為什麼樣本數是最重要的那個數字

測量能見度是在做民調，不是在排名次

因為 AI 的答案是機率性的，衡量能見度比較像做民調，而不像查排名。向引擎問一次，你得到的是一則軼事。跨不同模型與條件問上許多次，你得到的才是一個估計值——而它的誤差範圍，會隨著提問次數增加而縮小。樣本數 n，正是告訴你手上握的是這兩者中的哪一個。

我們為什麼把它寫成 θ

我們把能見度寫成 θ（theta）——這是統計學家用來表示『你正在估計的機率』的符號，而非你查得到的既定事實。這樣寫是一個長久的提醒：誠實的對象是『一則回答提及你的估計機率』，而且絕不該在沒有支撐它的 n 之下被報告出來。

失效模式：小樣本卻信心滿滿

一個在五則答案中被提及四次的品牌，看起來像是 80% 的明星——直到你發現接下來五次取樣只落在 40%，那條『趨勢』其實從頭到尾都只是雜訊。小樣本會劇烈擺盪；解方不是更花俏的圖表，而是更多資料，以及在資料稀薄時，願意誠實地把誤差範圍畫寬的紀律。

樣本數能防止刻意挑選有利數據

只要有夠多精挑細選的小型提示詞組，幾乎任何故事都能被講出來。一個公開、穩定、規模合理夠大的樣本，會讓這件事困難得多——分母正是那道誠實的約束，讓測量不至於淪為行銷操作。當你讀到任何 AI 能見度的說法，第一個該問的不是『有多高？』，而是『從多少個裡面算出來的？』