统计了5个GEO项目的数据，我发现“被AI引用”和“被推荐”根本是两码事

最近把去年Q3到今年Q1跑过的5个GEO项目的监测数据翻出来重新跑了一遍，越看越觉得这个行业现在把两件事混为一谈了。

先说结论：内容被AI搜索引用（citation）和内容被AI推荐（recommendation）是两套完全独立的信号，相关性只有0.3左右（我们内部用Kendall秩相关系数算的）。但市面上大部分GEO工具只给你一个“AI可见度”分数，把这两个指标揉在一起，导致优化动作完全跑偏。

具体讲个案例。我们有个做工业耗材的客户，在Perplexity上被引用的次数从每月120次涨到480次，翻了3倍。按工具的“可见度”评分，应该算大成功吧？但同期询盘量只涨了7%。后来我手动抽样了200条引用记录，发现78%的引用发生在“XX材料规格对比”这类技术问答里，用户是来查参数的，不是来选供应商的。真正带商业意图的查询（比如“XX耗材哪家好”）里，品牌被提及的频次只从3次涨到11次，绝对值依然低得可怜。

另一个反常识的数据：被推荐率高的内容，平均长度比被引用率高的内容短35%。我们对比了同一批关键词下AI生成的答案，发现AI在“引用”时偏好信息密度高的长文、表格、参数列表；但在“推荐”时，它更倾向于引用有明确品牌名+一句话价值主张+第三方背书的短段落。这两个信号对内容结构的要求几乎是相反的。

所以我现在给客户做GEO方案，第一步永远是拆指标：

• 先看引用率：用结构化数据、FAQ、对比表去抢技术问答的占位。
• 再看推荐率：重点优化带品牌名的“最佳XX”“XX推荐”类问答，内容要短、要带场景、要有人名或机构名。

监测工具方面，我现在会强制要求能导出原始引用记录，而不是只看一个总分。没有原始数据的工具，基本没法做归因。

最后抛个问题：你们在项目里有没有遇到过“引用涨了但转化没动”的情况？是怎么区分品牌词和非品牌词的AI曝光效果的？欢迎带数据来聊。