有人拿「AI回答长度」当GEO效果指标，我拆了200条回答发现长度和引用没关系

上周群里有人甩了张图，说AI回答越长，品牌被引用的概率越高，建议把「回答长度」纳入GEO效果看板。我第一反应是：分母呢？样本怎么抽的？

我自己拉了200条带品牌引用的AI回答，按回答长度分了四档（<100字、100-200字、200-400字、>400字），每档50条，同一批问句、同一周跑、同一模型版本。结果引用率的分布是这样的：

四档之间最大差6个点，在n=50的置信区间里根本拉不开。说「越长越容易被引用」的，大概率是把「长回答里品牌名出现次数多」和「被引用」搞混了——前者是提及，后者得看有没有给出来源链接或者明确归因。

更坑的是我后来按问句类型分层看，发现长度效应全被问句类型吃掉了：对比类问句的AI回答天然偏长（平均380字），但引用率并不比短回答的「事实查询类」高。如果不分层，直接跑回归，长度系数显著为正；一分层，系数掉到0.03，p值0.61。典型的辛普森悖论。

所以我的判断是：回答长度顶多算个过程指标，进不了效果看板。真要监控，不如盯「引用位置」——我手上这批数据里，品牌被引在回答前三分之一段的，用户后续追问率是引在末尾的2.3倍。这个才跟商业价值挂钩。

你们有没有遇到过类似「看起来相关、分层后消失」的GEO指标？我最近在整理一份伪指标清单，想多收集几个案例。