L3)         │
├────────────────────┤
│ AI认知率            │ ← 基础层:AI理解你是谁
│ (L0 → L1 → L2)    │
└────────────────────┘

底层逻辑

  • AI认知率是地基。 如果AI连你是谁、做什么的都不知道,后面的推荐和引用都是空中楼阁。
  • AI推荐率是商业价值的直接体现。 认知率解决“存在”问题,推荐率解决“选择”问题。老板最关心的获客转化,主要发生在这一层。
  • AI权威引用率是终极护城河。 当你的理论被AI当作行业标准答案来引用时,你不再需要和竞品争夺推荐位,你本身就是答案的定义者。

六、权重结构:XX%-XX%-XX%

6.1 最终权重

[ 暂不选择公开 ]

6.2 权重确定的讨论过程

在V1.1迭代过程中,曾有过将权重调整为 XX%-XX%-XX% 的讨论,理由是“推荐率商业价值最高,应该给最大权重”。

但经过深度权衡,最终坚持了 XX%-XX%-XX% 的固定权重,原因如下:

  1. 标准稳定性优先:AIV Index的定位是行业标准,而非营销报表。标准需要的是稳定和公信力,而非对短期商业价值的最大化追逐。频繁修改权重会摧毁历史数据的可比性。
  2. 认知是推荐的基础:如果认知率权重过低(XX%),会导致企业忽视基础建设。但认知不扎实的推荐是不稳定的。
  3. 权威引用是稀缺但必要的维度:XX%的权重既承认了它的高阶价值,又不至于因为大多数企业权威率为0而导致总分失真。
  4. 参考成熟指数产品原则:金融指数、信用评级的计算规则都是长期固定的,样本和数据可以更新,但指数逻辑不能轻易动摇。

七、完整的AIV Index计算体系

7.1 总体公式

[ 暂不选择公开 ]

7.2 行业归一化

为确保不同行业、不同规模企业之间的公平比较,最终对外展示的AIV Index总分,是企业在本行业内的相对百分位得分。原始分用于内部分析和趋势追踪,归一化后分数用于行业对标和等级评定。

7.3 等级映射

AIV Score(归一化后) 对应等级 认知状态标签
0-20 L0 暗区 AI认知世界的隐形人
20-40 L1 留痕 只能被指名道姓地找到
40-60 L2 入局 进入了行业讨论的牌桌
60-80 L3 首选 成为AI的优先推荐项
80-100 L4 定义 你的话,成为AI的标准答案

八、多模型采样与汇总

AIV Index的测量覆盖多个主流AI平台,各模型按权重汇总:

模型 权重
ChatGPT XX%
DeepSeek XX%
Claude XX%
Gemini XX%
豆包 XX%
元宝 XX%
Kimi XX%
千问 XX%
智谱 XX%
文心 XX%

九、迭代的核心结论

本次三项指标的迭代,核心变化可以总结为三句话:

  1. 改名:从“认知率/推荐率/权威率”升级为“AI认知率/AI推荐率/AI权威引用率”,统一命名规范,精准定义测量对象,消除歧义。
  2. 改测量:权威率的测量题库从“概念问题池”升级为“行业认知与引用问题池”,从测“公共知识”变为测“知识资产归因”,解决了指标普遍为0的失灵问题。
  3. 改评分:权威引用率从简单二元判定升级为五级分层评分,增加隐性引用识别和错误归因惩罚,使指标从“有没有”升级为“有多深”。

迭代后的三项指标,形成了一个从“被理解”到“被推荐”再到“被引用”的完整认知金字塔,精准对应AIV Standard的L0到L4五级标准,构成了AIV Index作为AI认知可见性量化标尺的完整内核。

文档结束

上海智笔生花人工智能科技有限公司
2026年8月4日