每个数字是怎么得出的

1. 写出五个买家问题

你输入一个品牌和一个品类，比如“面向 B2B 销售团队的 CRM”。Mentioned 让 Claude 写出 5 个买家在这个品类里找推荐时会输入的问题，用普通人的问法，而不是营销人的说法。问题里从不包含你的品牌名，所以测的是不经提示的推荐，而不是诱导出来的推荐。如果写问题因故失败，Mentioned 会改用一组固定的中性模板，而不是猜测或跳过这次检查。

2. 独立地问每个助手

5 个问题并行发送给每个所选模型，每个问题都是独立的对话。它们之间没有共享上下文，也没有任何关于被测品牌的提示，所以很接近五个不同的买家问五个不同的问题。Claude、ChatGPT 和 Gemini 用我们的密钥运行。DeepSeek、Llama 3.3 和 Perplexity 用你提供的 API 密钥运行。

3. 怎么算一次提及

匹配器会把你的品牌名和回答都简化为字母和数字，所以空格和标点不会让匹配失败；它还会忽略重音，所以“Nestlé”和“Nestle”都算。接着它要求匹配落在原文的词边界上。没有这条规则，“generally”就会被算成对名为“Rally”的品牌的提及。

字母数字部分不足两个字符的品牌（“C++”）按字面匹配。没有任何锚点的单个字母（“X”、“R”）则直接不匹配，而不是去猜：没有可靠的办法把它和代词区分开。

一旦匹配，Mentioned 会保留包含它的那句话，作为你在结果里看到的引文，直接复制自模型的输出，绝不改写。已存储回答上的高亮使用的是给这次运行打分的同一个匹配器，所以高亮永远不会和分数矛盾。

4. 找出被推荐的其他品牌

当你的品牌没有出现时，Mentioned 会从回答中提取其他品牌名，通常是加粗的名字或编号、项目符号列表里的条目，并过滤掉泛泛的说法，这样“最好的选择”就不会被算成竞争对手。这是一种启发式做法，可能漏掉某个名字，但绝不会加上文本里没有的竞争对手。

5. 分数

你的分数，是每个模型的 5 个回答里有几个提到了你的品牌。没有加权，也没有调整。3/5 表示你的品牌出现在 5 个独立回答中的 3 个里。

6. 锁定问题，让趋势有意义

一次性检查每次都会写新问题。这对快照没问题，对趋势却不行：如果问题每周一都在变，分数从 3/5 降到 1/5，就把“我们丢了可见度”和“我们问了更难的问题”混在了一起。

所以当你追踪一个关键词时，它的五个问题在创建时只写一次，之后每次运行都逐字照问。曲线上的变化，就是你可见度的变化。这是产品里最重要的设计决定。

追踪的关键词在我们的密钥上每周运行，使用 Claude 和 Gemini。Pro 在我们的密钥上含 3 个每日运行名额，Agency 含 10 个。除此之外，只有当你的账号为该关键词所问的每个模型都保存了自己的 API 密钥时，关键词才能每日运行，因为每日运行花的是你的密钥，不是我们的。这项检查在你设定计划时进行，运行开始时再检查一次，所以之后删掉密钥，关键词会退回到每周运行。

7. 三个指标，以及为什么三个都需要

• 可见度：提到你的回答所占的比例。也就是分数，以百分比表示。
• 声量占比：你在这些回答里所有品牌提及中占的比例。它能抓住这种情况：你的分数没变，但助手开始点名十二个竞争对手，而不是三个。
• 平均排名：被点名时你排在哪。从第 2 滑到第 7 是实实在在的损失，却不会让分数动一下。它是排名，所以越低越好；如果你只是在行文中被提到，而不是在排序列表里，这一项会留空，而不是记为零。

每个指标统计的都是模型实际返回的内容，每一行都链接到它所来自的完整回答。如果某个数字无法测量，你会看到一个短横线和一句说明原因的话，绝不是零。“没人提到你”和“还没有运行过”是两种不同的发现，Mentioned 从不把其中一种显示成另一种。

8. 解读点名你的那句话的语气

情感分析是词数统计，而不是模型的意见。Mentioned 取出点名你品牌的那句话，统计其中列表里的褒义词和贬义词（处理否定），再按哪一边更多，把这句话判为正面、负面或中性。完整的词表就在界面上，附有每个词触发的次数和触发时所在的句子，所以任何判断你都能一键核对。

它会漏掉讽刺，也会漏掉词表里没有的措辞表达的赞美。公开整张词表，就是这笔交换的代价。让模型凭空编出来的情感分数，根本没法这样核对。

9. 给修复项排序

行动建议界面会读取你账号上已有的运行结果，并列出八类发现：模型盲区、提示词盲区、可见度下降、竞争对手领先、竞争对手在你缺席的地方被引用、薄弱主题、从未运行的关键词，以及最近一次运行失败的关键词。每条发现按涉及的回答数量排序：差距的百分点数乘以它覆盖的已存储回答数。每一行都是在重述另一个界面上已有的测量结果，并直接链接过去；列表还会告诉你漏掉了几条发现，而不是悄悄砍掉。

每条发现下面有一份折叠的手册，列出这类差距的常见修复方法。它标明是建议，也绝不会进入任何数字、CSV、API 或 MCP 工具。

10. 一次运行的成本，以及失败时会怎样

每次检查都要花真实的 API 预算。所以没有匿名检查，所以免费账号在需要自己的密钥之前只有 3 次我们密钥上的检查，也所以最上面还有一个每天 300 次的全局上限。每周运行按实际 token 数，对照每月的美元预算计量。预算本月覆盖不了的关键词会被推迟，而不是标记为失败：不会对它记录任何东西，因为给一个健康的关键词打上红色标记是不对的。

如果请求以一种可能自行恢复的方式失败（速率限制、超时、服务商故障），会按服务商自己的重试提示重试。被拒绝的密钥或格式错误的请求不会重试，因为重试修不好它。失败的运行会被记录而不是隐藏，计划按最近一次成功的运行来读取，所以一次超时的请求不会让关键词闲置一周。

11. 从数字到修复

这套方法的目的，是让你的团队能放心地根据数字行动。实际流程是这样的：

1. 从行动建议开始。排在最前面的发现，就是让你丢掉最多回答的差距。打开它，读背后的回答。
2. 把手册当作起点。它列出这类差距的常见修复方法，比如发布竞争对手获得认可的那个具体说法，或者在助手引用的网站上获得报道。
3. 上线改动，然后盯着同一个问题。问题是锁定的，所以改动之后的变化是真实的变化，而不是换了措辞的提示词。
4. 看看有没有转化成访问。连接 Search Console 和 GA4，把你的搜索查询和来自 AI 助手的会话，和 AI 可见度放在一起看。

Mentioned 不做什么

• 它不会编造模型回答里没有的提及、引文或竞争对手。
• 它不会让付费改变分数或隐藏某个竞争对手。见价格页。
• 它不会改动你的网站，也不承诺位置。它告诉你在哪里、是什么；改动由你的团队来做。
• 它不会用我们的预算去查询 DeepSeek、Llama 或 Perplexity。免费检查使用 Claude、ChatGPT 和 Gemini；另外三个需要你自己的 API 密钥。
• 它不会把用你自己的密钥做的运行拼进每周趋势。那条线是同样的模型回答同样的问题，中途加入另一个模型，会改变这条线测量的东西。这样的运行会有它自己的结果页。
• 它不会猜测来源。来源界面只列出模型随回答一起返回的链接，目前指的是用你密钥的 Perplexity。凭记忆作答的模型不显示来源。
• 它不会发邮件报告或分数提醒。它发的唯一邮件，是你触发的账号邮件：密码重置、地址验证和团队邀请。
• 它不会存储超出需要的数据：你的账号邮箱、品牌、品类、问题和回答、你的分数，以及用于限速的哈希 IP。见隐私政策。

免费检查一次 查看界面 →