读懂一次报告

一次监测完成后，系统会生成解读报告、数据看板和采集明细。三者使用同一批采集数据，但作用不同。

• 解读报告用于快速理解结论。
• 数据看板用于查看图表和指标。
• 采集明细用于核对原始回答和证据截图。

第一步：先确认样本范围

阅读报告前先看报告概览，确认：

• 本次监测的品牌和竞品是谁。
• 跑了哪些平台。
• 跑了多少条提问。
• 有多少成功、失败、跳过记录。
• 是否存在明显采集异常。

如果有效样本太少，报告结论只能作为参考，不适合直接对外汇报。

第二步：看核心结论

核心结论应回答三个问题：

• 目标品牌本次表现如何。
• 与竞品相比处于什么位置。
• 最需要优先处理的问题是什么。

如果核心结论里出现“品牌未被提及”“被竞品压制”“引用源较弱”等判断，应继续往下看对应章节，不要只看一句总结。

第三步：看竞品分析

竞品分析用于判断目标品牌在同一组提问中的竞争位置。重点看：

• 哪些竞品经常被提到。
• 哪些竞品排名更靠前。
• AI 给竞品的理由是什么。
• 目标品牌是否在关键场景中缺席。

竞品被频繁提到不一定代表它全面领先，也可能是它在某些场景中有更强内容和信源。

第四步：看情感和实体

情感提及用于判断 AI 对品牌的表达倾向。实体识别用于判断系统是否正确识别品牌、竞品、产品、场景和渠道。

如果发现负向表达，应进入采集明细查看原文。负向表达可能来自真实问题、过期信息、竞品对比，也可能来自模型误解。

如果发现实体识别不准确，应检查品牌别名、竞品名称和域名配置。

第五步：看采集覆盖

采集覆盖展示本次实际跑过的提示词和执行情况。它回答的是“本次结论来自哪些问题”。

阅读时重点看：

• 是否覆盖了核心业务场景。
• 是否有太多重复问题。
• 是否某一类问题过少。
• 是否存在大量失败或跳过。

题库质量会直接影响报告价值。问题设计不合理时，报告再完整也很难指导优化。

第六步：看概率排名

概率排名用于观察目标品牌在 AI 推荐或排序表达中的位置。重点看：

• 品牌是否进入推荐列表。
• 进入后是否靠前。
• 排名靠后时，竞品的优势理由是什么。
• 不同平台排名是否差异明显。

可见率高但排名低，说明品牌被提到了，但还没有形成推荐优势。

第七步：看信源结构

信源结构用于判断 AI 回答引用了哪些域名和渠道。重点看：

• 是否引用官网。
• 是否引用权威媒体、百科、社区或电商页面。
• 是否大量引用弱相关网站。
• 是否竞品拥有更强信源。

如果目标品牌很少被官网或权威来源支撑，后续应优先补充可被引用的内容。

第八步：看标题特征

标题特征来自采集到的引用内容标题。它可以帮助判断 AI 当前更容易引用哪类内容。

常见可行动信息包括：

• AI 偏好“推荐”“排名”“对比”类标题。
• 某些场景词频繁出现。
• 竞品相关标题更具体。
• 官网内容标题不够明确。

这些信息可以反向指导文章选题和页面标题优化。

第九步：复核采集明细

对外汇报前，至少复核这些样本：

• 核心结论依赖的样本。
• 负向或异常样本。
• 竞品明显领先的样本。
• 引用官网或重要第三方来源的样本。
• 客户可能会追问的样本。

进入 采集明细 可以查看原始回答、引用链接和证据截图。

第十步：形成优化动作

报告阅读结束后，应产出明确动作，而不是只停留在“指标好坏”。

常见动作包括：

• 补充品牌基础介绍和产品页面。
• 增加场景推荐型文章。
• 增加竞品对比和选型指南。
• 补充 FAQ 和风险解释。
• 强化官网、媒体、社区等可信信源。
• 更新知识资产，用于后续文章生成。