模型份额
模型份额（Share of Model，SoM）是指某家公司在一个或多个大语言模型（LLM）中获得的品牌提及，占同一品类全部品牌提及的比例。它量化了当用户提出与该品类相关的问题时，AI 平台推荐某个品牌的频率和正面程度。
模型份额（Share of Model，SoM）是指某家公司在一个或多个大语言模型（LLM）中获得的品牌提及，占同一品类全部品牌提及的比例。它量化了当用户提出与该品类相关的问题时，AI 平台推荐某个品牌的频率和正面程度。
为什么重要
截至 2026 年，仅 ChatGPT 一家就拥有 8.15 亿月活跃用户，并占据 60.7% 的 AI 搜索市场。AI 回答通常只提及一到三个品牌，而不是展示十条蓝色链接。如果你的品牌不在其中，那么对于一个快速增长的受众群体来说，你就是隐形的。行业基准表明，品类领导者需要在关键提示词上拿下 35% 到 40% 的 SoM，才能维持榜首位置。
模型份额 vs 声量份额
| 指标 | 声量份额（SoV） | 搜索份额 | 模型份额（SoM） |
|---|---|---|---|
| 衡量内容 | 广告与媒体曝光 | 品牌相关搜索查询量 | AI 回答中的品牌提及 |
| 关键问题 | "我们的品牌声量有多大？" | "人们搜索我们的频率有多高？" | "AI 推荐我们的频率有多高？" |
| 数据来源 | 广告平台、媒体监测 | Google Trends、Search Console | LLM 回答的采集与分析 |
如何衡量
- 设计查询：选出 20 到 50 个代表你所在品类的高意图问题。
- 跨模型测试：向 ChatGPT、Claude、Gemini 和 Perplexity 提交相同的查询。将温度设为 0 以保证一致性。
- 统计提及：记录每条回答中出现了哪些品牌，并标注频率、位置和情感倾向。
- 计算份额：
(你的品牌提及数 ÷ 品类总提及数) × 100。 - 按季度追踪：LLM 的训练数据和算法频繁变化，至少每季度衡量一次。
可用于自动化追踪的工具包括 Profound、Conductor、Semrush 以及 HubSpot 的 AEO Grader。
跨模型差异
品牌可见性在不同 LLM 之间可能差异巨大。Ariel 在 Meta 的 Llama 上占据近 24% 的提及，但在 Google 的 Gemini 上不足 1%；而 Chanteclair 在 Perplexity 上占据 19%，在 Llama 上却完全消失。单一模型的衡量是不够的，务必跨多个平台追踪。
提升你的模型份额
- 发布权威内容：深入、富含 E-E-A-T 的内容能在 LLM 训练数据中把你的品牌定位为品类权威。
- 为引用而优化：纳入统计数据、研究结论和专家引语，让 AI 系统把你的内容作为来源加以引用。
- 扩大在可信平台上的存在：Wikipedia、学术论文和行业报告在 LLM 训练中占有很高的权重。
- 提供 llms.txt：用结构化的 llms.txt 文件帮助 AI 爬虫高效解析你的网站内容。
Sources: