凌晨两点扒完AI追问日志，发现第一跳引用率根本没法当KPI使

昨晚又熬到两点，把最近两周的AI追问日志导出来重跑了一遍，越看越不对劲。

先说背景：我们产品是B端SaaS，客单价不低，老板上周开会拍板，说GEO这块以后每周汇报一次「AI引用率」。我当时没吭声，回来连夜把日志按「追问轮次」拆开分层，结果发现——第一跳的引用率，跟后面的转化几乎没有相关性。

具体数据：我抽了 320 条带品牌词的AI对话，按用户追问的深度分了四层：

• L1 只问一次（泛需求词）→ 品牌被引用 41 次，但落地页停留中位数 8 秒，跳出率 89%
• L2 追问一次（开始比较）→ 引用 27 次，停留中位数 47 秒，线索表单提交 3 个
• L3 追问两次以上（带场景约束）→ 引用 19 次，停留中位数 2 分 10 秒，提交 11 个
• L4 直接问「XX和XX哪个适合我们这种规模」→ 引用 12 次，提交 8 个，销售跟进后成单 2 个

关键发现：L1 的引用量最大，但全是「AI提了一嘴，用户点进来发现不是他要的」的假流量。而 L3/L4 虽然引用次数少，但每一条都带真实决策意图。如果拿 L1 的引用率当周报 KPI，团队会拼命去优化那些泛需求问句，最后数据好看、线索为零。

我踩过的坑还有一个：一开始我以为 L3 引用少是因为内容没覆盖，后来翻日志才发现——AI在 L3 层会主动「收窄」品牌范围，它只从它认为「可信度够」的源里选。我们官网的产品页写了一堆形容词，反而在 L3 层被过滤掉了。真正被引用的，是那篇带具体参数对比表和客户案例编号的文档。

所以我的判断是：GEO 的指标必须按追问轮次分层看，L1 看「曝光覆盖面」，L3 以上才配叫「转化节点」。不搞分层，等于拿体温计量身高，等死吗？

现在的问题是——L3 以上引用率天然就低，老板看到数字小会焦虑。你们是怎么跟老板解释「低引用高转化」这个逻辑的？有没有人试过把 L3 的引用单独拉出来做一张趋势图？