AI品牌发展指数 · 上市银行篇

42 家 | 5 个国内主流大模型 | 26,346 份有效回答 | 采集期 2026-11-09 至 2026-11-17
V1.8 看板
2026 年第四季度 2026 年 11 月
机构类型 梯队
AIBV 指数均值
51.06
中位数 50.22 · 区间 44.32–64.03
首位
招商银行
64.03 分 · 引领者 · 第 1 名
梯队分布
2 / 20 / 20 / 0
引领者 / 领先者 / 进阶者 / 追赶者
监测样本
27,167
条回答 · 有效 26,346 条(97.0%)
引用规模
392,153
条引用 · 5 个平台
最高维度
认知覆盖 73.4
下限维度 答案份额 20.5
五维落差
52.9
认知覆盖 减 答案份额,认知与推荐之间的缺口
四象限分布
5 / 16
推荐先行型 16 · 认知蓄势型 16 · 综合领航型 5 · 基础建设型 5
01

指数分布形态

随全局筛选变化
横轴为 AIBV 得分,纵轴为家数。金色虚线为梯队分界线(引领者 60 / 领先者 50 / 进阶者 40)。 分布越窄,说明行业整体越接近;越宽,说明头部与尾部的差距越大。
02

五个维度的得分分布

箱线:中位数 / 四分位 / 区间
左边是 42 家在这一维度上的得分分布,右边的数字是均值。箱体越短说明行业在这一维度上越同质; 金色点是均值。答案份额与引用信源的箱体明显靠左,是全样本的共同短板。
03

梯队 × 象限的结构分布

颜色越深家数越多
梯队回答「分数在哪个段位」,象限回答「靠什么拿到的分数」。 两者交叉能看出:同一梯队里,是靠被理解还是靠被推荐站住的位置。
04

综合指数总榜

点击表头可排序,点击任一行进入该行透视。总分列内嵌数据条:长度表示该行在 44.32–64.03 这一全样本区间中的位置(两端各留 2 分),条色对应梯队, 条上的白色细线为全样本均值 51.06 所在位置;分数低于均值的数字转为灰色。 名次前三为奖牌标记,表尾均值行随筛选与排序实时变化。
# 银行 类型 AIBV 认知
覆盖
信息
准确
评价
倾向
答案
份额
引用
信源
梯队 象限
05

单家五维透视

深色为本行五维得分,浅蓝为全样本均值,灰色为同类型均值。 雷达坐标域取 20–90 分,用于拉开相邻差异。右侧表格给出与两个参照系的差。

五维与参照系对比右侧为与全样本均值的差

三张坐标里的位置指数 / 规模 / 资产质量

同一个名次在三种排序下差别越大,说明越不是「靠体量」站住的位置
06

十一项二级指标

低于全样本均值显示金色
一级维度看方向,二级指标看具体差在哪一格。这张表决定了接下来该改什么。
07

五维排行

切换维度查看前 12 名
08

十一项二级指标热力图

行为银行,列为指标,末列为五维均值
按总榜名次排列。悬停查看具体分数与该指标的全样本均值。 整列偏浅说明全行业在这一项上都弱 —— 那通常是行业级的机会,不是单家的短板。
09

十一项指标的分布形态

每个点是一家银行,金色竖线为均值
点越分散说明这一项上各家差距大,改造空间也大;点挤在一起说明已经趋同。
10

五个维度之间的相关

Spearman 秩相关,n=42
红为正相关、蓝为负相关,颜色越深相关性越强。 这张表回答一个很实际的问题:把认知覆盖做上去,会不会顺带把答案份额也带上去。
11

五个平台的表现差异

同一题库、同一采集窗口
各平台在同一批问题上的维度得分,用于判断一家银行的信息供给是否被某个平台特别放大或压制。
12

平台间的极差

极差=最高平台减最低平台。数值越大,说明该维度越依赖平台的取材偏好,越不受银行自身控制。
13

平台 × 机构类型

认知覆盖得分
横看是同一类型在各平台的表现,竖看是同一平台对各类型的偏好。
14

各平台的事实判定结构

按判定要素计
同样问一批问题,不同平台「说对/说一半/没说/说错」的比例并不一样。 这决定了同一家银行换一个平台问,得到的答案质量会有多大波动。
15

点名问 vs 旁敲侧击

左侧点名题,右侧不给名称
旁敲侧击题不给银行名称,只描述业务特征。两列之间的距离,就是「认得名字」与「认得出业务」的差距。

二级指标对照

灰点为点名题得分,彩色点为旁敲侧击题得分

数值明细

差值正数表示旁敲侧击更高
16

普通用户 vs 投资人

同一批问题的两种提问身份
同一家银行,以投资人身份提问时模型的表述会变化。差距集中在哪些指标上,值得单独看。

二级指标对照

灰点为普通用户视角,彩色点为投资人视角

数值明细

差值正数表示投资人视角更高
17

提问模式与回答长度

单条回答的平均得分
同一批题,用普通对话还是专业 Agent 问、回答长短不同,得分会有系统性差异。 这解释了为什么「同一个模型,别人问出来和你问出来不一样」。
18

事实判定构成

按判定要素计
每一条被判断的事实,归入准确、部分准确、缺失、错误四类。 这个构成决定了事实治理该往哪个方向使劲。

构成占比

    关键数字

    占比按判定要素总数计
    19

    错误形态分布

    仅统计判为错误的要素
    数据类错误(数字、报告期、口径)远多于事实归属类错误。 这意味着纠错的性价比低于把数据源结构化。
    20

    情感极性与负面强度

    按回答条数计
    极性看方向,强度看程度。两条负面回答,一条说「有争议」、一条说「存在重大风险」, 对品牌的影响并不相同。

    情感极性

    六档净倾向

    负面评价强度

    仅对含负面表述的回答分级
    21

    主体身份识别

    按题型拆开的单条均分
    「直接问这家银行是谁」与「只描述业务让人猜」是两件难度完全不同的事。 这两项的落差,是全样本里最大的一处。

    全样本五项均分

    0–100 分,悬停查看标准差与样本量

    按机构类型拆分

    身份识别 / 主体关系 / 事实准确
    分类型看,身份识别的好差并不跟规模同向, 与总榜名次的排序也不一致 —— 这说明它测的是另一件事。
    22

    按描述认银行:问题最集中的几家

    旁敲侧击均分升序
    题目只给业务特征、不给名称,模型需要自己判断在说谁。 下表是按这一题型得分最低的十家,以及在几道题上认错了主体。
    23

    信源生态

    按 URL 域名归类
    模型讲述一家银行时,引用从哪里来,决定了这套说法是否容易被银行自己改写。

    引用来源构成

    占比按引用条数计

    各来源的高频域名

    条数
    24

    官方信源与事实准确

    按模型引用内容中官方源占比分档
    左图按「引用内容里官方源占多少」分五档,看事实准确均分怎么走; 右图把范围收窄到同一家银行内部,比较有官网引用与无官网引用两种情形的得分差。

    官方源占比分档

    纵轴为事实准确均分,自 74 分起、非 0 起;悬停查看样本量与主体错配率

    行内对照:有无本行官网引用

    两柱为全样本汇总均值,纵轴自 70 分起

    对照组:引用中软源占比分档

    软源指自媒体与内容聚合类来源
    25

    原文对照:同一指标的两种回答

    取自原始回答,未做改写
    每一项指标取一条高分回答与一条低分回答并列,用于判断分数差异究竟发生在哪里。
    26

    认知厚度 × 推荐强度 四象限

    横轴 H = 认知覆盖×0.5 + 信息准确×0.3 + 引用信源×0.2,衡量模型是否真正理解这家银行; 纵轴 R 取答案份额,衡量模型是否愿意把它写进推荐名单。分界线为两项各自的中位数。
    27

    四类机构对比

    上表为类型均值;下方为各类型内部逐家分布,用于判断类型是不是决定因素。
    28

    规模、资产质量与指数

    两张散点图回答同一个问题:分数由规模决定,还是由自身经营决定。悬停查看具体数值。

    总资产 × AIBV

    总资产取 2026 年三季度末,单位万亿元

    不良贷款率 × AIBV

    不良率越低越好
    29

    按规模与按质量分档

    档内 AIBV 均值
    把 42 家切成五档看均值走势。规模分档从 48.4 分单调升到 58.4 分, 跨过 10 万亿是主要断点。不良率分档不单调:最高的一档是 1.20—1.35%(54.5 分), 最低的是 1.35—1.55%(45.9 分),两端并不按不良率高低排列 —— 档内样本只有 4 至 10 家,波动大于趋势。

    按总资产分档

    按不良率分档

    30

    名次偏离:规模名次与指数名次

    取偏离最大的 14 家
    灰点是按总资产排的名次,彩点是按 AIBV 排的名次,横轴 1 为最靠前。 彩点在灰点左侧且标红的,是「小体量、大声量」;在右侧标绿的,是体量远大于声量。 这张图是「规模不等于位势」最直接的证据。
    规模名次 指数名次更靠前 指数名次更落后 右侧数字为指数名次减规模名次
    31

    相关矩阵:经营指标 × 五个维度

    Spearman 秩相关
    红为正、蓝为负。规模与答案份额同向、与评价倾向几乎无关; 资产质量与评价倾向同向。这些方向决定了该拿什么去换分数。
    32

    十一项二级指标与规模的关系

    整体与组内秩相关
    整体相关可能被类型差异放大。拆到组内再看一次,能分清是「规模效应」还是「类型效应」。

    二级指标 × 总资产

    左列为全部 42 家,右三列为类型内部

    各类型内部:规模与 AIBV

    同类型内部规模跨度与相关强度
    33

    规模与质量能解释多少

    线性回归 R²
    以 AIBV 为因变量,逐组加入解释变量。R² 从仅规模的 0.374 升到三组齐上的 0.592, 剩下约 41% 落在规模、资产质量与增长之外 —— 那部分才是品牌与内容可以争取的空间。
    34

    答案份额明细

    10 道共用推荐题
    #银行提及份额 推荐位次被提及 / 样本提及率
    35

    共用推荐题清单

    全行业共用、不含任何银行名
    答案份额的分母就来自这十道题。题目本身决定了「谁会被想到」。
    36

    结论与洞察

    1. 位势已经分层,但规模画不出名次

    首位 招商银行 64.03 分,末位 兰州银行 44.32 分,均值 51.06 分,42 家中有 17 家高于均值。类型均值最高为国有大行(57.0 分)、最低为城商行(49.8 分),但同类型内部的分差普遍大于类型之间的差距。规模名次与指数名次的绝对偏离中位数为 7 位,偏离最大的一家相差 26 位 —— 段位由自己做的事决定,不由资产表决定。

    2. 最大的缺口不在「被认识」,在「被推荐」

    五个维度里认知覆盖均值最高(73.4 分),答案份额最低(20.5 分),两者相差 52.9 分。模型普遍说得出这些银行是谁、做什么,但在用户不点名时愿意写进推荐名单的比例很低。这不是曝光问题,是场景化、可被引用的内容缺位。

    3. 平台之间不是同一把尺子

    认知覆盖在DeepSeek最高(79.8 分)、通义千问最低(67.3 分),极差 12.5 分;评价倾向的平台极差只有 10.0 分,引用信源则达到 27.7 分。口碑在各平台之间相对稳定,能不能被准确认知、有没有权威来源支撑,则高度依赖平台取材。

    4. 事实治理的重点是「补全」,不是「纠错」

    与事实相悖的表述只占 1.7%,而「部分准确」与「缺失」合计占 29.8% —— 更普遍的问题是缺口径、缺报告期、缺适用条件,不是说了假话。信息准确(66.7 分)与引用信源(32.1 分)两项因此被拉低。把年报、产品条件做成结构化、可抽取的页面,比反复澄清错误更有效。

    5. 官方信源是少数可控的杠杆

    行内对照显示,41 家可比银行中有 34 家在模型引用了本行官网时得分更高,平均高出 6.11 分;分档看,被引用内容里官方源占六成以上的样本,事实准确均分 77.09 分,无引用样本为 75.65 分。官网能不能被模型抓到、抓到的是不是结构化事实,是一件事,不是两件事。

    6. 规模与资产质量只能解释六成

    以规模、资产质量、增长三组变量解释指数,解释力 R² 从仅规模的 0.374 升到三组齐上的 0.592,仍有约 41% 落在模型之外。更有意思的是规模的方向:与答案份额的秩相关 +0.78,与评价倾向只有 +0.15 —— 规模能买到「被推荐」,买不到「被说好」。

    7. 值得单独盯的名单

    拨备覆盖率低于 150% 的 3 家(民生银行、光大银行、华夏银行),平均名次 38.3,低于全样本平均 21.5;净利润同比负增长的 7 家,平均名次 33.6。经营压力与 AI 口碑在这批银行身上是同向的。