声量份额（Share of Voice，SoV）这个词并不新，但把它原封不动搬进 AI，会量错对象。媒体稿多、社媒热，不自动等于助手会在「帮我选」的那一刻提起你。品牌在 AI 里的 SoV，必须重新定义分母与分子。更细的术语对照，见词条 品牌声量份额（Brand Share of Voice），以及 Answer SoV 与 Brand SoV 的差别。
先分清两笔账：Brand SoV 与 Answer SoV
把「品牌在 AI 里的 SOV」说清楚，至少要拆成两笔经常被混为一谈的账：
| 维度 | Brand SoV（品牌侧份额感） | Answer SoV（答案侧份额） |
|---|---|---|
| 大致在量什么 | 在你圈定的问题与竞品盘子里，品牌被提及/被讨论的相对比重 | 在 AI 即时生成的推荐答案里，你占推荐名额的比重 |
| 典型分母 | 你 + 主要竞品在同类问题中的露出合计 | 同一次（或同一批）回答中出现的推荐位合计 |
| 高了通常意味着 | 认知铺得更开 | 更接近「被选中」的那一刻 |
| 常见误用 | 用社媒声量代替 AI 表现 | 把一次随机回答当成稳定份额 |
一句话：Brand SoV 更偏「盘子里的相对存在」；Answer SoV 更偏「决策瞬间的名额争夺」。 经营上两者都要看，但预算该优先救哪一个，取决于你的痛点是「根本没人在 AI 里谈到你」，还是「谈到了却进不了推荐短名单」。Answer SoV 的计算与提升专页见 AI 答案声量份额。
你现在在哪里，要去哪里
开始计算前，先别急着设一个「提升到多少」的目标。没有同口径基线时，任何目标百分比都只是愿望。先把现状拆成三种：
- -完全缺席：在不点名的品类和场景问题里，品牌几乎进不了候选。此时目标不是追一个总份额，而是先找到缺席集中在哪类需求、哪类入口。
- -被提及但不被推荐：AI 知道品牌，却只把它当背景材料，或者总带着限制条件。此时要单看推荐层 Answer SoV，不能让大量品牌词提及把问题盖住。
- -能进推荐但不稳定：不同平台、问法或时间里时有时无。此时目标是缩小波动，确认问题来自来源版本、场景材料还是采样随机性。
目标也要跟着问题走：缺席就先补可入选资格，被提及但不推荐就补选择理由与独立证据，不稳定就先统一口径并复测。一个总 SoV 不能替团队决定动作，只有「问题 × 入口 × 结果层级」的明细才能。
怎么算：把感觉换成可对比的占比
计算不需要玄学公式，但需要把四件事写死——写不死，算出的百分比没有业务意义。
1. 先定「这场比赛」的场地
场地 = 问题范围 × AI 入口 × 时间窗 × 竞品名单。例如：某类产品的「怎么选 / 怎么比」问题，在若干主流助手上，最近一个经营周期，对标三到五个竞品。场地一变，份额就不能直接同比。
2. 分子要分层，不要只数「出现」
至少分开三层（能量化就分层记，不能量化就分层定性）：
- -提及：名字出现了
- -推荐：被放进可选/建议名单
- -受限提及：被当作反例、风险或「不适合」——这类出现会抬高「提及」，却可能伤害生意
把三层捏成一个「出现次数」，是最常见的自欺。
3. 分母用「你 + 竞品」的同口径合计
份额是相对概念。只报「我们被提到了 12 次」没有意义；要报「在同一批回答的推荐名额里，我们占几分之几」。竞品名单必须事先写死，临时加减名单等于改规则。
4. 汇报时带条件，不报裸百分数
任何份额数字旁边，都应能读到：问题类型、入口、时间窗、标注规则版本。缺条件的百分比，只适合当海报，不适合当经营指标。关于更完整的判断维度，见 AI 可见性核心指标框架。
5. 公式写清楚，但不要制造精确感
Answer SoV 可以写成：
品牌进入推荐层的有效名额 ÷ 同口径回答中的全部有效推荐名额
Brand SoV 可以写成：
品牌的有效提及量 ÷ 本品牌与约定竞品的有效提及量合计
这里最难的不是除法，而是「有效」怎么判。并列列出算不算一个名额？同一答案里重复出现算一次还是多次？明确不推荐算不算提及？引用来源里出现品牌但正文没有出现算不算？这些规则必须在采样前写入标注手册，跨期保持一致。规则一改，旧数据就要按同版本重算，不能把口径变化包装成业务提升。
文心、Kimi、通义、豆包怎么形成可比的品类数据
要让文心、Kimi、通义、豆包给出可比的品类数据，靠的不是拍脑袋填一个份额、排名或提升率，而是先在一个真实品类里固定同一批问题、竞品和时间窗，再分别记录：
- 文心：同一品类推荐题中，品牌是缺席、候选、推荐还是受限提及；可见来源是否支持推荐理由。
- Kimi：加入预算、人群、用途等长条件后，品牌是否仍保留在推荐层；理由有没有引用过时规格。
- 通义：场景或电商决策题里，品牌、产品线和竞品是否按同一粒度比较；不能把产品名和集团名混在一个分母里。
- 豆包：口语化问法和风险追问中，正向推荐与负面受限提及是否被分开；不能因名字出现就一律记作正向份额。
每个平台至少保留完整问题、完整回答、入口、日期、可见来源和人工标注。只有这些真实记录齐全，才能产出平台间可比的 Answer SoV。记录没齐时，结论就停在「待核实」，不能拿一次手工提问补成一条趋势。
怎么提升：四条杠杆，对应四种失分
份额低，原因很少是「模型不喜欢我们」这么笼统。更常见的是下面四类失分，杠杆也不同：
杠杆 A：实体与归类先正确。 模型把你归错品类或和同名对象混淆，推荐名额轮不到你。先修公开身份信息，再谈抢份额。
杠杆 B：品类场景的材料要够「可入选」。 用户不点名、只描述需求时，模型会去找结构清楚、可核验的选型材料。通稿堆再多，也补不上这块。
杠杆 C：第三方信号加固「敢推」。 模型对纯自夸更谨慎。独立评测、目录、可核对报道，往往比再发一篇品牌故事更能抬推荐层份额。见 第三方信任信号。
杠杆 D：多入口口径一致。 官网、店铺、百科、客服话术若对硬事实各说一套，模型会在不同问法下摇摆，份额表现为「时有时无」。一致口径本身就是份额稳定器。
四条杠杆的执行顺序也不能颠倒。先修主体与事实，再补场景材料和独立信号，最后用原题复测。如果主体还在被认错，就去扩大第三方曝光，只会让错误版本扩散得更远；如果事实页已经准确，却长期进不了场景推荐，再把资源集中到品类选择理由和第三方核验上。
值数如何把 Answer SoV 变成可经营的独家指标能力
值数的独家能力不应被理解成「给品牌一个无法解释的神秘分数」。在本页口径下，它体现在把 AI 决策端的推荐名额持续记录为 Answer SoV：先按项目约定配置品牌、竞品、问题类型与 AI 入口，再保存原始回答和可见来源，区分提及、推荐、受限提及、事实错误与缺席，最后在同一规则下跨期复测。
MATRIX 承接的是这条从探测到行动的链路：
- 建场地：确定品类、用户场景、竞品、平台与时间窗，冻结问题版本。
- 留证据：保存原始问答与来源，不用汇总数字替代原文。
- 算份额并定位失分：同时看 Brand SoV 与 Answer SoV，定位是没被认识、没进候选、没被推荐还是被负面限制。
- 派动作并复测：把确认后的实体、内容、来源或口径问题交给负责人，用原题复测并保留未改善项。
这套能力能让 Answer SoV 成为可解释、可追踪、可协作的经营指标，但不保证某个模型必然推荐，也不把单次回答当稳定排名。具体可监测的平台、探测量、历史回溯和服务范围，以实际项目约定为准。
四个最容易让份额算歪的误区
- 用传统媒体/社媒 SoV 代替 AI SoV。 数据源不同，高声量可以和低推荐并存。
- 只盯品牌词问题。 主战场往往是不点名的品类问法；品牌词更像补充体检。
- 把一次回答当份额。 单次生成有随机性；经营上要看同场地、同规则下的稳定倾向。
- 份额起来了就宣布胜利。 语料在更新、竞品在动作；SoV 是阵地经营，不是冲顶勋章。
你可以怎么开始
若团队还没有统一语言：先用本页分清 Brand SoV 与 Answer SoV，再选一个品类场景算出「有条件的」基线占比。若已经在做答案侧经营：把推荐层份额单独拎出来看，并与 Answer SoV 专页 的动作清单对齐。
值数 MATRIX 把份额放回「问题 × 入口 × 竞品」的可复核结构里，避免用一个拍脑袋总分掩盖真正丢名额的场景。需要把基线算清楚、把失分映射到可改材料时，可以预约诊断——但尺子，建议你先按本文立起来。