MKEO 定义

MKEO / 度量

MKEO 怎么度量

三个受监控的量,加审计闸门。每一项的定义都保证:独立第三方可以用开源参考实现复现这个数字。

1. AI 认识度

模型知道这个实体存在吗?向引擎提不带提示的开放式问题,形如「<品牌> 是什么?」(中性措辞,不给引导线索)。逐引擎记录答案是否提及该实体,以及描述是否基本正确。

单位:提及/正确,按引擎 × 探测日期

解读:认识先于一切——叫不出你名字的引擎,不可能推荐你

2. AI 推荐度

买方问品类问题时,模型推荐它吗?提品类意图问题(「最好的 / 怎么选 / <品类> 的替代品」),不点名品牌。记录品牌是否出现在答案中、排在什么位置。

单位:出现/排名,按引擎 × 问题 × 探测日期

解读:商业指标——AI 可见性在这里变成需求

3. 搜索可见性

目标关键词在经典搜索里站在哪?对每个受监控关键词:逐引擎、逐地区记录前 100 名在位情况(如 Google 美国区桌面端、Bing 美国区、百度中国区)。引擎对某关键词完全返回不了结果的,记为异常,而不是「未见」。

单位:每关键词 × 引擎 × 地区的最好排名,按探测日期

4. 审计闸门(逐站,二元判定)

闸门含义目标
孤岛页面站内入链少于两条的页面0
sameAs 链接站点 schema 指向自身平台档案的实体链接≥ 4
档案在位平台档案已建立且可被发现≥ 4
FAQ 覆盖关键页面带有可回答问题的内容按站点定
度量纪律:探测按排程跑、从不临时起意;工作开始前先取基线;「0 条结果」记为引擎异常,与「在位但没排名」区分。所有口径都在开源 mkeo 工具集中实现,时间线上的任何一个数字都可以被独立复现。