同一句问AI，我换了3种措辞，引用率差了四成——这变量谁测过？

先说结论：问句措辞本身就是一个被严重低估的变量，不锁死它，任何引用率对比都是瞎扯。

上周我做了组对照实验，同一个产品词，三种问法：

• A：「XX品牌怎么样」
• B：「XX品牌值得买吗」
• C：「XX品牌和YY比哪个好」

同一个AI，同一时段，每组跑50次。结果引用率分别是 62%、47%、31%。最大差 31个百分点，相对差异接近四成。

这组数据一出来，我第一反应不是「C问法不行」，而是——我们之前所有周报里的引用率对比，分母到底长什么样？

翻了过去三个月的监测日志，发现一个更扎心的事：不同批次的问句库是从不同来源拼的，有的来自客服记录，有的来自搜索下拉词，有的直接翻译海外模板。这意味着每次跑出来的引用率，问句分布根本不可比。举个例子，第4周我们把「XX品牌怎么样」的占比从30%提到了45%，整体引用率涨了8个点——当时团队还庆祝了一下，现在看，很可能只是问句结构变了，跟优化动作半毛钱关系没有。

所以我现在推一个事：问句库必须先做「措辞分层」，再谈引用率。 具体做法是：

1. 固定问句变体池：每个品牌词/品类词，至少锁定5种措辞变体（品牌名直问、评价类、对比类、场景类、价格类），每类固定数量，不随意增减。
2. 跑批记录NTP源：每次监测记录时间戳来源（NTP对齐），确保不同批次能复现。
3. 引用率按变体分开算，再合并：合并时用固定权重，不能按实际跑量加权，否则问句结构一偏，数就漂。

踩过的坑也顺手记一下：C类对比问法引用率低，不是因为AI不爱引我们，而是因为对比问句里AI更倾向引「第三方评测」和「榜单」，品牌官网被引的概率天然低。所以对比类问法的优化策略，跟直问类完全不是一回事，不能混在一个指标里看。

一句话：GEO的效果必须用数据衡量，但数据的前提是分母口径锁死。问句措辞不控住，引用率涨跌全是噪声。

最后抛个问题：你们跑引用率的时候，问句库是固定变体池还是动态拼的？有没有人测过同一品牌在不同措辞下的引用率方差？求个对照数据，我想看看这个四成的差距是不是普遍现象。