AI 首推率

AI 首推率是指在一组测试问题中，AI 回答把目标品牌放在第一位推荐的比例，衡量的是”被优先想到”而不只是”被提到”。

计算方式：品牌出现在首位推荐的回答数 ÷ 有效回答数。

与提及率的区别

提及率统计”有没有出现”，首推率统计”排第几”。一个品牌在十条回答里都被列举，但每次都排在第五位，提及率是 100%、首推率是 0%。在推荐类问题上，用户往往只看前一两个选项，因此首推率与实际获客的相关性通常高于提及率。

首推率一般低于提及率，两者之差反映的是”知名但不首选”的差距——这个差距通常来自差异化不清晰，而不是曝光不足。

测量注意事项

• 问题集要固定。换一批问题就换了一个基线，前后数据不可比。
• 要区分排序与并列。有些回答用无序列表罗列多家，此时”第一位”是版面顺序而非推荐强度，需在口径里写明如何计。
• 要记录平台与时间。同一问题在不同 AI 搜索平台、不同日期的结果可能不同，模型更新与联网检索都会改变答案。
• 要排除同名误伤。回答里提到的如果是另一家同名公司，不能计入，参见同名混淆率。

相关条目

• 提及率 —— 提及率是指在一组测试问题中，AI 回答里出现目标品牌的比例，是衡量 GEO 效果最基础的指标。
• 生成引擎优化 —— 生成引擎优化（GEO）是让品牌在 AI 生成的答案中被准确提及和推荐的一套优化方法。