9D BVI 算法方法论

Brand Visibility Index · 3 大支柱 × 9 个维度 · 量化品牌在 AI 答案里的可见度

1. 什么是 BVI

BVI（Brand Visibility Index，品牌可见度指数）是答案科技独创的量化算法，将一个品牌在 AI 对话产品（豆包、通义千问、DeepSeek、Kimi、智谱、文心、元宝、ChatGPT、Gemini）中的可见度，拆解为 9 个可独立测量的维度，最终汇总成 0-100 分的综合得分。

BVI 不是凭主观感觉打分，每一个维度都基于真实 API 调用的原始 AI 回答文本计算，输出是可追溯、可复现的数值。

关于本方法论的披露范围：本文公开的是 BVI 的整体框架——3 大支柱、9 维度名称与权重分配。具体的归一化算法、LLM-as-Judge 的 prompt 工程、跨平台分数对齐方法、维度间的相关性消除策略等核心 know-how 属于答案科技的商业机密，不在本文披露。如需对接细节实现以做严肃学术研究或合作集成，请联系 hello@answeredglobal.com。

2. 3 大支柱与权重分配

9 个维度被划分为 3 个支柱，反映品牌在 AI 答案中的三种不同价值：

I · 可见性 Visibility 权重 38%

解决「品牌在 AI 答案里出不出现、出现频率有多高、出现位置好不好」的问题。这是基础层——如果连出现率都不高，后面的质量与竞争都无从谈起。

II · 质量 Quality 权重 31%

解决「品牌出现时，AI 是怎么描述它的」——AI 是在「推荐」还是仅在「描述」？情感是正面、中性还是负面？描述的事实信息是否准确？质量决定了曝光的转化效率。

III · 竞争 Competitive 权重 31%

解决「相对于竞品，品牌在 AI 心智里的位置」——同一答案中你被提到的次数、字符位早晚、跨平台的稳定一致性。竞争维度反映的是相对优势。

3. 9 维度详细定义

维度	权重	定义	所属支柱
出现率 Presence	13%	AI 答案里提到品牌的比例	I 可见性
无引导发现度 Discovery	17%	未点名品牌的通用询问中被想到的概率	I 可见性
答案位序 Hierarchy	8%	品牌在答案里出现的位置（越靠前分越高）	I 可见性
推荐动词强度 Recommendation	13%	AI 是「推荐」还是仅「描述」	II 质量
情感质量 Sentiment	10%	正/中/负情感强度量化	II 质量
反幻觉度 Hallucination	8%	AI 描述与品牌真实信息的吻合度	II 质量
品牌声量 Share of Voice	12%	vs 竞品的对话份额	III 竞争
对决胜率 H2H Win Rate	12%	同一答案中品牌字符位早于竞品的占比	III 竞争
跨平台稳定 Consistency	7%	9 平台之间 BVI 的稳定性（越小越稳）	III 竞争

4. BVI 综合得分逻辑

综合 BVI 由 9 个维度的归一化得分按各自权重加权汇总，最终落在 0-100 分 区间。同支柱内的维度得分先在支柱内合成，再按 38% / 31% / 31% 的支柱权重综合形成 BVI 总分。

所有分数均来自真实 API 调用的原始回答文本，无任何主观打分。每条结果保留请求时间、原文、维度命中、归一前后的中间值，全程可追溯、可截图取证。

核心 know-how 不在本文披露：每个维度的归一化函数、LLM-as-Judge 评分 prompt、跨平台权重对齐方法、异常值处理与置信区间估算等是答案科技持续迭代的商业机密。本文仅披露能让客户和研究者理解「BVI 在测什么、怎么解读」的最小必要框架。

5. BVI 评分尺度

BVI 区间	层级	典型描述
0-30	AI 看不见	在通用品类问题中几乎不被提及，需要从零建设可见度
30-50	弱可见	被提及但很少进 Top 5，新品牌起步典型区间
50-70	行业可见	一线品牌典型区间，部分品类问题进 Top 3
70-90	头部品牌	GEO 优化充分，稳定占据 AI 推荐前列
90+	品类龙头	极少出现，基本只有少数品类绝对龙头能达到

6. 数据采集方法

BVI 的所有计算输入都来自真实 API 调用——不是缓存数据、不是网页爬取、不是第三方报表：

豆包通过火山方舟 OpenAI 兼容接口
通义千问通过阿里云百炼 OpenAI 兼容接口
DeepSeek通过官方 API
Kimi通过 Moonshot 官方 API
智谱通过 BigModel GLM-4 接口
文心通过百度千帆 V2 OpenAI 兼容接口
元宝（混元）通过腾讯 LKE OpenAI 兼容接口
ChatGPT通过 OpenAI 官方 API
Gemini通过 Google 官方 API

每条调用的请求时间、prompt 内容、原始响应文本均完整存档，所有 BVI 分数均可逐条溯源、可截图取证。

7. 维度变化触发的优化方向

BVI 的实用价值不只是给一个分数，而是哪个维度低就指向哪个优化方向：

Presence 低→ AI 训练数据里你的内容密度不足，需要补内容生产 + PR 投放
Discovery 低→ 通用品类问题没把你想起来，需要在权威品类内容中植入
Hierarchy 低→ 出现位置靠后，需要提升信源权威度（Wikipedia / 头部媒体）
Recommendation 低→ 被「描述」而不是「推荐」，需要更多正面评测和测评内容
Sentiment 低→ AI 心智偏负面或中性，需要正面 PR 和危机内容压制
Hallucination 低→ AI 把品牌说错了，需要补充权威事实页面（百科、官方资料）
Share of Voice 低→ 被竞品压过，需要竞争性内容打法
H2H Win Rate 低→ 出现在竞品后面，需要优化在共同问题中的字符位
Consistency 低→ 9 平台表现不均，需要补齐弱势平台

8. 与传统营销指标的差异

指标	测量对象	更新频率	是否可追溯
SEO 排名	搜索引擎结果页位置	实时	是
品牌搜索量	用户主动搜索行为	日级	聚合数据
社媒提及	社交平台上的话题量	实时	是
BVI	AI 答案中的品牌可见度	周级 / 自定义	逐条 API 调用可追溯

更新声明：本方法论文档随 BVI 算法迭代持续更新。当前版本 v9.1（2026 年 5 月），从早期 5 维度版本升级到 9 维度，新增了 Discovery、Recommendation、Hallucination、H2H Win Rate 四个维度，合计权重 50%。

引用本方法论

研究、媒体、学术论文引用本方法论时，建议格式：

答案科技. 9D BVI 算法方法论 [v9.1]. 2026. https://answeredglobal.com/methodology.html