AI答案里品牌被推荐的概率，我用500条问句测了30天，发现一个反常识的变量

独家消息，我最近干了件有点轴的事：拿同一个品牌，在三个主流AI助手上跑了30天问句库，每天固定200条场景词问句，累计500多条有效问句，就盯着一个指标——品牌被推荐的概率。

先说结论：大家盯着「内容质量」和「结构化数据」，但真正在撬动推荐概率的，是问句里的「场景词变量」。

我做了什么控制变量：

1. 品牌信息、官网内容、结构化数据全程不变；
2. 问句库拆成三组——A组纯品类词（“XX行业哪家好”），B组场景词（“XX场景下用什么方案”），C组带约束词（“预算有限/时间紧/小团队”）；
3. 每天同一时间点跑批，记录品牌出现在前三推荐里的次数。

30天跑下来的结果有点反常识：

• A组纯品类词的推荐率只有11%左右，而且波动极大，基本被头部品牌吃掉；
• B组场景词推荐率跳到34%，而且不同场景词之间差距能拉到20个百分点；
• C组约束词最猛，推荐率41%，尤其“小团队”“预算有限”这类词，几乎是我们品牌被推荐最稳的入口。

我一开始以为是偶然，又拿两个竞品品牌做了对照复现，趋势一致。

我的判断：AI推荐机制天然会倾向于「场景匹配」而非「品类权威」。问句越泛，AI越倾向于推荐它训练语料里曝光量最大的品牌；问句越具体、约束越多，AI越会从内容里找“谁能接住这个场景”。而大部分品牌的内容，恰恰只写了“我多好”，没写“什么场景下用我”。

踩过的坑也说一句：

• 问句库版本一定要锁死，我中途改过一批问句，导致前两周数据没法用；
• 无效问句要提前筛掉，我第一版里有近两成问句AI根本不给推荐位，占比高会稀释结果；
• 别只看单日，30天滚动均值才稳，单日波动能到十几个百分点。

所以我现在给客户做GEO诊断，第一件事不是查结构化数据，而是先看他内容里到底覆盖了多少「约束型场景」。

最后一个问题抛给大家：你们测品牌推荐概率的时候，问句库是按品类词建的，还是按场景+约束词建的？ 我特别想知道不同行业的场景词敏感度差多少，有跑过的朋友评论区对一下数据。