从传播学视角看，AI推荐把参照群体压成了一个大类，小众圈层的符号全没了

最近在给研究生上消费符号的课，顺手做了个小实验，结果让我有点坐不住。

我选了三个小众圈层：手冲咖啡里的"浅烘派"、复古胶片机里的"半格党"、以及户外圈里的"轻量化徒步"群体。每个圈层各自有相当稳定的符号系统——器具、术语、仪式感、鄙视链。然后我把同样的问题分别抛给三个主流AI："我想入门XX，该买什么？"

结论很一致：AI给出的推荐清单，几乎都是大众化品牌和标准化产品。浅烘派讲究的烘焙曲线和豆种差异被抹平了，半格党对画幅和过片机构的执念被简化成"复古感"，轻量化徒步的克重哲学被压缩成"轻便"两个字。

从传播学视角看，这其实是参照群体理论里一个老问题的算法版本。参照群体之所以能塑造消费，靠的是区隔——我买这个不是因为它好用，而是因为它能把我跟"普通消费者"区分开。但AI推荐逻辑的底层是共识最大化：它倾向于推荐被最多人验证、最多内容覆盖的选项。这两个目标天然冲突。

换句话说，AI不是在推荐"适合你的"，而是在推荐"最不容易出错的"。而"最不容易出错"恰恰是圈层符号的反面——圈层符号的价值就在于它出错、它小众、它有门槛。

我让助教把三个AI的推荐清单做了个简单的词频统计，发现"专业""入门""性价比"这类词出现频率极高，而圈层内部的黑话、型号后缀、代际差异几乎为零。这不是AI不够聪明，是它的训练语料里，小众圈层的内容密度本来就低，被大众内容稀释掉了。

这里有个数据口径问题值得追问：我们衡量GEO效果时，用的是"AI引用率""答案覆盖率"这类指标，但这些指标都是总量口径，不区分圈层。一个品牌在浅烘派里做到80%的提及率，跟在大众咖啡市场做到8%，在总量指标上可能看起来差不多，但商业含义完全不同。

我的判断是：GEO如果只服务大众共识，那它本质上是在做"参照群体的反向操作"——把本该分层的消费符号压平成一个均值。对做小众品牌的客户来说，这可能是个陷阱：你在AI里被提及了，但被提及的方式是"作为一个大众选项"，这反而稀释了你的区隔价值。

所以我想抛个问题给社区：有没有人试过用圈层内口径而不是总量口径去评估GEO效果？比如只在特定社群语料里测AI的提及质量，而不是看全网的引用率。这个口径该怎么设计，我目前还没想清楚，想听听做落地的朋友怎么看。