让每一次判断，
有据可查。

一、排序依据：成对击败率

榜单名次不是由综合分排出来的，而是由成对击败率排出来的：

• A 对 B 的击败率 = 100 × (A 被提及而 B 未被提及的回答数) ÷ (至少一方被提及的回答数)
• 分母为 0（双方都没出现）时记 null，不记 0。
• 某实体的名次依据是它对其余每一个实体的击败率的平均值。

为什么不用绝对分：成对比较在同一条回答内部完成配对， 让两家企业面对相同回答条件；题库、模型和时间窗的选择仍会影响结论，不能据此宣称消除了系统性偏差。

二、综合分（ARS）只用于展示

综合分按下列权重加权合成，仅用于展示与趋势追踪，不参与名次判定：

• mentionRate 35%
• rankScore 30%
• top1Rate 10%
• soV 10%
• stability 10%
• sentiment 5%

权重是先验设定、公开、可被榜单配置覆盖，但不做数据拟合。 拟合出来的权重会被合理质疑成"为某个品牌调参"。

三、不确定性怎么处理

• 置信区间：对回答做有放回重采样（Bootstrap），得到击败率的 95% 置信区间。
• 并列带：置信区间重叠的名次合并报告为区间（如"第 5–8 名"），不得宣称彼此优劣。
• 小样本惩罚（CAV）：衡量"被提及的比例"时使用 Jeffreys 后验下界， 样本越小报得越低。3 次采样全都提到，下界也只有 55.6%，而不是 100%。
• 改写轴：同一意图下用多种措辞提问，稳定性按意图分组统计， 把"换个说法答案就变"的不确定性算进去。
• 显著性水平 α = 0.05，最小可发布样本量 N = 5。 样本量不足时，页面会明确标注"不得对外发布"。

四、空值与失败的处理

• 未被提及记 0——确实零次提及，不是数据缺失。
• 采样失败的回答被剔除出分母，绝不算作品牌缺席。 把"请求失败"和"AI 没提到"混为一谈会直接毁掉排名。
• 分母为 0 记 null，不记 0：没测过不等于表现差。
• 未被提及时情感分记 0，不能把"中性"映射成 0.5 白送分。
• 免责声明段落里的品牌名被剔除，那不是推荐。

五、为什么只统计"要求推荐"类问题

实测发现一个必须处理的现象：AI 在"哪家好 / 哪个好"这类问题上会给出机构名单， 而在"怎么办 / 有没有必要 / 找哪家"这类问题上，常常一条机构名都不给 （实测 25 条回答里 18 条零提及，且零提及全部集中在后者）。

如果两类问题混在同一个分母里，"AI 在这个问题上根本不推荐任何人"会被误算成 "这些机构认知度低"——这是一个会直接歪曲结论的错误。

• 进入排名的：问题本身要求推荐或对比（标注 purpose: ranking）。
• 不进入排名的：问题是在问方法论或判断标准（purpose: behavior）。 它们单独记录 AI 的行为——"AI 在这类问题上拒绝点名"本身就是结论。
• 同一批数据，用全部问题算出来的提及率会显著低于只用推荐类问题算出来的， 页面上标注的是后者，并注明样本量。

六、可复算性

• 每个榜单标注方法论版本与指纹。权重、归一化锚点、空值策略、显著性水平 任一变动，指纹即变，历史榜单不会与新榜单混为一谈。
• 当前版本：0.2.1，指纹 见各榜单页。
• 所有随机过程使用固定种子（mulberry32），同输入必然同输出； 引擎中禁用 Math.random()。
• 原始回答全量存档，带通道、模型版本、地域、语言、时间戳与采样参数。

七、已知局限

• 解析器是规则式的。能识别编号列表、Markdown 表格、项目符号、中英混排与繁简写法； 对纯段落叙述，会标记为"低顺序置信度"，因为那种写法里"先提到"不等于"更推荐"。
• 引用信源归因尚未实现。当前只统计"提到了哪个实体"，还统计不了"引用了谁的话"。
• 幻觉判定依赖人工标注。每个实体需要一份事实基准才能自动判定 AI 是否说错。
• 分组视图样本量较小，分通道/分地域对比用 ARS 排序，仅作观察参考，不参与名次判定。

八、我们不做什么

• 不售卖名次、上榜、置顶，也不接受任何形式的"合作费换入选"。
• 不对机构作主观评价：页面上的每条判断都限定为"AI 在某个问题上如此回答"。
• 不承诺任何排名变化。诊断与修复服务只做信息补齐与口径统一。