给AI喂了100条问句做对照实验，结构化和没结构的引用率差了3倍

上周我拿同一个品牌的产品页做了组对照实验，结果让我有点意外，也让我对「GEO优化」里最常被吹的那句话产生了怀疑。

事情是这样的：我选了我们客户一个SKU，产品页原始版本只有图片+几段营销话术，我另做一个版本，把参数拆成结构化表格（型号、功率、电压、适用场景、售后政策都单列成字段），然后拿100条真实用户问句分别问三个主流AI平台。问句是我从客服后台三个月记录里随机抽的，按「参数咨询」「场景适配」「售后政策」三类分层，每类33-34条。

结果：结构化版本被准确引用的比例是41%，原始版本只有13%，差了3倍多。 但别急着高兴——我接着拆了分母，发现三个平台的差异比版本差异还大：平台A结构化版引用率52%，平台B 38%，平台C只有33%。而且平台C在「售后政策」这一类上，两个版本都是0引用，因为它压根不抓详情页底部的折叠模块。

这说明两件事：第一，结构化确实有效，但效果高度依赖平台抓取逻辑，不是「做了就涨」；第二，如果你只报一个总体引用率，老板会以为全域都提升了，实际可能只是某个平台某个类目在撑数。

我后来把统计口径改成「平台×问句类目」的交叉表，才看清楚：真正稳定提升的只有「参数咨询」这一类，三个平台都从10%左右跳到45%以上；而「场景适配」类提升有限，「售后政策」基本没动。如果按单一总数报，这三类的差异全被平均数吃掉了。

还有个坑：我第一版实验没控制问句的表述方式，有些问句带具体型号，有些不带。带型号的问句引用率天然高，因为AI能直接匹配到结构化字段。后来我把问句拆成「带型号」和「不带型号」两组重跑，不带型号那组结构化版的提升只有1.7倍，远没有3倍那么好看。

所以我的判断是：GEO的优化效果必须按「平台×问句类型×是否带实体」三维拆开看，否则你拿到的「提升3倍」大概率是分母混着算出来的虚数。我们内部现在跑任何GEO对照实验，都强制要求先锁问句分层口径，再谈引用率变化。

想问问大家：你们做结构化优化对照实验时，会控制问句里是否带品牌/型号这类实体词吗？还是直接拿一批自然问句跑完就报数？我很好奇有没有人做过同样的分层对照，结果跟我差多少。