# Share of Model：正在取代 Share of Voice 的 AI 可见度指标

- Canonical: https://www.geoly.ai/zh/blog/share-of-model
- Published: 2026-07-05
- Updated: 2026-10-23
- Author: [GEOly AI](https://www.geoly.ai/zh/blog/author/geoly-ai)
- Tags: [Glossary](https://www.geoly.ai/zh/blog/tag/glossary), [AI Visibility](https://www.geoly.ai/zh/blog/tag/ai-visibility), [GEO](https://www.geoly.ai/zh/blog/tag/geo)

> **Summary:** Share of Model 衡量买家咨询 AI 时你的品牌被提到的频率。INSEAD 定义、16%/56% 基准线、可见度为何在引擎间严重碎裂，以及一套可信的五步测量方法。

过去二十年，品牌团队汇报的是 Share of Voice：你在广告、媒体和社交声量中的份额。2026 年，一个更安静的数字开始决定营收——当买家问 AI「该买什么」时，助手提到你品牌的频率。INSEAD 的研究者在 2025 年中给它起了名字：Share of Model。十二个月后，它进了 CMO 的仪表盘、分析师的报告，也是 GEOly AI 测量体系的核心。

这是一份关于这个指标的实操指南：它是什么、值得记住的基准数字、为什么在不同引擎间碎裂得厉害、怎么算才可信、以及怎么把它做上去。

## 核心要点

- Share of Model（SoM）衡量品牌在 AI 生成回答中出现的频率、显著度与倾向性——Share of Voice 在 AI 时代的继任者。
- 基准线：跨品类平均，品牌在相关 AI 回答中的提及率约 16%；品类头部约 56%。平均与头部之间的 40 个点，就是主战场。
- SoM 在引擎间严重碎裂。INSEAD 研究中，某洗涤品牌在 Meta Llama 上约 24% SoM，在 Gemini 上不足 1%。「在 AI 里可见」是伪命题——可见度只存在于具体模型。
- 可信的 SoM 需要固定提示词集、多引擎采样、重复运行，并对提及/引用/位置/情感逐条打分——而不是随手问三次 ChatGPT。
- 推动 SoM 靠喂养引擎检索和学习的信源：评测、对比、社区、结构化商品数据——与 [GEO](https://www.geoly.ai/zh/blog/aeo-vs-geo) 背后是同一套权威度引擎。

## Share of Model 到底是什么

INSEAD 工作给出的定义：在一组定义好的品类提示词下，品牌出现在 AI 生成回答中的份额，并按显著度和倾向性加权。在「$100 以内最好的无线耳机」这类购买问题上 SoM 为 35%，意味着：对目标引擎采样 100 条回答，你的品牌出现了 35 次。

除了出现次数，三个成分同样重要：

| **成分** | **回答的问题** | **为什么重要** |
| --- | --- | --- |
| 提及率 | 你出现了吗？ | 缺席 = 在决策时刻隐身 |
| 显著度 | 首选推荐还是脚注？ | 助手把答案前置；第 1-2 位吃掉意图 |
| 倾向性 | 被推荐、中立，还是被劝退？ | 负面提及比没有更糟 |

Share of Voice 数的是你自己说了什么加上回声。Share of Model 数的是守门人被咨询时说了什么——一个由模型检索与学习到的一切合成出的判断。这让它更难买到、也更可防守：你买不到一段话里的第一名，只能赢得它背后的信源。

## 基准数字

2026 年公开研究给出的数据：品牌在相关 AI 回答中的平均提及率约 16.3%，品类头部品牌约 56.5%。两个实操读法：

1. 如果你测出来在 16% 附近，说明你只是平均水平——六次购买咨询里有五次，助手推荐的是别人。
2. 平均与头部之间 40 个点的差距，就是增长通道。现在的付费媒体里找不到这样一块无主份额。

而最容易被忽略的是碎裂性发现：品牌可见度是引擎特定的。INSEAD 的例子——同一品牌 Llama 上约 24%、Gemini 上不足 1%——源于各引擎不同的训练语料、检索层与信源偏好。我们在 [ChatGPT、Gemini、Perplexity 的日常追踪](https://www.geoly.ai/zh/llm)里每天看到同样的分裂。任何不分引擎拆开的 SoM 报告，都在隐藏真正的故事。

## 怎么测才可信

![图 1 — Share of Model 测量闭环：固定提示词集 → 多引擎采样 → 逐条打分 → 分引擎 SoM → 周度追踪（GEOly AI）。](https://gslkfhamqhkktynnjqng.supabase.co/storage/v1/object/public/cms-media/share-of-model-fig1-zh.png)

GEOly AI 的方法，压缩版：

1. 先建提示词集。100+ 条还原品类真实购买问题的提示词——best-of、对比、「值不值得买」、场景与约束变体。这是 AI 时代的关键词表；引擎内部如何扩展它们，见[接地查询](https://www.geoly.ai/zh/blog/grounding-queries)。
2. 多引擎、重复采样。同一组提示词打 ChatGPT、Gemini、Perplexity、Google AI Mode。回答是随机的——跑一次是轶事，周度跑才是趋势线。
3. 逐条打分：是否提及、是否引用、位置、情感。存下原始回答，之后你会需要证据。
4. 分引擎、分提示词主题计算 SoM。聚合值恰恰掩盖了你最需要行动的碎裂。
5. 诊断失守。对缺席的提示词，记录在场的是谁、引擎引用了哪些信源——那张引用清单就是下季度的内容与外联计划。

固定提示词集 + 重复多引擎采样，也是这个数字可审计的来源——让 SoM 能和排名、ROAS 一起出现在董事会材料里而不用加星号。

## 怎么把数字做上去

SoM 响应的是信源层，不是单纯的站内修改。按观察到的影响力排序：你所在品类被引擎引用的评测与对比站上的在场与评分；全网一致的实体数据（名称、品类、主张）；值得被引用的原创数据与定义性内容；社区佐证（Reddit、论坛、YouTube）——模型找「真实用户信号」的地方；以及购物类提示词所需的完整结构化商品数据——这套数据层在别处同样决定[代理结账资格](https://www.geoly.ai/zh/blog/meta-muse-geo-insights)。

预期以周到月为单位见效，而非天：检索驱动的引擎（Perplexity、AI Mode）先动，训练数据驱动的可见度慢半拍。这个时滞对先行者是红利——你现在赢下的份额，别人之后很难撬走。

## 常见问题

### Share of Model 和 Share of Voice 有什么不同？

Share of Voice 衡量你（和你的回声）产出的媒体存在感，是输入；Share of Model 衡量 AI 守门人被咨询时的合成判断，更接近结果——它反映你全部声誉的总和是否真的出现在决策时刻。

### 多少条提示词才算可靠？

要以重复采样覆盖品类的购买意图——实践中每引擎 100+ 条、周度运行。低于这个量，方差淹没信号，环比变化全是噪音。

### 我的品牌在一个引擎很高、另一个几乎为零，正常吗？

完全正常——这是常态而非例外。引擎的训练语料和检索信源不同。把每个引擎当作一个独立市场、有自己的竞争格局，按买家实际在哪提问来排优先级。

### Share of Model 能手动算吗？

试点可以：20 条提示词 × 3 个引擎，一个下午的表格就能让你看清问题的形状。但可信、可趋势化的指标需要自动化——[GEOly AI](https://www.geoly.ai/zh/solutions) 持续运行完整闭环（固定提示词集、多引擎采样、提及/引用/情感打分、分引擎 SoM 与失守提示词诊断）。

想要你的基线？[免费跑一次品牌 Share of Model 检测](https://www.geoly.ai/zh/auth/register)——几分钟出结果，分引擎的差异通常是第一个惊喜。方案详情见[价格页](https://www.geoly.ai/zh/pricing)。
