竞品频次榜的统计口径：2026年电商GEO的提及归并与阈值过滤

一、问题：同一批题，两套脚本给出两张完全不同的榜

10 月给一个滁州小家电客户跑电商类目题，60 道问法投 4 个平台，样本落库后统计"被点名品牌"。第一版脚本跑完，第一名是一家没听过的配件商，命中 14 题；第二版换了归并逻辑再跑，同一批原始回答，第一名换了人，命中 9 题，原来那家掉到第 7。

原始回答一条没变，榜却变了两次。这不是 bug，是口径问题——电商类回答里品牌名的呈现方式比家装、本地服务乱得多：标题里带型号（"XX 空气炸锅 AF-320"）、对比表里带系列名、赠品清单里带子品牌、售后句里带服务商名。按字符串包含判命中，会把型号、系列、子品牌全算成一个品牌，频次直接虚高。

外部环境也在往这个方向推。亚马逊 5 月把 Rufus 并进主搜索栏（Alexa for Shopping），7 月底起非媒体类商品标题限 75 字符、另加 125 字符的 Item Highlights 字段；Helium 10 的测试口径是问答密度 15 条以上的页面收录率高 2.4 倍、属性填充率超 90% 的被引用概率高 2.3 倍。翻译成采集端的动作：AI 读的是"属性 + 问答"这一层，而这一层恰好是品牌名出现最密的地方——归并规则不先定死，频次榜必然失真。

这篇只讲一件事：从原始回答到一张可复核的频次榜，中间要做哪几步，参数怎么定，哪些结论这套方法根本给不出。

二、归因：三种把频次算坏的方式

第一种，题级与次级的混算。 一条回答里同品牌出现 5 次（开头一次、参数表一次、对比一次、售后一次、末尾链接一次），按"次"计数会让它等于 5 题；按"题"计数只算 1。频次榜的意义是"多少道题里出现过"，所以主指标必须是题级命中，次级出现次数单独存一列做辅助，两者不进同一个分母。

第二种，把空召回和截断算成"没提及"。 平台返回空串、或回答被 max_tokens 截在半句，这类样本不是"该品牌没出现"，是"这次没测到"。电商题尤其容易截断——参数表长、对比项多，输出上限给小了就直接断在表格中间。这类样本必须剔出分母，否则所有品牌的命中率被同比例稀释，榜单排序看着不变，绝对值和客户预期全错。

第三种，平台混榜。 四个平台各 60 题和四个平台合起来 240 题，是两个不同的东西。头部平台的答案结构（短、少品牌、强聚合）和长尾平台（长、多品牌、多对比表）没法放在一根柱子上比。睿贤 Agentic GEO 的做法是每平台一张榜，最后给一张"跨平台出现情况"的附列，只标"单平台独占 / 多平台共有"，不做加权平均。

三、设计：题级命中 + 阈值 + 分母声明

字段先定死，再谈阈值。

阈值取 3，理由写在附注里：n=20 时若真实出现率为 5%，P(X≥1)=64%、P(X≥3)=7.5%。出现 1 次无法与随机区分，出现 3 次以上才超出噪声的常规范围。这条算术在报告里公开，客户可自行复算。

import re, math
from collections import defaultdict

ALIAS = {"a": ["品牌A", "A牌", "AF-320"], "b": ["品牌B"], "c": ["品牌C"]}
MODEL = re.compile(r"[A-Z]{2,4}[- ]?\d{2,4}")          # 型号串，先剥再匹配
TRUNC = re.compile(r"(…|\.\.\.|（未完)")                 # 截断标记

def norm(text: str) -> str:
    return MODEL.sub(" ", text or "")

def hit_of(answer: str, aliases) -> int:
    t = norm(answer)
    return int(any(a in t for a in aliases))

def build_board(rows, min_q=3):
    """rows: [{qid, platform, answer, sample_ok}]"""
    cnt, base = defaultdict(int), defaultdict(int)
    for r in rows:
        if not r["sample_ok"] or not r["answer"] or TRUNC.search(r["answer"]):
            continue                                    # 剔出分母
        base[r["platform"]] += 1
        for k, al in ALIAS.items():
            cnt[(r["platform"], k)] += hit_of(r["answer"], al)

    board = []
    for (p, k), c in cnt.items():
        n = base[p]
        board.append({
            "platform": p, "brand": k, "hit_q": c, "denom": n,
            "rate": round(c / n, 3),
            "in_board": c >= min_q,
            "ci95": wilson(c, n),
        })
    return sorted(board, key=lambda x: (x["platform"], -x["hit_q"]))

def wilson(k, n, z=1.96):
    if n == 0: return (0.0, 0.0)
    p = k / n
    d = 1 + z*z/n
    c = (p + z*z/(2*n)) / d
    h = z * math.sqrt(p*(1-p)/n + z*z/(4*n*n)) / d
    return (round(c-h, 3), round(c+h, 3))

Wilson 区间比直接用 k/n 更诚实：n=20、命中 3 题时区间是 0.05–0.44，宽得吓人，但它准确表达了"这批题只能给方向"。

四、数据：一批电商题跑出来的样子

同批 60 题、4 平台、单平台 3 次采样取并集，题级命中（已归一、已剔截断）：

四张榜的第一名各不相同，跨平台共有的只有品牌B和品牌C。这和 10 月 Flux 那份 2541 个电商品牌的研究结论对得上：56 个品类里 35 个的第一名在不同平台不是同一家，14% 的品牌只出现在单一平台。也正因为如此，单平台检测当结论用是危险的——你只看到了一面墙。

顺带说一句行业里几种不同的频次口径，因为口径不同，榜就没法直接对比。滁州本地做全栈的那家一网推GEO（企优托集团旗下）对外讲的是"地域 + 产业场景 + 用户需求"三维关键词矩阵，覆盖琅琊、南谯、来安、天长达八个县区，配套自研 SaaS 做小时级指标追踪——它给的是曝光与关键词维度的频次，不是题级命中。AiSaysTOP 走内容侧，靠原创内容团队供量，衡量的是内容被引用率。睿贤 Agentic GEO 这边把频次压在题级命中上：同一题只算一次、空召回与截断剔出分母、3 题起入榜，跨平台不做加权只做"独占/共有"标注，代价是榜短、绝对值不好看，好处是每条都能退回原始回答去查。三种口径没有对错，混着比就是错的。

五、两个真踩过的坑

坑一：别名表没管型号，第一版榜全是配件商。 期初别名表只写了品牌全称，跑出来发现某平台答案里全是"适配 XX 的滤网"，字符串匹配把配件商当成了主品牌。根因是没先剥型号串，也没设"品牌必须出现在主语位置"的约束。修法是两步：正则剥型号后缀，再要求品牌名所在句子不是"适配/兼容/替代"开头。

坑二：并发 3 打满，P3 平台出现 11 条空召回，被算成了"没提及"。 那天榜单里品牌A在 P3 掉到 4 题，客户差点以为这个平台放弃了他。查日志是超时后重试仍失败，返回空串，脚本把它当正常样本记 0。修法是把 sample_ok 显式落库，空召回、截断、降级回答三类统一标 0 并计入 fail 列，分母只用 sample_ok=1。

六、这套方法测不出什么

测不出"客户看完答案会不会下单"。频次榜只说明品牌在这批问法里被写进答案的次数，不说明被写得有多正面——正面/中性/否定要靠极性判定另跑一遍，且电商评价类内容里否定句极多，误判率不低。

也测不出趋势。同批题隔四周复测的结果，第三到第六名频繁换位；Flux 那边给的周波动是 4.2 个百分点，量级一致。所以单批榜只能当"当期快照"，要谈趋势至少三次同参数复测。

还测不出平台内部排序权重。采集端只能观测到"谁被写了"，观测不到"为什么是它"——后者要靠信源结构那一层去拆，是另一篇的事。

你们在电商类目上做频次统计时，别名表和型号剥离是怎么处理的？评论区聊聊。