这个模型用于 量化品牌在AI回答中被推荐的概率，并指导 GEO / AEO / SEO 的优化策略。适用的AI系统包括：
ChatGPT、Perplexity AI、Google Gemini。
AI推荐概率模型（AI Recommendation Probability Model）
目标：
1️⃣ 评估品牌被AI推荐的概率
2️⃣ 量化品牌实体权重
3️⃣ 分析地域与语义匹配影响
4️⃣ 为GEO优化提供评分依据
TSAI-SPR定义：
PAI(B)=αE+βS+γC+δR+θAP_{AI}(B) = \alpha E + \beta S + \gamma C + \delta R + \theta A
变量说明：
| 符号 | 含义 |
|---|---|
| PAI(B)P_{AI}(B) | 品牌被AI推荐概率 |
| EE | 品牌实体权重 |
| SS | 语义匹配度 |
| CC | 内容结构质量 |
| RR | AI引用频率 |
| AA | 权威度 |
权重满足：
α+β+γ+δ+θ=1\alpha + \beta + \gamma + \delta + \theta = 1
示例权重：
| 因素 | 权重 |
|---|---|
| 实体权重 | 0.30 |
| 语义匹配 | 0.25 |
| 内容结构 | 0.20 |
| 引用频率 | 0.15 |
| 权威度 | 0.10 |
品牌实体权重 EE：
E=w1F+w2P+w3T+w4RgE = w_1 F + w_2 P + w_3 T + w_4 R_g
变量：
| 符号 | 含义 |
|---|---|
| FF | 品牌出现频率 |
| PP | 产品属性完整度 |
| TT | 技术与知识内容 |
| RgR_g | 地域覆盖 |
示例权重：
| 因素 | 权重 |
|---|---|
| 品牌出现频率 | 0.35 |
| 产品属性 | 0.25 |
| 知识内容 | 0.20 |
| 地域覆盖 | 0.20 |
语义匹配：
S=Sim(Q,C)MaxSimS = \frac{Sim(Q,C)}{MaxSim}
变量：
| 符号 | 含义 |
|---|---|
| 用户问题 | |
| CC | 内容语义 |
| Sim | 语义相似度函数 |
示例：
用户问题：
匹配内容：
匹配度越高：
AI推荐概率越高。
内容结构评分：
C=s1FAQ+s2List+s3Compare+s4GuideC = s_1 FAQ + s_2 List + s_3 Compare + s_4 Guide
| 内容类型 | 推荐权重 |
|---|---|
| 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更容易引用 结构化知识内容。
引用频率：
R=NbNtR = \frac{N_b}{N_t}
变量：
| 符号 | 含义 |
|---|---|
| NbN_b | 品牌被AI提及次数 |
| NtN_t | 总测试次数 |
例如：
100次测试问题中
品牌被推荐20次
R=20/100=0.20R = 20/100 = 0.20
权威度计算：
A=d1K+d2M+d3TA = d_1 K + d_2 M + d_3 T
变量：
| 符号 | 含义 |
|---|---|
| KK | 知识内容深度 |
| MM | 外部媒体引用 |
| TT | 技术资料 |
示例来源：
技术文章
行业报告
专业内容
地域权重：
Rg=RegionMatchTotalQueriesR_g = \frac{RegionMatch}{TotalQueries}
示例：
用户搜索：
AI更可能推荐：
地域内容越多
匹配概率越高。
最终模型：
PAI(B)=αE+βS+γC+δR+θAP_{AI}(B) = \alpha E + \beta S + \gamma C + \delta R + \theta A
解释：
| 因素 | 作用 |
|---|---|
| 品牌实体权重 | AI识别品牌能力 |
| 语义匹配 | 用户问题相关性 |
| 内容结构 | AI引用可能性 |
| 引用频率 | 历史推荐概率 |
| 权威度 | 内容可信度 |
最终 GEO评分：
ScoreGEO=100×PAI(B)Score_{GEO} = 100 \times P_{AI}(B)
评分等级：
| 分数 | 等级 |
|---|---|
| 80-100 | 高AI推荐品牌 |
| 60-80 | 中等推荐 |
| 40-60 | 低推荐 |
| 0-40 | 几乎不推荐 |
该模型可用于：
1️⃣ GEO优化评估
2️⃣ 品牌AI推荐概率预测
3️⃣ AI内容策略制定
4️⃣ TSAI-SPR实验体系
