同名混淆率

同名混淆率是指在提到品牌名的 AI 回答中，指向的其实是另一家同名或近名主体的比例，是实体消歧效果的直接指标。

计算方式：指向错误主体的回答数 ÷ 出现该品牌名的回答数。

为什么它会独立成为一个指标

大模型在生成时把品牌名当作一个符号去检索关联信息。如果语料里同一个名字挂着多个主体——不同国家的同名公司、同名产品、同名功能——模型会按照语料密度选一个默认解释。密度更高的一方胜出，与谁是”正主”无关。

结果是提及率看起来正常，实际却在替别人做曝光。因此这两个指标必须一起看：只报提及率而不报同名混淆率，等于把误伤当成绩。

常见混淆来源

• 跨语种同名主体：同一拼写在另一语言市场归属另一家公司。
• 通用词撞名：品牌名同时是一个普通名词或某个产品的功能名。
• 母子品牌未区分：主体、产品、项目共用一个名字，模型无法判断问的是哪一个。

降低方式

核心是给模型一份不可误读的实体声明：固定的全称、注册地、成立时间、业务范围，并明确写出”不是哪些同名主体”。这类否定式陈述在消歧上往往比正面介绍更有效，因为它直接提供了区分特征。配合 Schema 结构化数据 中的 Organization 与 sameAs 字段，把分散在多个域名与平台的资料绑定成同一个品牌实体，可以提高模型判定的稳定性。

相关条目

• 品牌实体 —— 品牌实体是指在机器的知识表示中，一个品牌被当作唯一可识别对象所对应的那条记录，而不只是一串出现在文本里的字符。
• 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。
• 大模型幻觉 —— 大模型幻觉是指模型生成了流畅、自信但与事实不符的内容，成因是它在预测下一个词而不是在查证事实。