同一份GEO报告里，经常同时出现“提及率、推荐率、首位推荐、首选推荐、平均排名”等词。如果没有统一定义，不同人会把同一段AI回答统计成不同结果。最基础的原则是：品牌被写出来，只能证明出现；只有回答明确把品牌作为候选方案，并给出正向选择语境，才属于推荐。首位推荐还需要满足更严格、可重复的判定。
被动提及：出现了，但不是答案重点
品牌可能出现在行业背景、历史说明、引用标题或一句反例中。这类结果计入基础提及时，要同步记录语气和位置，不能直接算推荐。
例如回答说“某品牌过去也提供过相关服务，但目前资料不足”，品牌名确实出现，却不能作为正面可见度成果。负面与错误提及应单独标记。
进入候选：品牌与需求建立了关系
AI把品牌列入可考虑范围，或说明它适合某种场景，但没有明显优先顺序和完整理由，可以记录为候选或普通推荐。它比被动提及更有业务价值，因为用户已经可能把品牌纳入下一步了解。
统计时应保存原回答，避免只看系统标签。复杂回答需要人工抽检，尤其是并列列表、表格和带限制条件的推荐。
首位推荐与首选推荐不是完全一回事
首位推荐可以按呈现顺序判断，例如品牌位于清晰列表第一项；首选推荐则更强调语义，AI明确表示在特定条件下优先选择某品牌。列表第一不一定代表最强推荐，回答也可能先讲一个通用方案，后面才给出真正首选。
企业应分别定义位置型与语义型指标，不能把“第一个出现”自动等同于“最推荐”。
官网引用是另一条维度
AI可以引用官网却不提品牌，也可以推荐品牌但引用第三方页面。因此官网引用率反映内容作为信源的表现，推荐层级反映品牌在答案中的地位，两者需要分开看。
Bing Webmaster Tools的AI Performance也明确区分引用次数与页面排名或重要性，说明“被引用”本身不能直接推导推荐位置。
建议建立五级标签和证据规则
可使用未提及、被动提及、进入候选、明确推荐、首位或首选推荐五级，再叠加准确性、正负面和引用来源。每一级写出可判断的例子和反例，让不同分析人员采用同一标准。
水滴AI按问题保存回答、提及和排名，可以帮助团队回到原始证据审核。自动标签适合规模化统计，关键问题仍建议人工复核。
汇报时先说业务问题，再说层级
不要只展示“首位推荐率12%”。说明哪些高价值问题进入首位、推荐理由是什么、是否准确、与上周期相比发生了什么，以及下一步要补哪类证据。对生成式结果的短期波动保持克制，连续周期和问题组表现比一次漂亮截图更有说服力。
常见问题
Q1：品牌在列表第一项就是首选推荐吗？
答：不一定。第一项是位置判断，首选还要看回答语义和适用条件，建议分别记录。
Q2：负面提及要算进提及率吗？
答：基础统计可计入“出现”，但必须单独标记负面与错误提及，不能和正面推荐合并汇报。
Q3：引用官网但不提品牌有价值吗？
答：有内容信源价值，说明页面可能参与回答；但它不等于品牌推荐，应作为独立指标分析。
延伸阅读｜站内：AI品牌推荐监测看什么；权威参考：Bing Webmaster：AI Performance说明