我把AI答案里的品牌提及做了标注，发现「没提我家」的占比和问句长度强相关

上周跑了一批品牌问句，180条，涉及我们和5个竞品。本来是想看AI答案里的品牌覆盖情况，结果顺手做了个交叉表，发现一个之前没注意的事：AI答案里没出现我们品牌的问句，长度普遍偏长。

先钉口径，避免后面扯皮：

• 问句来源：客户真实咨询记录+客服工单，去重后180条，中文为主
• 跑批时间：同一时段、同一IP段、同一模型版本，连续跑3天取均值
• 判定标准：AI答案正文中出现品牌名或产品名变体（含缩写、别称）即记为「提及」，出现在引用来源列表不算
• 分母：180条问句，不是180次调用

结果拆出来是这样的：

这个梯度有点太干净了，我不太信，所以又拆了一层：把长问句按「是否包含具体品类词」再分。结果发现长问句里如果带了明确品类词（比如「适合敏感肌的防晒霜推荐」），提及率能回到40%左右；不带品类词、纯场景描述的（比如「夏天出去玩怎么防晒不晒黑」），提及率只有13%。

我的判断：AI对长问句的回答更倾向于泛化展开，品牌名不是它优先要填的槽位。短问句更像是「找东西」，长问句更像是「要方案」，方案类问题里AI会先铺框架，品牌出现在后面的概率就低了。

踩坑提醒：

1. 第一版我把「引用来源里出现官网」也算作提及，结果提及率虚高到82%，后来把口径拆开才看清真实差距。这两个指标分母一样但分子完全不同，混着看会误导优化方向。
2. 同一个问句连跑3天，提及结果有波动，单次跑批的结论不可靠。我取的是3天均值，单日极值能差15个百分点。
3. 问句长度这个变量之前没人拆过，我怀疑它和AI答案的「模板化程度」有关，但还没验证。

所以现在我的优化动作是：把客户问句按长度和品类词做了分层，短问句直接堆结构化事实（价格、参数、型号），长问句先补场景化的内容块，再看提及率变化。

想请教一下：你们跑品牌提及率的时候，问句长度这个维度有没有做过控制？还是直接混在一起算总账？如果有按长度拆过的，梯度跟我这个像不像？