AUTR 效果量化模型

AUTR是澄致GEO提出的评价框架，用于分析企业品牌在生成式人工智能回答中的表现。它包含四个递进维度：Awareness（认知）、Understanding（理解）、Trust（信任）、Recommendation（推荐）。与只给出"好"或"不好"的定性判断不同，AUTR强调每个维度都可度量，并且可以下钻到具体问句和具体引用信源。

认知（A）衡量AI是否识别企业、品牌或产品，品牌名称是否被正确识别；理解（U）衡量AI是否准确理解企业业务、产品特点与应用场景；信任（T）衡量影响AI判断的信息可靠程度，可拆解到具体信源；推荐（R）衡量在用户提出相关需求时，AI是否将企业、产品或服务作为回答内容的一部分。四个维度是递进关系——AI无法识别企业，后续的理解、信任和推荐都无从建立。

可以下钻两层。第一层从维度分拆到具体问句，定位是哪一题表现不佳；第二层从问句拆到该回答引用的具体信源，定位是哪条信息来源导致了这个结果。这样企业得到的不只是分数，还有"为什么是这个分数"和"该从哪里改起"。

因为不同环节的问题需要完全不同的优化动作。AI根本没识别到品牌、识别到了但描述错误、描述正确却不被推荐，这三种情况对应的改法互不相同。如果只有一个总分，企业知道表现不好，却无法判断问题出在哪个环节，也就无法采取针对性动作。

单一占有率指标回答的是"品牌在AI回答中出现得多不多"，是一个结果量。AUTR是一个诊断框架，把结果拆成认知、理解、信任、推荐四个环节，并把每个环节继续追溯到问句和信源。两者不冲突——占有率可以作为观测结果，AUTR用来解释这个结果是怎么形成的、下一步该改什么。