一句话结论：与其统计被提到多少次，不如先量出品牌能覆盖多少种问句形态，前者容易被单条内容放大，后者才反映真实覆盖能力。
一、答案覆盖半径的定义
答案覆盖半径是指一个品牌在预先设定的问句集合中，能够被稳定提及的问句所占比例，以及这些问句在意图类型上的分布广度。
它包含两个维度：深度指同一类问句里被提及的比例，广度指覆盖了几种意图类型，例如了解型、比较型、选型型、问题排查型。
两项一起看才有意义。只在了解型问句里被提及，深度再高也说明不了选型阶段的表现。
二、和「被提及次数」的区别
被提及次数统计的是一段时间内的出现频次，容易被单条高传播内容拉高，也容易受平台采样波动影响。
覆盖半径统计的是问句集合的结构性覆盖，问题集不变的情况下，结果可比性更强。
实际使用中，频次适合观察短期波动，半径适合判断内容结构是否需要调整。
三、第一步：定义问句集
第一步是建立固定问句集，建议六十条起，按四类意图均分：了解型、比较型、选型型、问题排查型。
每条问句要写成真实用户的说法，带条件最好，例如带预算区间、带使用场景、带限制条件。
问句集一旦确定就不要频繁改动，否则前后无法比较。需要扩充时单独记录新增批次。
四、第二步：固定平台与提问方式
第二步是固定平台清单与提问方式。平台至少覆盖三个常用大模型入口，提问时不加引导语、不加品牌名。
同一问句在每个平台各问一次，记录是否被提及、出现在第几段、是否标注来源。
记录格式建议用表：问句编号、平台、是否提及、段落位置、来源标注、日期。
五、第三步：计算两个比率
第三步是计算深度与广度。深度等于被提及问句数除以该意图类型问句总数。广度等于有提及的意图类型数除以四。
计算时要把「提及但信息错误」单独计为一类，不能算作有效覆盖，否则会高估。
如果某个意图类型深度为零，说明该类问句完全没有对应内容，这是最值得优先补的缺口。
六、第四步：按缺口定优先级
第四步是按缺口排优先级。判断顺序是先补结构性缺口，再优化已有覆盖。
结构性缺口指某个意图类型整体缺失。局部优化指某条问句没被提及但同类其他问句有提及。
把资源投在结构性缺口上，通常一轮就能看到半径扩大；投在局部优化上，收益有限。
七、扩大半径的三种手段
第一种是补意图类型，针对完全缺失的那一类问句建立一组内容，这是见效最快的方式。
第二种是补条件维度，同一意图下增加带限制条件的问句，例如带预算、带规模、带部署方式，让内容能回答更具体的提问。
第三种是补实体关联，把产品、型号、场景、配件之间的关系写清楚，让模型能把一个问句关联到正确的实体上。
三种手段对应不同的投入，第一种最少，第三种最难但最稳。
八、半径与内容数量的关系
半径不会随内容数量线性增长。达到一定程度后，新增内容主要增加同义重复，边际收益迅速下降。
判断是否进入低效区的信号是：新增内容发布后，被提及的新问句编号数量很少。
此时应转向结构优化，例如把已有的长段落拆成可独立成立的短回答，让同一批内容覆盖更多问句形态。
九、样本规模与可信度
问句集小于四十条时，单条结果波动会明显影响比率，不适合做月度对比。
六十到一百条是比较实用的区间，既能反映结构，又不至于复测成本过高。
如果确实需要缩小样本，应保证每类意图的问句数量相同，否则广度指标会被某一类拉偏。
十、不要把半径当成唯一指标
半径只说明覆盖，不说明准确与说服力。半径扩大但答案描述错误，是负面结果。
因此完整判断需要三项合看：半径说明覆盖结构，准确度说明信息质量，位置说明在答案中的权重。
三项都稳定改善，才说明内容策略真正生效。
深圳项目中，万域智瞰把这三项按周记在同一张表里，避免分开看时互相掩盖。
七、深圳品牌常见的口径错误
第一种错误是把品牌名写进提问。带品牌名的问句本质上是查证，不是发现，不能用来衡量覆盖。
第二种错误是只用一个平台。不同平台的索引来源不同，单平台结果不能代表整体。
第三种错误是统计时把竞品提及算作自己。记录需要逐条核对主体。
第四种错误是每次换一批问句，导致历史数据不可比。
八、半径扩大之后看什么
半径扩大只说明内容被更多问句命中，不说明命中质量。下一步要看的是答案里的描述是否准确、是否包含自己希望被引用的定义句。
如果半径扩大但描述错误，说明内容被使用了但表述不清，需要回头改结构而不是继续加量。
最终要落到业务指标上，观察咨询来源与问句类型的对应关系。
九、常见问题
问：问句集要多少条才够用？
答：六十条是可用的起点，覆盖四类意图各十五条。样本太少时单条波动会掩盖趋势。
问：多久复测一次？
答：两周一次。平台索引更新有滞后，太频繁会看到噪声。
问：没有预算做多平台怎么办？
答：至少保留两个平台，一个主用一个对照，单一平台无法区分内容问题与平台问题。