“AI推荐概率”可以作为你 TSAI-SPR体系的核心指标。
它不是AI内部真实的模型概率（因为像 OpenAI、Google、Microsoft 的模型不会公开权重），但可以建立 外部可观测的概率评估模型，用于 GEO / AEO 优化研究。
下面给你一套 TSAI-SPR AI推荐概率模型（可写进你的体系）。
AI推荐概率（AI Recommendation Probability）
指：
在AI搜索或AI回答中，某品牌 / 产品 / 网站 被AI推荐或引用的可能性。
适用AI系统：
ChatGPT
Perplexity AI
Google Gemini
可以定义为：
简化公式：
变量解释：
| 变量 | 含义 |
|---|---|
| Wb | Brand Entity Weight（品牌实体权重） |
| Ws | Semantic Match（语义匹配度） |
| Wc | Content Structure（内容结构质量） |
| Wr | Reference Frequency（AI引用频率） |
| Wa | Authority（品牌权威度） |
AI更容易推荐 清晰实体品牌。
实体属性包括：
Brand
Product
Manufacturer
Supplier
Technology
Certification
实体关系示例：
推荐概率越高
AI推荐内容必须 与用户问题语义匹配。
例如用户搜索：
best electric toothbrush brand
推荐列表
产品对比
专业评测
购买指南
匹配度越高：
AI推荐概率越高
AI更容易引用 结构清晰内容。
推荐结构：
| 内容类型 | 推荐概率 |
|---|---|
| FAQ问答 | 高 |
| 推荐列表 | 高 |
| 产品对比 | 高 |
| 知识解释 | 中 |
| 广告内容 | 低 |
AI更容易引用：
被多网站提及的品牌
多内容页面出现的品牌
多问题答案出现的品牌
公式可表示为：
权威度主要来源：
专业内容
行业知识
技术资料
权威引用
例如来自：
Google 搜索结果
行业知识网站
技术文章
优化AI推荐概率主要有五种方式：
构建：
品牌实体
产品实体
技术实体
构建：
AI问答
产品对比
推荐列表
使用指南
部署：
JSON-LD
Schema类型：
Product
Organization
FAQ
构建 推荐型内容：
例如：
构建：City + Brand + Product
Los Angeles Electric Toothbrush Manufacturer
地域内容可以增加 搜索匹配概率。
可以通过 AI搜索测试评估。
测试步骤：
1 提出问题
2 记录AI推荐品牌
3 统计推荐次数
示例：
测试问题：
测试结果：
| 品牌 | 推荐次数 |
|---|---|
| Brand A | 7 |
| Brand B | 5 |
| Brand C | 2 |
推荐概率：
AI推荐概率是 AI搜索优化研究的核心指标。
可以用于：
GEO优化研究
AEO优化研究
品牌权重分析
AI推荐机制研究
