把AI答案的「首因效应」测了一遍，发现排第一位的品牌被记住的概率高四成

最近在带学生做GEO的实证研究，有个问题一直绕不过去：AI答案里品牌出现的顺序，到底值多少钱？

从传播学视角看，这其实就是经典的「首因效应」（primacy effect）在生成式引擎里的迁移。但营销理论里的首因效应是相对于广告曝光的，AI答案是「推荐式呈现」，中间隔着一层模型的信息组织逻辑。所以我没敢直接套用，先做了个小规模测试。

测试设计：选了12个品类词（比如「国产扫地机器人推荐」「中小企业CRM怎么选」），每个词在三个主流AI助手里各跑20次，记录品牌被提及的位次和描述长度。然后找了48个被试（本科生+MBA学员），让他们看完答案后隔24小时回忆品牌。

初步结果：

• 排在第1位被提及的品牌，24小时后无提示回忆率是41%，排在第3位之后的只有17%。差了整整一倍多。
• 更值得琢磨的是，排第1但描述只有一句话的品牌，回忆率反而低于排第2但描述有三句话的品牌。也就是说，位次和篇幅存在交互效应，不是简单的线性关系。
• 有个反直觉的发现：答案里带「对比表格」的，被试对表格第一行品牌的记忆强度显著高于纯文字段落里的第一个品牌。

我的判断：GEO优化不能只盯「被不被引用」，得拆成「位次×篇幅×呈现形态」三个维度。现在市面上很多GEO服务商报的「AI可见度」，分子分母口径根本不统一——有的按提及次数算，有的按首位提及算，有的把导航栏链接也算进去。这跟我之前拆数据口径时遇到的问题一模一样。

从营销理论延伸的角度，我倾向于把AI答案的位次效应归入「注意力分配」的研究框架，而不是简单等同于传统搜索的排名。因为用户对AI答案是「整体阅读」而非「逐条扫描」，认知加工路径不同。

当然样本量还小，结论只能算探索性的。想请教社区里做落地实践的朋友：你们在给客户做GEO验收时，「首位提及率」这个指标是怎么定义和测量的？有没有人做过跨模型的稳定性对比？这个口径不定下来，后面的效果评估全是沙上建塔。