评估方法

输入品牌名 + 品类描述,用 qwen-plus 生成 30 个真实用户视角的提问,按四类用户意图严格分桶: direct(用户点名问)、category(问品类)、comparison(问对比)、scenario(只描述需求场景)。 Query Library 按品类模板化设计,可按需扩展题量与品类。

30 题分别发送至豆包、千问、DeepSeek 三个国产大模型,30 题 × 3 模型 = 90 组品牌可见度样本; 通过 ThreadPoolExecutor 并发调用,一轮审计约 10 分钟内完成,支持快速迭代。

每个回答交由 qwen-plus 按 0/25/50/75/100 五档评估品牌可见度,将开放式回答转化为可量化、可对比的结构化分数:

对 category 类问题额外调用 DashScope 的 enable_search 接口,抓取 AI 联网时实际引用的网页 (title / url / site_name),还原「AI 了解这个品牌时,到底在引用谁」。 当前 Demo 的引用源为示例数据,生产实现需对每题触发联网检索并解析实际返回的引用域名。

将所有评分按「意图分桶 / 模型 / 总体」三个维度聚合,产出各维度的可见度 % 与均分。

核心诊断:对比 direct（用户点名问）与 scenario（用户只描述需求）的得分差—— 点名问是送分题,真正考验品牌的是,当用户不知道用谁、只描述场景时,AI 还会不会主动推荐你。 这个差值,就是品牌在真实搜索下的可见度缺口。