把AI引用按「信源层级」拆完，我反倒觉得GEO缺的是文献综述里那套评价标准

最近带研究生做AI引用溯源，越做越觉得我们这些做营销的人有点急。

先说我这周干的事。 我让两个学生把某品类下120条AI回答里引用的页面全抓下来，按「一手/二手/三手」标了一遍：一手是品牌官网、原始研究报告、官方文档；二手是媒体转述、行业报告汇编；三手是聚合站、问答搬运、AI再加工。结果和上周社区里聊的「二手货被引最多」是同一个方向——三手页面占了引用总量的四成多，一手反倒不到三成。

但真正让我坐不住的，不是这个比例，而是我们根本没有一套像文献计量那样的评价标准。

从传播学视角看，这里有个概念错位。 学术里判断一篇文献重不重要，看的是被引频次、被谁引、引用语境是支持还是反驳，这是一整套成熟的口径。而我们现在讨论GEO，张口就是「曝光量」「引用次数」，把「被AI提到」和「被AI采纳」混成一个数。这两个在理论上差着层级：前者是注意力资源，后者是可信度背书。营销学里Keller讲品牌资产，早就把认知、态度、行为拆开了，我们做GEO反倒退回一个笼统的「可见度」，这是退步。

具体踩的坑也说一个。 我让学生给每条引用标注「该页面在回答中承担什么功能」——是定义、是数据、是对比、还是结论。标完发现，承担「定义」和「数据」的引用，一手页面占比明显偏高；承担「结论」和「推荐」的，三手页面压倒性居多。也就是说，AI在需要硬事实时更依赖一手信源，在需要「帮用户下判断」时更依赖被反复转述的二手共识。

这个发现对我们做内容有直接含义：如果你想让品牌被AI当成结论引用，光把官网写得规范没用，得进入那个被反复转述的共识层；反过来，如果你的定位是「提供权威数据」，那死磕一手页面和结构化标注才有意义。两条路，考核指标完全不同，不能拿同一张报表管。

所以我的判断是： GEO现在最缺的不是优化技巧，是口径。没有信源层级、没有引用功能分类、没有「被采纳」和「被提及」的区分，最后所有ROI讨论都会变成各说各话。这跟我们当年做品牌资产测量时踩过的坑一模一样。

想请教各位一个具体问题：你们在实操里，有没有对「AI引用」做过功能或语境的分类统计？如果有，你们是怎么给「被采纳」下操作定义的——看句子位置、看是否带品牌名、还是看用户后续行为？这个定义不统一，后面所有数据都没法比。