翻出科特勒教材里的品牌联想层级图，我总算搞清AI引用卡在哪一层了

这两周带着研究生做AI搜索的引用归因，越做越觉得问题不在技术，而在概念没对齐。我把科特勒《营销管理》里那张品牌联想层级图翻出来——从属性联想、利益联想到态度联想，逐层对照AI答案的引用来源，发现一个有意思的现象：AI引用大多停在属性层，很少爬到利益层，几乎不碰态度层。

举个具体例子。我们拿一款国产电动牙刷做测试，产品页上写「振动频率 38000 次/分钟、续航 60 天、IPX7 防水」，这是属性层。AI回答「这款牙刷适合什么人」时，原封不动把这三个参数贴出来，再套一句「适合注重口腔清洁的人群」——这是属性联想被直接挪用，没有完成向利益联想的转换。而用户真正想听的「牙龈敏感者用着不刺痛」，那是利益层，AI几乎不生成。

从传播学视角看，这其实是编码/解码链路的问题。我们喂给AI的语料是产品说明书式的编码，AI的解码能力受限于语料里有没有利益层的现成表述。如果官网、详情页、问答区里从没写过「为什么这个参数对某类人意味着什么」，AI不会替你做这个推理。

我拿这个框架又测了三个品类：护肤品、小家电、母婴用品。规律很稳——凡是详情页有「参数+适用场景+用户原话」三段式结构的，AI引用能爬到利益层；只有参数表的，全部卡在属性层。

这里要提醒一个数据口径问题。我们统计「AI引用率」时，如果按URL计数，属性层页面被引用的次数会虚高，因为它们往往一个页面承载多个SKU，AI一次答案里可能引三次同一URL。我建议统计口径改成「答案-来源-层级」三元组计数，否则会误判优化方向。

最后抛个问题给各位：你们在验收GEO效果时，有没有按品牌联想层级拆过AI引用的分布？如果拆过，属性层和利益层的比例大概是多少？我很想看看有没有跨品类的稳定规律。