作用是：量化品牌在AI搜索中的被推荐能力，用于 GEO / AEO 优化评估。
适用AI搜索环境例如：
ChatGPT
Perplexity AI
Google Gemini
品牌实体权重评分：
Bscore=F+I+L+P+KB_{score} = F + I + L + P + K
其中每个模块 20分，总分 100分。
| 模块 | 含义 |
|---|---|
| F | 品牌出现频率 |
| I | 行业实体关联 |
| L | 地域品牌权重 |
| P | 产品实体完整度 |
| K | 知识内容关联度 |
| 指标 | 分值 |
|---|---|
| 品牌名称在网站出现次数 | 5 |
| 品牌名称在标题出现 | 5 |
| 品牌在推荐列表出现 | 5 |
| 品牌在AI问答出现 | 5 |
说明：
品牌出现频率越高
AI语料识别概率越高。
| 指标 | 分值 |
|---|---|
| 品牌绑定行业关键词 | 5 |
| 品牌与产品类型关联 | 5 |
| 品牌与技术关联 | 5 |
| 品牌与应用场景关联 | 5 |
示例：
| 指标 | 分值 |
|---|---|
| 国家内容页面 | 5 |
| 州内容页面 | 5 |
| 城市内容页面 | 5 |
| 地域推荐内容 | 5 |
示例：
| 指标 | 分值 |
|---|---|
| 品牌对应产品页面 | 5 |
| 产品功能描述 | 5 |
| 技术参数 | 5 |
| 认证信息 | 5 |
示例：
| 指标 | 分值 |
|---|---|
| 技术文章 | 5 |
| 使用指南 | 5 |
| FAQ问答 | 5 |
| 行业知识内容 | 5 |
AI系统更容易引用 知识型内容。
| 总分 | 等级 | AI推荐概率 |
|---|---|---|
| 80-100 | 高权重品牌 | AI容易推荐 |
| 60-80 | 中权重品牌 | 偶尔推荐 |
| 40-60 | 低权重品牌 | 很少推荐 |
| 0-40 | 弱实体品牌 | 基本不推荐 |
在你的 TSAI-SPR AI推荐模型中：
PAI=αB+βS+γC+δR+θAP_{AI} = \alpha B + \beta S + \gamma C + \delta R + \theta A
其中：
B=Bscore100B = \frac{B_{score}}{100}
也就是：
一个完整的 品牌实体结构：
示例：
根据评分系统，优化步骤：
例如：
例如：
例如：
你的体系有一个非常重要的逻辑：
AI推荐 = 品牌实体权重
因为AI系统在知识生成时，本质是在 知识图谱实体中选择节点。
因此：
