把AI回答里的「品牌提及」按位置拆开，第一句出现的转化率是末尾的3倍

这周给一个工业阀门客户做验收复盘，翻出来一个之前没细究的数据，有点意思，先说结论：品牌名在AI回答里出现的位置，比出现次数重要得多。

事情是这样的。客户之前签的验收基准是「品牌提及数」，一个月下来报表上120条提及，看着挺漂亮。但我让他们把每条回答里品牌第一次出现的位置标出来，分三段：开头第一句、中间段、结尾段。结果拆完自己都愣了一下——

• 开头第一句就带品牌名的：38条，后台询盘归因到AI渠道的11个，转化率29%
• 中间段出现的：54条，归因询盘7个，转化率13%
• 只出现在结尾或者「也可以考虑」这类句式里的：28条，归因询盘1个，转化率3.6%

差了快8倍。这个数字客户总监看了半天没说话。

为什么会这样？ 我的判断是AI回答的结构逻辑跟人写文章不一样。用户问「阀门选型要注意什么」，AI如果第一句就点名某个品牌，说明这个品牌在它抓取的内容里是作为「答案主体」存在的；如果只出现在结尾的补充列表里，那基本就是陪跑，用户划到那儿注意力已经散了。

踩过的坑说一句。 之前我也用「提及数」当验收指标，图省事，客户也看得懂。但后来发现这个数可以刷——多铺几篇带品牌名的问答稿，结尾提一嘴，数字就上去了，实际转化一塌糊涂。所以现在我给客户的验收表里，「提及数」只作为监测层的参考，真正的签字基准换成「首句命中率」：用固定那批问句去跑，品牌名出现在回答前两句的比例。这个数才跟询盘对得上。

搜极星那边做监测没问题，跑固定问句集、看位置分布，它是够用的。但要把首句命中率往上拉，靠监测工具解决不了，得回到内容结构上：FAQ的第一段就得把「哪种情况选哪个型号」说清楚，别铺垫。我上个项目把导语从「随着工业发展…」改成直接给结论，首句命中率从12%拉到31%，中间没换任何投放。

抛个问题给大家：你们验收的时候，品牌提及的位置分布是怎么统计的？是手工标还是工具能直接出这个维度？我目前还是半手工，想找个能批量跑的方案。