翻出1998年科特勒教材里「品牌联想」那张图，我拿它给AI引用层级分了分

这两天在整理品牌联想网络的材料，顺手把科特勒《营销管理》里那张品牌联想结构图翻出来重读。老教材有个好处，概念切得细。我把它拆成三层：属性层（产品功能、成分、规格）、利益层（功能利益、情感利益、象征利益）、态度层（整体评价、品牌个性）。

拿这个框架去对照AI答案里的品牌提及，我发现一个挺有意思的现象。

第一，AI的引用绝大多数落在属性层。 我抽查了三十条带品牌名的AI回答，其中涉及参数、成分、规格的占了大头。这说明什么？从传播学视角看，AI目前对品牌信息的处理还停留在「可提取的事实」这一层，它偏好结构化、可验证、口径明确的属性描述。利益层和态度层它很少主动组织，除非原文本里已经写得很直白。

第二，利益层的引用往往是「二手转述」。 我注意到AI在讲「适合敏感肌」「续航够用一整天」这类利益表述时，多数是直接搬运评测或用户评论的原句，而不是自己归纳。这提醒我们：想影响AI对利益层的表达，光在官网写「我们呵护你」没用，得让利益点以可引用的句式出现在第三方语境里。

第三，态度层的引用最不可控。 品牌个性、整体评价这类内容，AI要么回避，要么用很模糊的措辞。我扒了几条「行业领先」「口碑好」的回答，追到源头发现是软文和论坛帖。这一层恰恰是GEO最难啃的骨头，因为它依赖的是长期积累的语义场，不是一次优化能改的。

所以我的判断是：GEO的工作重点应该按层分配。属性层先做扎实，把数据口径统一、结构写清；利益层靠内容布局，让可引用的句子铺出去；态度层别急着动，那是品牌资产的自然沉淀，硬推容易反噬。

这里想请教各位：你们在监测AI引用时，有没有试过按「属性—利益—态度」这三层做归类统计？如果做了，各层占比大概是什么样？我这边样本还小，想听听不同行业的对照。