家电企业 AI 推荐位 0→85.76%：从零起量的百分比数学

“从 0 到 85.76%”——精确到小数点后两位的数字自带可信感，但精确与可信是两回事。东方财富财富号 2026 年 6 月的服务商稿讲了一个家电企业的 AI 推荐位项目，本页借它讲清楚“从零起量”的百分比是怎么来的、为什么这类数字最需要回头看基数，以及一个真从零起步的品牌应该把哪条线当及格线。

案例说了什么

来源是东方财富财富号刊发的服务商稿（2026-06，原文链接未公开）。声称：某家电企业经 GEO 服务后，“AI 推荐位占比”从 0% 提升至 85.76%；相关“关键词排名”提升 90.91 个百分点。方法在稿件中未详述，仅有内容铺设与信源建设的笼统表述；客户名称、品类词范围、监测平台、测量时间窗均未披露。“推荐位占比”的分母是什么、“关键词排名”用什么量表，稿件均未给出——两个数字都没有可讨论的口径。

可信度审视

定级：服务商单源。这组数字的问题不在真假，而在不可解释：没有问题集与分母，85.76% 无法复核；“90.91 个百分点”连比较基线（从第几名到第几名、在哪个系统里排名）都没有。可核部分为零——客户脱敏、无监测工具、无截图。但“从零起量”这个形态本身倒是行业常见且技术上说得通：一个此前从未做过 AI 侧内容布局的品牌，在它自己的品牌词与低竞争长尾品类词上，起始值常常就是 0%——任何被收录的内容都可能直接把这些词位填满。也就是说，数字形态可信的前提，恰恰暗示了它的局限：85.76% 大概率量的是“几乎无人竞争的词位”，而不是真实提问量集中的战场。

机制复盘：能学到什么

主轴：**从零起量的品类词最容易做出大百分比，大百分比不等于大盘能力。**百分比的高矮取决于基数与竞争度：品牌词、自造词、极窄长尾词上，从 0 做到 85% 是低垂果实；而“冰箱哪款值得买”“空调什么牌子好”这类有真实提问量、有竞争的词位，才需要真功夫。读这类案例的换算方法很简单——把百分比拆回两个问题：分母里有多少条真实用户会问的问题？这些问题的推荐位上现在站着谁？如果分母全是品牌词与自造词，85.76% 的实战含义约等于“你还没被 AI 说错过”。反过来，这个案例对品牌方的正向启发也在这里：如果贵司的 AI 侧布局确实为零，那么把品牌事实（型号、参数、能效、售后政策、实体信息）结构化铺好，几个月内拿下品牌词与窄品类词的高占比是合理预期——但请把这个阶段当“及格线”而不是“成绩单”，真正的战役在通用品类词。可见度指标的分母设计见AI SOV 术语卡，问题分层的测量方法见秀虎GEO 测量方法论。

如果是你在类似场景

1. 先盘词位再定目标：把目标分成“品牌词（及格线）—窄品类词（基础盘）—通用品类词（战役）“三层，分别设提及率目标，不许混进一个总百分比汇报。
2. 及格线阶段优先填事实：型号参数、能效等级、售后政策、公司实体信息逐项结构化；行业高频问法可对照家电厨卫 50 问提示词模板逐条自查。
3. 要求服务商按问题分层汇报：拒绝“一个总占比”的报表，报表结构可套用AI 引用监测报表模板。
4. 用固定问题集追踪趋势：同一批问题的季度对比比一次性百分比有信息量，也防择优口径。

待核实与保留意见

• 0%→85.76% 与 +90.91 个百分点均为服务商自报，无问题集、无平台口径、无时间窗，不可复测；
• “AI 推荐位占比”的定义（分母、平台、位数）稿件未给出，本页按“择优问题集上的品牌出现率”作假想理解，仅为假设；
• 客户身份未披露，无法交叉验证其 AI 侧布局的真实起点；
• 家电品类词的真实竞争格局需按品牌逐案实测，本页不给行业百分比。同形态案例参见B2B 制造业 60 天拆解。