跑了200条query才搞明白，GEO里「品牌词变体」到底算几个词

大佬们，我又来求指点了。这回是真踩坑踩出点东西，赶紧来汇报。

上周接了个小任务，测我们品牌在AI搜索里的可见度。我按老思路列了20个品牌词变体：全称、简称、英文名、英文简称，还有带「官方」「官网」后缀的，凑吧凑吧20个词，每个词跑10条query，一共200条。跑完欢天喜地准备交差，结果被带我的姐姐一句话问住了：「你这20个词，合并的时候算几个词？」

我当场愣住。

回去翻后台才意识到问题大了。全称和简称在AI答案里的命中率差了快三倍——简称那批query里，AI有一半直接答成了竞品的简称。更离谱的是「英文名+官方」这种组合，AI引用的是我们三年前的一个活动页，页面上的品牌名还是旧写法。

我重新把200条样本按「词根」重新归类，才理出三个口径：

1. 词根合并口径
把全称、简称、英文名都归到一个品牌词根下，算「1个品牌」。好处是可见度数字好看，坏处是掩盖了变体之间的差异，简称被答错你根本看不出来。

2. 变体独立口径
20个词算20个，分别统计。细是细了，但样本太散，每个变体就10条query，稍微一个波动就影响结论，没法跟老板解释。

3. 核心变体+长尾口径（我目前倾向的）
把高频出现的3-4个变体单独拎出来作为核心，剩下的归到长尾。核心变体逐条看答案对不对，长尾只看引用率。这样既抓得住重点，又不至于样本太散。

还有个细节：带「官方」「官网」后缀的query，AI答案里引用的页面和普通query完全不是一波。这批query其实测的不是品牌可见度，是官网在AI里的权威度。我一开始混在一起跑，数据全糊了。

现在我的做法是跑批前先在表头固定三件事：词根怎么合并、变体怎么分组、每组的query数不低于多少。写清楚了再跑，跑完不返工。

但还有几个地方没想明白，求大佬指点：

• 品牌词变体这种分组，你们是按用户实际搜索习惯来分，还是按自己的品牌资产清单来分？
• 简称被AI答成竞品这种情况，算我们自己的可见度问题，还是算竞品的词被AI误关联了？归因到底怎么算才不算甩锅？

真的求大佬指点，我下周还要拿这个数去汇报，现在心里没底。