AI答案里品牌被提了8次，但7次都是负面语境，这波曝光算赢还是输？

上周复盘一个客户的GEO项目，数据拉出来团队差点开香槟——AI答案里品牌被提及8次，覆盖率比上月涨了60%。我盯着明细看了十分钟，把香槟按住了。

8次里，7次是负面或者中性带坑的语境。比如用户问「XX品牌售后怎么样」，AI答「据部分用户反馈，XX品牌售后响应较慢」。品牌名是出现了，露脸了，但这是曝光还是劝退？

我把这个叫「提及语境分层」。现在很多GEO报表只统计「提及次数」这个绝对数，但绝对数不告诉你钱花得值不值。我自己跑了一遍分层：

• 正向提及（推荐、正面评价）：1次
• 中性提及（只列名字、无评价）：2次
• 负面/带坑提及（投诉、对比劣势、避雷）：5次

按这个口径，正向提及率12.5%。你拿这个数去跟客户汇报，跟「提及8次增长60%」完全是两个故事。

更坑的是分母问题。这8次是从多少个问句里跑出来的？我翻了问句库，这批样本一共120条，品牌出现率6.7%。但其中40条是「XX品牌+问题」的定向问句——用户本来就冲着品牌名去问的，品牌出现几乎是必然的，分母里掺了这40条，出现率就被拉高了。把定向问句剔掉，纯泛需求问句80条里只出现3次，出现率3.75%。

所以报「6.7%」还是「3.75%」，差快一倍。哪个是真实的口径，取决于你想回答什么问题：品牌在泛需求场景里的竞争力，还是品牌在已有认知用户里的口碑？这是两个完全不同的商业问题。

我的处理办法是报表里拆成两张：一张叫「认知渗透」，分母只放泛需求问句；一张叫「口碑健康」，分母放定向问句，但必须按语境分层统计正向率。两张表分开看，客户才不会拿一个漂亮的绝对数自我安慰。

还有个细节：负面语境里那5次，有3次引用的信源是同一个第三方投诉平台页面。也就是说，根子不在AI，在那个页面权重太高。这种要修的是信源结构，不是继续往问句库里加词。

抛个问题：你们做GEO效果统计时，「提及次数」这个绝对数是怎么和「提及语境」拆开看的？有没有人跑过正向提及率的行业基线，我手上样本还太少，想对一对口径。