100%
品牌识别率
元引 Primind 是端到端的 AI品牌可见度测量与GEO（生成式引擎优化）投放策略平台。 测真实 LLM，出可信报告，给可执行投放建议 —— 不只测「AI 有没有推荐你」，还测「AI 有没有说你坏话」。
潜在客户正在把「哪家好」「该选谁」直接丢给 AI。如果 AI 的答案里没有你 —— 你就在这一轮决策里消失了，而你自己往往不知道。
LLM 是 evidence-driven 的：只推荐有据可查的品牌。内容没铺进它的信源池，它就不会自然提到你 —— 这不是偶然，是结构性缺口。
AI 的回答是黑盒、动态、每人每次都不一样。你不主动测，就永远不知道它在推荐你、忽略你，还是在顺带说你坏话。
SEO 优化「链接被点击」，GEO 优化「品牌被复述」。后台的 PV / CTR 数据再全，也回答不了「AI 的答案里有没有你的名字、排第几、什么语气」。
从「AI 不识你」到「AI 推荐你」的完整链路。每个能力可单独使用，也可一键编排端到端运行。
按 7 类意图生成 35 条真实用户问题，含「风险质疑」类追问缺点、投诉、事故。
35 条 · 7 类意图逐条问题发到真实 LLM 网页端，记录回答、命中品牌、情绪、排名、结构化引用源。
6 大 LLM · 带 citation算 Visibility Score、竞品分布、引用源画像、高价值零命中清单与负面检测五组指标。
6 大核心指标Hero 指标 + 报忧报喜双卡 + 竞品对比 + 矩阵，看结论、看根因、看优先级。
.md + .html 双输出紧急处理 + 优先渠道 top10 + per-LLM 适配 + 竞品反位 + 零命中攻关。
ROI 定级 + 形态 pill6 阶段 + 5 个确认门，一句话触发全流程，支持断点续跑，每步等你确认。
一句话触发每次测量自动累积到本地知识库，按品牌、跨垂类、跨时间查询趋势与基准。
数据归你所有用爬虫视角看可达性 / 可提取性 / 结构化数据，回答「AI 抓得到、读得懂、认得出你吗」。
6 张表 · 可选前置Visibility Score 的公式完全公开，采样严谨性对标 16 家厂商方法学审计 —— 「没测」绝不伪装成「没问题」。
排名分 = max(0, 1 − (avg_rank − 1) / 9)。rank 未测量（覆盖率 <30%）时该分量不进总分、按剩余权重归一化，不补 0。口径版本 denominator_version 冻结历史，改公式即断趋势。
分开测「AI 知不知道你」和「场景性提问会不会自然想到你」—— 这是两件完全不同的事。
按 query 对位四态（独占 / 领先 / 落后 / 缺席），加 mentions_share 与 citation_share 双口径。
channel 级域名 top15 + article 级高频 URL + per-LLM × per-intent 偏好矩阵，告诉你 AI 到底在引谁。
每条 query 采样 k 次（默认 3）按轮次跑，命中一致率、检索状态、措辞敏感度分开统计，回答「分数稳不稳」。
用户用的是网页端 —— 开着联网搜索、带真实引用来源。API 不带搜索结果，会丢掉 citations 数据，让引用源画像失真。
拿到「东方财富哪篇报告被引了 16 次」这种具体可执行的杠杆点，而不是 API 的一串概率采样文本。
测量结果、分析、知识库全部存在你本地或私有环境，绝不联网上传 —— 合规敏感行业也能放心用。
无重型基础设施依赖，装好即跑、不绑定任何云服务。一次完整测量数十分钟到数小时，支持断点续跑。
Kimi / 豆包 / DeepSeek / 百度文心 / 千问 / 元宝，还支持任意自定义 LLM（含企业私域大模型）。
公式、口径、分母版本全部公开在案。商业工具不会让你看分母，我们连分母版本都冻结 —— 分数经得起对账。
每个能力独立落地就能产生价值；拼起来是一条完整闭环。断点续跑，失败绝不自动重试、绝不编造答案。
元引 Primind 对标国内外同类商业 GEO 平台，把「测量与策略层」做到了更细的颗粒度，并支持私有化部署。
| 检测维度 | 国内同类平台 | 海外同类平台 | 元引 Primind可私有化 · 口径透明 |
|---|---|---|---|
| 品牌识别 / 自然提及率 | ✓ | ✓ | ✓ 识别率 + 提及率分开测 |
| 排名 / 推荐率 | ✓ | ✓ | ✓ 平均排名 + 推荐率 |
| 情绪（提及语气） | ✓ | ✓ | ✓ positive / neutral / negative |
| 竞品对位 / 份额 | ✓ | ✓ | ✓ 四态对位 + 双口径份额 |
| 引用源画像 | ⚠ 域名为主 | ✓ | ✓ 域名 + URL + 偏好矩阵 |
| Share of Voice | ⚠ 单因子 | ⚠ 单因子 | ✓ 三口径 + 四象限缺口率 |
| 负面信源 / 品牌安全 | ⚠ 无结构化 | ✓ brand-safety | ✓ 5 类信源 taxonomy + 风险域名 |
| 幻觉 / 误识别检测 | ⚠ | ✓ misinformation | ✓ 6 类幻觉 + 事实证伪 |
| 抓取健康度自查 | ✗ | ✗ | ✓ 独有 recipe-health |
| 部署方式 | 云端订阅 | 云端订阅 | 云端 + 私有化 · 数据不出本机 |
| 模式 | 商业订阅 | 订阅制 | 订阅 · 支持私有化定制 |
※ 同类平台市场列为公开资料概括；元引 Primind 列为当前产品实测能力。
基于真实测量数据脱敏呈现 —— 品牌名、竞品名、域名与政府机构均已隐去，仅保留不指向具体主体的聚合指标。所有数字、引用源、零命中场景来自 2026-10 六大 LLM（千问 / DeepSeek / Kimi / 豆包 / 百度文心 / 元宝）网页端 193 条实测响应。
6 大 LLM 识别率 100%（30/30 零误识别），自有官网族被全部 6 家引用 317 次、居全站第一。但选型推荐（q012/q013）各 3/6 家缺席、对比评估（q016–q020）全程未带出 —— 同城竞品院校稳定占位。
25 条风险质疑 5 类负面（学费 / 师资 / 管理 / 就业 / 行政处罚）5/5 跨 LLM 复现，含后勤食品安全、卫生许可等行政处罚记录，权威源为属地政府、市场监管与教育主管部门公示 —— 内容方此前无法从后台看到这一层。
「办学资质合格评估年份」这类事实性错误被豆包 / 百度文心 / 元宝三家同时复现，且与实际年份不符 —— 这类 AI 端的错误叙事，不主动测就不会被发现、被放大。
官网族虽被 6/6 LLM 全引，但结构失衡：60% 引用来自风险质疑（模型核查负面时引官网公示）、38% 来自品牌识别；真正的自然提及场景（探索 / 选型 / 对比）全族仅被引 7 次（2%）。不是「没内容」，是「内容没铺进自然提问场景」。
紧急处置行政处罚关联叙事、补齐「本地民办本科性价比 / 计算机类」选型内容、纠偏「办学资质年份」口径、建立对比评估场景锚点 —— 每一处都落到具体渠道与 3 个月可量化目标。
一次完整的品牌测量，从提交信息到拿到报告与投放指南，全程透明、每一步都与你确认。
提供品牌名、行业、垂类、一句话定位与 2–5 个竞品，我们据此生成 35 条真实用户测试问题（含风险质疑类）。
确认待测 LLM 范围与问题清单后，逐条发到真实 LLM 网页端，每条随机间隔防风控，全程有账本可复核。
交付 CEO 诊断报告（看结论）与投放策略报告（看怎么做），自动打开 HTML 可存 PDF，并累积进你的知识库。
# 单次测量产出的完整交付物（本地 / 私有环境）
queries.yaml # 35 条真实用户测试问题（7 类意图）
probe-results-*.yaml # 6 大 LLM 逐条实测结果（含引用源）
analysis-<brand>.md # 机器可读的指标分析
report-<brand>.html # CEO 诊断报告（可存 PDF）
channels-<brand>.html # 投放策略报告（可存 PDF）
# 全部数据留存在你本地，绝不联网上传按品牌方、内容团队、代理与大型集团的不同需求，提供从免费诊断到私有化部署的分层方案。
先跑一次，看看 AI 现在怎么说你。适合首次评估 AI 可见度的品牌方。
适合品牌方、内容团队与营销代理的持续 GEO 运营。
面向大型集团、咨询与合规敏感行业，数据不出内网。
30 天测一次，看趋势、看投放动作有没有起效。分数只是副产品，真正值钱的是「在哪些场景缺席、根因是什么、能从哪救回来」。
预约演示 / 免费试用 →运营主体：湖南品维信息科技有限公司