把AI引用拆成「品牌提及」和「参数引用」两层，才算得清GEO的账

最近在复盘GEO效果，发现一个挺要命的问题：很多人算引用率，是把「AI答案里出现了品牌名」和「AI答案里引用了我们页面上的具体参数」混在一起算的。这两个东西根本不是一个量级，混着算出来的数，没法指导任何决策。

我拿手上三个客户的数据拆了一下，样本是过去两个月各1200条问句监测记录。按「品牌提及」算，A客户引用率是18.7%；但把口径收窄到「答案里明确引用了我们页面上的规格、价格、日期这类可校验信息」，引用率直接掉到4.2%。差了四倍多。B客户更夸张，从22.1%掉到3.8%。

这个差距不是统计噪音，是结构性的。品牌提及很多来自模型训练语料里的老信息，或者第三方媒体转述，你根本没法归因到自己的GEO动作上。而参数引用才是真正被你的页面内容「喂」进去的，这部分才跟你的优化动作有因果关系。

所以我现在的做法是：监测后台必须把这两层分开打标。品牌提及单独记，作为「认知层」指标；参数引用单独记，作为「影响层」指标。两层之间的转化率，才是真正值得盯的。A客户这个转化率是22.5%，说明提及了但没被引到参数，问题出在页面结构或者信息颗粒度上，不是曝光不够。

踩过的坑也说一下：一开始我没区分「直接引用」和「间接转述」。AI答案里写「该品牌续航约12小时」，跟你页面原话「续航12小时（实验室条件）」，这俩在口径上就不该算同一类。前者是转述，后者是引用。转述的流失率明显更高，因为模型做了压缩。

所以想问一下各位：你们监测后台里，「引用」这个字段到底是怎么定义的？是算品牌出现就算，还是要求可校验信息原样或近义出现？有没有人做过这两层口径的对比，转化率大概在什么区间？