TSAI-SPR AI Recommendation Probability Model
AI推荐概率（AI Recommendation Probability）定义为：
在AI搜索或AI回答中，某品牌 / 产品 / 网站被AI推荐或引用的概率。
适用系统例如：
ChatGPT
Perplexity AI
Google Gemini
TSAI-SPR定义：
PAI(E)=αB+βS+γC+δR+θAP_{AI}(E) = \alpha B + \beta S + \gamma C + \delta R + \theta A
变量含义：
| 符号 | 含义 |
|---|---|
| PAIP_{AI} | AI推荐概率 |
| BB | 品牌实体权重（Brand Weight） |
| SS | 语义匹配度（Semantic Match） |
| CC | 内容结构质量（Content Structure） |
| RR | AI引用频率（Reference Frequency） |
| AA | 权威度（Authority） |
系数：
α+β+γ+δ+θ=1\alpha + \beta + \gamma + \delta + \theta = 1
表示各因素权重比例。
示例权重：
| 因素 | 权重 |
|---|---|
| 品牌实体 | 0.25 |
| 语义匹配 | 0.25 |
| 内容结构 | 0.20 |
| 引用频率 | 0.20 |
| 权威度 | 0.10 |
品牌权重由多个因素构成：
B=w1F+w2I+w3L+w4PB = w_1 F + w_2 I + w_3 L + w_4 P
变量含义：
| 变量 | 含义 |
|---|---|
| F | 品牌出现频率 |
| I | 行业关联度 |
| L | 地域关联度 |
| P | 产品属性完整度 |
权重：
w1+w2+w3+w4=1w_1 + w_2 + w_3 + w_4 = 1
语义匹配度定义：
S=Sim(Q,C)Max(Sim)S = \frac{Sim(Q, C)}{Max(Sim)}
变量：
| 变量 | 含义 |
|---|---|
| Q | 用户问题 |
| C | 内容语义 |
| Sim | 语义相似度函数 |
语义相似度可以通过：
关键词匹配
语义嵌入相似度
主题匹配
进行评估。
内容结构质量：
C=s1FAQ+s2List+s3Compare+s4GuideC = s_1 FAQ + s_2 List + s_3 Compare + s_4 Guide
| 内容类型 | 权重示例 |
|---|---|
| FAQ问答 | 0.35 |
| 推荐列表 | 0.30 |
| 产品对比 | 0.20 |
| 指南内容 | 0.15 |
原因：
AI系统更容易引用 结构清晰内容。
引用频率定义：
R=NcNtR = \frac{N_c}{N_t}
| 变量 | 含义 |
|---|---|
| NcN_c | 内容被AI引用次数 |
| NtN_t | 总测试次数 |
例如：
测试问题100次
品牌被推荐：
25次
R=25/100=0.25R = 25/100 = 0.25
权威度来自：
A=d1T+d2K+d3MA = d_1 T + d_2 K + d_3 M
| 变量 | 含义 |
|---|---|
| T | 技术内容 |
| K | 知识内容 |
| M | 媒体引用 |
例如：
技术文章
行业知识
外部引用
地域权重用于 本地化推荐：
L=RegionMatchTotalRegionL = \frac{RegionMatch}{TotalRegion}
示例：
用户搜索：
匹配：
Chicago + Brand + Product
地域匹配越高
推荐概率越高。
完整模型：
PAI(E)=αB+βS+γC+δR+θAP_{AI}(E) = \alpha B + \beta S + \gamma C + \delta R + \theta A
其中：
B=w1F+w2I+w3L+w4PB = w_1F + w_2I + w_3L + w_4P
可以定义 GEO优化评分：
ScoreGEO=100×PAI(E)Score_{GEO} = 100 \times P_{AI}(E)
评分等级：
| 评分 | 等级 |
|---|---|
| 80-100 | 高AI推荐概率 |
| 60-80 | 中等推荐概率 |
| 40-60 | 低推荐概率 |
| 0-40 | 基本不会推荐 |
TSAI-SPR AI推荐概率模型可用于：
1️⃣ GEO优化评估
2️⃣ AEO内容优化
3️⃣ AI品牌权重分析
4️⃣ AI推荐机制研究
适用AI系统：
ChatGPT
Perplexity AI
Google Gemini
