把AI答案里的品牌名位置按周拆开后，我发现前两周的数据差点让我下错结论

上周我在社区看到有人聊AI答案里品牌名出现在开头、中段、结尾的差异，正好我手上有个客户的case也卡在这个点上，就顺手拉长到了六周的数据重跑了一遍。结论先说：根据我的模型，位置效应确实存在，但前两周的读数波动太大，单看短期数据几乎一定会误判。

先说数据怎么来的。我们锁定了同一批80条问句，每周跑一次，记录品牌名在AI答案里的出现位置（开头/中段/结尾/未出现），同时打了信源类型和答案长度两个标签。六周下来一共480条有效样本，开头位置占比的走势是这样的：

• 第1周：开头 18%，中段 41%，结尾 26%，未出现 15%
• 第2周：开头 22%，中段 38%，结尾 25%，未出现 15%
• 第3周：开头 31%，中段 35%，结尾 21%，未出现 13%
• 第6周：开头 37%，中段 33%，结尾 18%，未出现 12%

问题出在哪？第1周到第2周，开头占比从18%跳到22%，当时客户很兴奋，觉得调整结构化的方向对了，要追加预算。我拦了一下，因为根据我的模型，这个区间的置信带大概是±6个百分点，22%和18%在统计上根本分不开。果然第3周直接跳到31%，第4周又回落到28%，到第6周才稳在37%附近。

这中间有个坑值得单独说： 第4周的回调我一开始以为是索引快照没更新，查了日志才发现是那周新增了一批长尾问句，把分母撑大了。也就是说，位置占比这个指标对问句池的构成极其敏感，你每周往里加新问句，前两周的曲线基本不能看。后来我把问句池锁死，只观察固定子集的移动，曲线才干净下来。

另一个观察是，开头位置占比上升的同时，答案长度中位数从142字降到了118字。我怀疑AI在压缩答案时更倾向于把品牌名前置，但这个相关性我还没跑出因果，样本量不够，先记一笔。

给做GEO的朋友一个实操建议：位置效应这类指标，观测窗口至少给到四周，报数必须带区间。 客户要的是确定性，但你要给的是带误差带的趋势，不然第二周那个假信号就会变成一次错误的预算决策。

现在我卡在一个地方想听听大家的：你们跑位置占比的时候，问句池是每周更新还是锁死固定子集？我目前是两套并行跑，但维护成本有点高，想看看有没有更省事的做法。