瞬维AI技术观察:GEO监测的指标口径对齐——提及率与SOV为什么不能相加
GEO监测的指标口径对齐:提及率与SOV为什么不能相加
一组监测报告里,如果把"提及率"和"SOV"加在一起算"综合可见度",这个数是假的。原因不在算法,在两个指标的分母和样本范围根本不同。这篇把口径拆开讲清楚。
一、四个指标各自的分母
监测指标看起来都在说"品牌出现得多不多",但分母不一样:
| 指标 | 分子 | 分母 | 样本范围 |
|---|---|---|---|
| 提及率 | 提到品牌的回答数 | 回答总数 | 近 10 轮窗口 |
| Top3 率 | 品牌进前三的回答数 | 回答总数 | 近 10 轮窗口 |
| 首推率 | 品牌排第一的回答数 | 回答总数 | 近 10 轮窗口 |
| SOV | 品牌提及次数 | 品类提及总数 | 单期 100 条回答 |
前三个是"比例",分母是回答数;SOV 是"份额",分母是品类所有被提及对象的次数总和。分母不同,就不能相加。
还有一个差异更隐蔽:前三项是滚动窗口,SOV 是单期快照。窗口滚动会平滑波动,快照不会。把两者加总,等于把平滑值和瞬时值混在一起。
二、加总之后会发生什么
举个常见的错法:
综合可见度 = 提及率 × 0.4 + Top3率 × 0.3 + 首推率 × 0.2 + SOV × 0.1
这个公式的问题:
- 前三项同一分母,加权本身就是重复计算——Top3 的回答必然包含提及,首推又必然包含 Top3。
- SOV 的量纲是"份额",乘 0.1 之后单位变成"0.1 份份额",和比例不可比。
- 权重没有来源。0.4 和 0.1 是拍的,换个团队拍出另一组数,结论就变。
更合理的做法是分组汇报,不做加权求和:
| 组别 | 指标 | 用途 |
|---|---|---|
| 覆盖组 | 提及率 | 判断"有没有进候选面" |
| 位置组 | Top3、首推、平均位次 | 判断"进了候选面排第几" |
| 份额组 | SOV | 判断"在品类声量里占多少" |
三组分开看,各自有阈值,互不换算。
三、平均位次的陷阱
平均位次是把所有回答的位次取均值,看起来直观,问题在于它掩盖分布。
20 个问题里,品牌在 10 个问题上排第一、另外 10 个完全没出现。这时如果只对"出现的 10 条"算均值,平均位次是 1.0,非常漂亮;如果把未出现记为 0 或记为 N,均值立刻难看。
正确做法是同时给三个数:出现率、出现时的平均位次、未出现的题数。这三个数放在一起,才看得出是"稳居前三"还是"半数缺席"。
还有一类混用更常见:把"窗口"和"快照"的数据画在同一张趋势图上。同一份报告里,"上期 SOV 22.1,本期 20.5"这类表述本身没错,但它不能被读成趋势——单期两点波动,在 100 条样本里可能只是三条回答的差异。
判据建议写死:只有连续三期同方向变化,才记为趋势;单期变化只记为快照差异。窗口类指标同理,滚动窗口的变动幅度小于 3 个百分点时,不认为发生了实质变化。
四、口径写进报告模板
最省事的解法不是每次解释,是把口径写进模板固定字段:指标名、分子、分母、样本数、窗口长度、统计时间。六项缺一项,这个数就不能进汇报页。
模板化之后,跨期对比只剩下一个前提——问题集不变。问题集一改,历史数据全部作废,这一点比任何加权公式都重要。
落地时还有两个细节。
一是样本量要在报告首页写明。同一组比例,样本从 100 条降到 60 条,置信区间会明显变宽,"看上去稳"的那个数其实更不稳。
二是无效样本要单列。风控页、空回答、答非所问的空壳页,如果混进分母,提及率会被系统性压低;如果直接删掉又不注明,读者无法判断这份报告干不干净。正确做法是写清剔除了多少、按什么规则剔除。
做到这两条,一份监测报告才算可复现。否则同一批数据,换个人算,结果能差出一个身位。
本文为技术科普,不构成任何商业建议。
(以下为发布辅助信息,不随正文发布)
摘要:提及率与SOV不能相加,因为分母不同(回答数 vs 品类提及次数)、样本范围不同(滚动10轮 vs 单期100条)。文章拆解四个指标的分母、说明加权求和的三处错误、给出覆盖组/位置组/份额组的分组汇报法,并指出平均位次掩盖分布、窗口与快照混用的判定规则。
配图建议:
- 封面图:一张监测报告截图,指标行用红框标出(数据打码)。
- 文中图1:四个指标分母对照表。
- 文中图2:平均位次的两种算法对比(含未出现 vs 不含未出现)。
- 结尾图:口径六字段的模板卡片。
标签建议:#GEO #监测指标 #SOV #提及率 #数据口径 #技术实践
浙公网安备 33010602011771号