# GEO 诊断中怎样看提及率、准确率、引用率和推荐率？
提及率、准确率、引用率和推荐率不是同一件事。它们的分母不同、证据责任不同、能触发的行动也不同。把四项并成一个“综合分”，看起来更简单，却常把企业真正的事实缺口藏起来。
思墨讯灵的诊断记录不会只给出百分比。每一项指标都要回到单题证据页：这条问题是否计入分母、完整回答写了什么、人工核验依据是什么、为什么计入或不计入。这样，数字才是可解释的观察结果，而不是脱离语境的装饰。
## 先定义四个分母
提及率观察的是：在约定的问题集合中，企业是否被提到。它的分母是有效问题数，而不是全网内容数。准确率观察的是：已出现的回答中，哪些主体、服务、区域、案例或数据表述可被事实材料支持；它应以可核验的出现记录或事实单元为分母。
引用率观察的是：回答中是否显示可识别的来源线索，以及这些线索是否与当前问题相关。它不能替代事实正确性，因为有引用的页面也可能过期或错配。推荐率则最容易被误读：必须先定义何种表述、何类问题、何种用户任务才算“推荐语境”，不能把名称出现的位置当成搜索排名。
## 一个完整的虚拟示例
某企业观察 10 条采购场景问题，其中 6 条回答提到了企业，提及率为 60%。在这 6 条中，4 条对服务范围描述准确，2 条把主体混淆；另有 3 条显示来源线索，其中 1 条指向过期页面。此时不能说“整体表现 60 分”。
更有用的表达是：提及维度需要继续覆盖未出现的 4 条场景；准确维度要处理两条主体混淆；来源维度要复查那条过期线索；若回答只是并列举例，即使出现名称，也不应计入推荐语境。每一个结论都能回到具体回答和事实核验记录。
## 指标如何变成行动
提及不足时，先检查问题是否覆盖真实用户场景、主体与服务信息是否完整；准确不足时，优先核对第一方页面中的主体、区域、服务和案例口径；来源线索不足或错配时，再检查公开资料的更新时间、相关性与授权边界。推荐语境的观察则用于理解选择类问题中需要补的证据，不是承诺被推荐。
思墨讯灵将这些指标分层交付，避免把 AI 提及、准确理解、推荐、咨询和成交混为一谈。只有业务系统中的独立记录，才能说明咨询、商机或成交；诊断指标只能说明已记录条件下的回答情况。
## 管理层应看什么
管理层不必追逐单次涨跌，更应追问三件事：本次分母是否稳定；构成分子的单题证据能否回查；指标变化后对应的页面、事实或来源动作是否明确。能回答这三件事，指标才帮助企业排优先级。
## 避免三种常见的误读
第一，把样本数量很小的变化解释成趋势。若问题集合只有少量条目，一条回答的变化就可能大幅改变比例，应同时展示分子、分母和具体记录。第二，把准确率当成推荐率。企业可能被准确地描述为某类服务方，但并不表示它在用户当前任务中被建议选择。第三，只保留指标，不保留被排除的记录。被排除的原因往往最能说明口径是否可靠。
对外或对内汇报时，建议在指标旁写出一句可复查的解释，例如“10 条已定义采购问题中，6 条出现企业；其中 4 条服务范围与当前公开材料一致”。这比一个没有分母的百分比更容易被业务、市场和管理团队共同理解。
指标口径一旦调整，也应在记录中保留旧口径和调整原因。否则，本月与下月数字看似可比，实际上分母已经改变。稳定的口径不是永远不变，而是每次变化都能说明、能回查。

图示：四类指标分别对应不同分母、证据与后续动作。