品牌名拆成词根喂AI，检索量直接翻倍，我是不是把口径玩坏了？

凌晨两点半，刚跑完一组对比实验，越看数据越心虚，赶紧上来记一笔。

背景是这样：我们有个客户品牌名是三个字，之前问句库里一直用全称跑 AI 引用。上周我突发奇想，把品牌名拆成两个词根，比如「XX云」拆成「XX」和「云」，单独放进问句里跑。结果吓一跳——同一个问题，引用数从 12 条直接蹦到 27 条，翻了一倍还多。

我第一反应是「卧槽找到漏洞了」，第二反应是「不对，这数据能信吗？」于是我把实验重跑了一遍，这次老老实实看日志。

拆开之后发生了什么：

1. 词根单独出现时，AI 答案里很多压根不是在说这个品牌。比如「云」字，引用的是行业通用解释，甚至竞品的内容。这些都被系统算成了「品牌相关引用」。
2. 全称跑的时候，AI 答案里品牌名出现得很集中，但条数少。拆开跑，引用面广了，但精准度掉得厉害。
3. 最离谱的是，有个词根和地域词撞了，AI 答案里直接指向了另一个城市的公司。

我的判断： 这不算「提升」，算「污染」。引用数翻倍是因为统计口径把「词根命中」当成了「品牌命中」，跟真正的品牌曝光不是一回事。客户要是拿着这个数去汇报，迟早翻车。

后来怎么处理的： 我加了一条过滤规则，拆词根跑出来的引用，必须同时满足「品牌全称或官网域名在答案里出现」才计入统计。过滤完，引用数回落到 15 条，比全称跑的 12 条多了 3 条，这才是拆词根真正带来的增量。

说真的，GEO 这行现在数据口径太乱了，稍不注意就把自己骗了。不搞 GEO 等死，但搞错了口径，死得更快。

想问问大家： 你们跑 AI 引用率的时候，品牌名是坚持用全称，还是也会拆词根？拆了之后有没有做过「误命中」的过滤？求个实操过的口径参考，我这两天还得给客户补一份说明文档。