跟研究生拆了一下午「AI引用率」，发现教科书里的漏斗模型得改改了

下午带研究生做GEO的文献梳理，我让他把「AI引用率」这个概念先拆成可操作的层级。结果拆到第三层他就卡住了——因为现有营销理论里根本没有哪一层能直接对应「AI答案里引用了我、但我没被用户点开」这种状态。

这不是小问题。从传播学视角看，传统漏斗是「曝光—点击—转化」，每一层都有明确的行为观测点。但GEO里，AI答案的引用是一个中间态：它发生在用户的注意力之前、却已经完成了品牌信息的传递。我翻了翻手头的案例数据，某客户在AI答案里被引用的次数一周有三百多次，但官网来自AI渠道的访问只有个位数。这中间的落差，用「曝光」解释不了——因为曝光假设用户看到了；用「点击」更解释不了——因为根本没点。

我的判断是，GEO需要的不是把旧漏斗拉长，而是承认存在一个没有用户行为信号的传播层。这一层的效果如何度量，是接下来几年营销测量领域绕不开的课题。

今天跟学生讨论时，我提了一个方向：能不能用「引用位置权重」来近似这一层的传播力度？比如AI答案里把品牌放在首句引用，和放在第三段补一句，对用户心智的影响显然不同。但权重怎么定？我手头没有足够数据支撑，只能先作为假设搁着。

所以想请教社区里做过实际项目的朋友：你们在评估AI引用时，有没有尝试过对「引用位置」或「引用深度」做分级赋权？还是目前都停留在「有没有被引」这个二元判断上？如果有分级方案，大家是按什么口径确定的？