Scrunch 称客户 Akamai 品牌呈现提升 364%：未获独立证实的单方口径

Scrunch AI 传播最广的效果数字是：客户 Akamai 的品牌呈现提升 364%。本卡的第一个任务是把性质标注清楚：这是服务商单方口径，未获任何独立第三方证实——没有公开的复测，统计的引擎范围、提问集、基线时段与计算方法都未完整公开，且该表述与 Scrunch 公开产品资料的定位存在错位处。本站将此数字记为存疑待证，它在本库的作用是「存疑数字的读法教具」，而非可用刻度。厂商的产品逻辑见Scrunch AI 工具卡。

未获独立证实：先把性质钉死

「未获独立证实」不是「假」，而是「无法验真」。这组数字的分子（品牌呈现怎么算：提及次数、引用次数还是呈现位次）与分母（统计了哪些引擎、多少条提问、基线取自哪个月）全部由厂商掌握，第三方既没拿到口径，也没拿到数据，自然无从复测。同类单源案例里，至少还有厂商页面可指的出处，例如见Conductor 案例数字数据卡；本卡连可指的原始案例页都未公开定位，证据档位更低一档，因此 evidence 记为存疑待证而非服务商单源的常规档。

还有一层结构性的疑点值得记录：这个案例在流传中常被归到 AI 搜索优化的效果叙事里，而 Scrunch 公开产品资料的重心是给智能体渲染页面的站点改造——案例口径与产品口径之间的对应关系，公开材料没有交代清楚。归因链条含糊的效果数字，引用时的折扣还要再打一层。

「品牌呈现提升」的分母在哪

假设口径完整公开，这个数字仍然不可比。「品牌呈现提升」是一族可能指标的统称——品牌在目标提问集里的提及率、引用率、位次加权呈现，每一种算法给出的数字都不同；而 364% 这类高倍数增幅，几乎必然出现在低基线上：从很小的呈现占比起步，翻几倍在算术上并不困难。没有基线绝对值的倍数，信息量接近于零——这是所有「提升百分之几百」类数字的第一读法。

第二读法是对照系缺失：Akamai 所在行业的提问集上，同期不做改造的对照站点表现如何？没有对照，就无法区分「改造带来了提升」与「行业大盘整体上移」。本站在处理一切厂商效果数字时都做同样的两问——基线在哪、对照在哪——两问答不上，数字就只能当方向传闻。

存疑数字的三问验收法

把这条数字当成练习，给读者一套验收厂商案例的固定动作。一问基线：什么时候、什么口径、多高的起点——答不出的直接降档。二问范围：统计了哪些引擎、哪些提问、有没有择优——范围含糊的按营销话术处理。三问分布：同一周期其他客户的分布如何、有没有不成功的案例——只给单点不给分布的，视作右尾样本。三问的通用纪律与监测口径验收同源，展开见监测指标体系实操。验收之后还有一步：把结论记下来。本库对存疑数字的处理是建立口径档案——证据档位、缺什么口径、何时复核过，都写进卡片；存疑不等于丢弃，标注清楚的存疑数字比没标注的干净数字更安全。

同类单方口径的数字在本库还有一条更极端的样本——连流传出处都无法定位的 90 天引用率案例，见90 天引用率数据卡。把两条放在一起看，可以建立对「效果数字证据梯度」的手感：有出处有方法的研究、有出处无方法的案例、无出处无方法的传说，三种东西在采购桌上长一个样，证据价值天差地别。

它对采购谈判的正确用法

如果 Scrunch 的销售把这条数字摆进提案，正确的应对不是反驳 364% 的真伪，而是要求「你们口径下的我们」：用厂商的提问集、厂商的基线定义，先实测你的站点当前的呈现水平，合同里的效果条款以这轮实测为基线来写。这样做之后，厂商案例的作用从「证明它有效」变成「定义测什么」——数字的营销属性不再构成风险。案例页与白皮书两类材料在被引形态上的差异，见案例页与白皮书对比卡；「品牌呈现」对应的指标族及其分母陷阱，见AI SOV 术语卡。对一切「做了 X 就涨百分之几百」的表述，本站的立场始终一致：方向可以听，刻度自己测。