AMI（AI 品牌心智指数）是什么？

别名与对照 AMI (AI Mindshare Index) · AI 品牌心智指数 · AI Mindshare Index · 心智指数

一个数要解决什么问题

AI 答案推荐率和品牌事实引用率各自都很清楚，但它们是单点的率。品牌方真正想知道的是一件更整体的事：在 AI 的认知里，我现在处在什么位置，比上周好了还是差了。

一堆分散的率回答不了这个问题。AMI 的作用就是把它们收成一个能追踪、能对比的数。

三域：AMI 的构成

AMI 不是把所有问题混在一起算平均。问题先按用户的认知阶段分成三层，各自算心智率，再加权合成。

层	问题长什么样	用户处在哪
L1 品牌域	「XX 家的产品怎么样？」「XX 靠谱吗？」	已经知道你，在查证
L2 品类域	「这个品类哪个牌子好？」「A 和 B 怎么选？」	知道要买什么，在选谁
L3 场景域	「我遇到了某某问题，该怎么办？」	只有需求，还不知道该找哪个品类

分层的意义在于：三层的难度是倒过来的。

品牌域最容易：用户都点名问你了，AI 大概率会说点什么，做到 90% 以上不难，也说明不了什么。场景域最难：用户压根没提品类，AI 要自己判断该推荐什么方向、再推荐谁。但恰恰是场景域的问题量最大，也是增量客户的来源。

一个只有品牌域高分的品牌，AMI 会诚实地把它压下去。这是分层的全部意义：不让容易的那部分掩盖真正的差距。

这三层不是为了这个指数临时发明的。我们的行业指南里，每个细分行业都按同样的 L1 / L2 / L3 结构整理了真实问题集，压测种子直接从那里来。

怎么测

匿名环境下批量提问，统计品牌在回答中被提及的比例，分层汇总后加权。要点和AI 答案推荐率的测法一致：

• 问题集固定：基线定下来之后不再改，改了就没法比
• 匿名：不带任何身份信息提问，避免个性化污染结果
• 多引擎：中文与海外主流平台都覆盖，单一平台的波动不代表大盘
• 周期一致：每轮条件相同，看的是趋势不是单次快照

老实说它的边界

AMI 是我们提出并在用的指数，不是行业标准，也不该被当成权威分数。它的价值在于口径一致、可复核、能追踪，不在于数字本身好看。

同样地，跨品类比 AMI 没有意义。不同品类的问题集难度差得很远，两个不同行业的品牌拿 AMI 数值直接比大小，比出来的是品类差异，不是品牌差距。

相关词条：AI 答案推荐率与品牌事实引用率 · 什么是 AI 答案可见性 · 什么是 A2A Marketing

AMI 和 AI 答案推荐率、品牌事实引用率是什么关系？

推荐率和引用率是原始的率类指标，回答「AI 提不提你」「AI 引不引用你的内容」。AMI 是建立在它们之上的复合指数：把问题集拆成品牌域、品类域、场景域三层，分别算心智率，再按权重合成一个数。率类指标看单点，AMI 看整体位置。

为什么要分三域，直接看一个总体推荐率不行吗？

因为三层的难度和价值完全不同。品牌域（用户直接问你的名字）几乎人人都能做到高分，做到 95% 说明不了什么；场景域（用户只描述需求、还不知道该找哪个品类）才是增量所在，也是最难的。混成一个总数，会让容易的那部分掩盖掉真正的差距。

AMI 多少分算好？

跟推荐率一样，没有普适基准。品类竞争度、问题集口径、市场成熟度都会影响绝对值。有意义的用法是先建基线，再看自己每周的变化趋势，以及同一问题集下与同行的相对位置。任何承诺「保证做到多少分」的说法都不成立。

这个指数是行业标准吗？

不是。AMI 是 Daimonia 提出并使用的内部指数，不是行业公认标准。我们公开它的构成方式和测法，是为了让客户知道数字怎么来的、能不能复核，而不是让它显得权威。