为什么样本量是最重要的那个数字

测量可见度是民调，不是查排名

由于 AI 回答是概率性的，测量可见度更像民意调查、而非查一个排名。向引擎问一次问题，你得到的只是一桩个例。多次询问，跨模型、跨条件，你得到的是一个估计——其误差范围随询问次数增多而收窄。样本量 n，正是告诉你手里拿的是这两者中的哪一个。

为什么我们把它写作 θ

我们把可见度写作 θ（theta）——统计学家用来表示「你正在估计的概率」、而非「你已查到的事实」的记号。这样写是一个长久的提醒：诚实的对象是「一个回答提及你的估计概率」，报告它时，永远都要带上支撑它的那个 n。

失败模式：小样本的自信

一个在五个回答里被提及四次的品牌，看起来像个 80% 的明星——直到你注意到接下来的五次采样落在 40%，而那个「趋势」自始至终都是噪音。小样本剧烈摆动；解药不是更聪明的图表，而是更多的数据，以及在数据稀薄时诚实地把误差棒放宽的纪律。

样本量防的是挑樱桃

有足够多的、小而精挑细选的提示词集，几乎任何故事都能讲出来。一个公开的、稳定的、合理大的样本，让这件事难得多——分母，是那个让「测量」不至于沦为「营销活动」的诚实约束。当你读到任何 AI 可见度的说法，第一个问题不是「多高？」，而是「几分之几？」