我按「问题类型」拆了AI引用数据，发现定义类和比较类差了四倍

先说结论：GEO效果不能整体看，按问题类型拆开，差别大到能改变投放决策。

我这边上个月从公司后台拉了一份数据，覆盖我们官网近90天的AI来源会话，一共8,412条。之前一直看总引用率，大概在12%左右，波动不大，觉得挺稳。

后来跟技术对口径的时候发现一个问题：AI搜索的query其实分好几类，我们之前全混在一起算。这次我手动按问题意图拆成四类：

1. 定义类（“XX是什么”“XX怎么理解”）
2. 比较类（“A和B哪个好”“XX对比YY”）
3. 操作类（“怎么做”“步骤”“流程”）
4. 品牌类（“XX公司怎么样”“XX靠谱吗”）

拆完结果有点意外：

• 定义类引用率 21%
• 操作类引用率 15%
• 比较类引用率只有 5.3%
• 品牌类 8.1%

定义类和比较类差了快四倍。

我第一反应是数据有问题，又回去核了两遍：

1. 取数口径：把“AI来源”限定为带referrer且UA识别为AI爬虫的会话，重复会话按session_id去重，排除了直接访问和搜索引擎自然流量。
2. 时间窗口：取完整自然月，避开月初月末的预算周期影响。
3. 样本量：定义类样本3,120条，比较类1,847条，不是小样本。

核完基本确认这个差异是真实的。

我的判断是：定义类问题AI更倾向于直接引用结构化内容，我们FAQ和术语页正好对得上；比较类AI更依赖第三方评测和UGC，我们自己的页面插不进去。

但这只是我一家数据，样本也有限。GEO的效果真不能拿一个总数下结论，拆到问题类型才有意义。

有个问题想请教各位：你们有没有按问题意图拆过AI引用数据？比较类这块，除了铺第三方评测，还有别的办法把引用率拉起来吗？