提及率和引用率算不算得清，取决于分母。分母应当是进入统计的有效回答条数，分子分别是"明确提到品牌或产品名的条数"和"给出可见引用、且引用指向指定页面的条数"。两条比率都要连着分母一起写，例如"9 / 24 = 37.5%"，而不是只写一个百分数。这样做不是为了严谨到啰嗦，而是为了换个人复核同一批记录时能得出同一个数。
先把四种情况分开
AI 回答里和品牌有关的现象至少有四类，混在一起算，报告就会自相矛盾。
- 出现：品牌所在的页面被链接，但回答正文里没有品牌名。
- 提及：回答文本里出现了品牌名或产品名，可能没有链接。
- 引用：回答给出可见链接，指向官网、指定资料页或第三方页面。
- 推荐或倾向：回答在比较或建议的语境里点名，带有倾向性表述。
这四类不是强度递增的等级，而是四种不同的观察对象。一个品牌可以"被大量引用却很少被提及"（例如参数表被当作依据），也可以"常被提及却没有引用"（例如只在名称列举里出现）。把它们压成一个指标，后面无论怎么解释都不准。
分母怎么定：有效回答
分母不是提问次数。要剔除的对象通常包括：没有触发 AI 回答的记录（例如只返回普通搜索结果）；回答为空、报错或明显截断的；超出约定平台、地区或语言范围的样本；为了观察稳定性而重复采集的同条件样本，重复部分只按一次计入。剔除规则要写进口径页并且每轮一致，中途改规则要单独说明。
Search Console 定义点击率的方式可以直接借用：点击率等于点击数除以展示数（CTR: The click count divided by the impression count）。官方把分子分母写得很直白，也正是这种直白，让"同一份数据在不同报表里数字不同"变成可解释的问题，而不是玄学。自定义的提及率、引用率同样需要这种透明度。
一个完整的计算示例（教学样例）
下面这段是为了演示计算方式而假设的样例，数字不对应任何客户项目的监测结果。假设某一轮约定 10 个问题、3 个平台、每问题每平台采集 1 次，共 30 条记录；其中 6 条没有触发 AI 回答或返回为空，按规则剔除；有效回答 24 条。
- 回答中出现品牌名或产品名：9 条，提及率 9 ÷ 24 = 37.5%。
- 回答给出可见链接并指向官网或指定资料页：4 条，引用率 4 ÷ 24 = 16.7%。
- 可见链接指向第三方权威页面：5 条，第三方引用占比 5 ÷ 24 = 20.8%。
口径写清之后，这几个数字就能被复核。反过来，如果分母写成 30，同一批记录会算出 30%、13.3%、16.7%，数字看起来"更低"或者"更高"，但那只是分母不同，不是表现变了。报告里出现两种分母而不说明，是常见争议来源。
分母按问题算，还是按记录算
同一批样本至少有两种口径：按记录算（每个问题乘每个平台算一条），和按问题算（先把每个问题在各平台的结果汇总，再算一次）。两种都能用，但用途不同：按记录适合看平台之间的差异，按问题适合看整体覆盖。两种混用会出现"整体提及率比每个平台的提及率都高"这类看起来矛盾的结果。可行的做法是选定一种作为主口径，另一种放在附录，并在口径页里写明两者的区别。
跨轮比较时还要保证分母规模一致。这一轮增加了问题或平台，分母变大，比率的可比性随之下降。这类扩项最好单独成轮，或者把新增部分与原有部分拆开统计，分别给出结果。
什么时候不要给百分比
样本量小的时候，百分比会误导人。一个问题每轮只问两三次，1/3 和 2/3 之间的差别几乎没有意义。Search Console 把低量查询做匿名化处理是同一个道理：明细不稳定就不展示。监测可以给自己定两条规矩：有效回答低于某个数量（例如 20 条）时只给条数不给比率；单个问题、单个平台的比率不单独作为结论展示，避免读者把 1/3 读成趋势。
不要借用平台的指标名
Search Console 的生成式 AI 性能报告提供的是展示次数，也就是链接在生成式 AI 功能里被展示给用户的次数，官方没有在该报告里提供点击数据。这意味着"引用率""AI 点击率"这类指标是团队自己约定的观察口径，不是平台指标；写成"平台数据显示引用率上升"，就是把自定口径包装成官方数据。Google 在指南里也提醒过，不要相信声称使用 Google 内部指标的第三方工具。
顺带说一句，把"提及率"当成排名或权重也是错位理解。平台不公开检索与排序机制，任何比率都只是我们自己在一组约定条件下的观察结果。
比率之外，值得一起记的三件事
提到时的语境（是在比较、在建议，还是在列举）；引用页面的身份（官网、行业媒体、论坛、竞品页面）；这一轮发现的事实偏差条数。这三项信息比比率更能决定下一步做什么：语境决定要不要补对比内容，来源身份决定要不要建设第三方信源，偏差条数决定要先修哪一页。
分母和分子定好之后，比率才有讨论价值。什么条件下两轮结果可以放在一起比，见采样与统计口径；这些数字在交付文件里怎么摆、哪些话不能写，见GEO 报告结构。需要按自己的问题集定一套口径，可以从光算 GEO 服务的诊断开始，指标定义、样本量门槛和报告周期按项目实际情况确定。
另外几篇可以补充这里的判断依据：谷歌AIO（AI概览）引用来源分析：什么样的站更吃香。
参考来源
- A deep dive into Search Console performance data filtering and limits — 官方把点击率的分子分母写清楚，自定义比率也应如此。
- Generative AI performance report (Search) - Search Console Help — 生成式 AI 性能报告提供的是展示次数，不是点击，引用率只能是团队自定口径。
- Google's Guide to Optimizing for Generative AI Features on Google Search — 不要相信声称使用 Google 内部指标的第三方工具，自定义指标不等于平台指标。