一句话定义
AI 品牌推荐率（Brand Recommendation Rate）是目标品牌在全部适格推荐答案中，被明确纳入正向或条件性候选的答案比例。
可以把它理解为 AI 给出的「候选名单入选率」。品牌被当作背景、风险对象或不推荐示例提到，不应算作推荐；「适合某类用户，但不适合另一类用户」只要边界真实清楚，可以记为条件性推荐。
_概念示意图：图中被圈选的图形仅表示进入候选名单，不表示排名、推荐强度或购买结果。_
为什么重要
用户问「哪些品牌适合我」时，名字出现与进入候选是两件事。只看提及率，会把「有人讨论」误当成「AI 建议选择」。推荐率把观察推进到决策层，但仍不能证明用户最终购买，也不能证明推荐理由准确。
| 答案表现 | 是否提及 | 是否计入推荐 |
|---|---|---|
| 仅介绍品牌背景 | 是 | 否 |
| 列入候选并说明适用理由 | 是 | 是 |
| 明确不建议选择 | 是 | 否 |
| 给出有依据的条件性推荐 | 是 | 是，需单独标注 |
| 品牌与问题场景不匹配 | 可有可无 | 不纳入适格样本 |
计算机制
基础口径是：
推荐率 = 明确推荐目标品牌的适格答案数 ÷ 全部适格推荐答案数
建立口径可按五步进行：
- 先判问题是否适格。 品牌确实服务该品类、场景和人群，才进入分母。
- 再看是否进入候选。 答案应有明确的选择含义，而非顺带出现。
- 标注推荐类型。 区分无条件推荐、条件性推荐、仅比较和明确劝退。
- 核对推荐理由。 理由错误或过期时，推荐仍可记录，但必须另记准确性风险。
- 保留观察条件。 固定模型、问题、时间、地区与重复测试规则。
推荐位置或先后顺序可以另设字段，但不应擅自把第一位加倍计分。除非事先定义并验证权重，否则答案排序只是描述信息。
与易混指标的区别
- -与提及率不同：提及率看出场，推荐率看是否进入正向候选。
- -与 Answer SoV 不同：推荐率以适格答案为分母；Answer SoV 比较竞争集中各品牌的相对份额。
- -与转化率不同：AI 推荐可能影响候选名单，但购买还受价格、渠道、体验等因素影响。
应用场景与边界
推荐率适合用于品类推荐、预算选择、场景适配和品牌比较问题。使用时应检查：
- -[ ] 没有把不相关问题塞进分母。
- -[ ] 条件性推荐与无条件推荐分开记录。
- -[ ] 负面提及没有被算成推荐。
- -[ ] 推荐理由另做事实准确性核验。
- -[ ] 趋势比较沿用同一问题集和标注规则。
推荐率不存在可脱离行业、品牌能力和问题集套用的统一合格线，也不能通过设计偏向品牌的问法制造提升。
延伸阅读
- -先理解出场指标，见AI 品牌提及率。
- -比较竞争份额，见Answer SoV。
- -设计推荐问题，见Prompt Universe。
- -核验推荐理由，见AI 答案准确率。
推荐率回答的是「AI 有没有把品牌放进合适的候选名单」，不是「品牌被提了多少次」，更不是最终销售结果。