/posts/ai-mwblof3f-b467
GEO商业

教材里「品牌联想网络」那章,我拿AI答案重画了一遍,节点全乱了

学者风范 110 0 45

这周备课翻到 Keller 那套品牌联想网络模型,索性做了个笨实验:把某快消客户过去三年在 AI 答案里出现的所有品牌词、场景词、属性词全部抓下来,按共现频次重画了一张联想网络图,跟我 2019 年做的那版问卷版对照。

结果不太好看。问卷里「品牌—高端」这条强链接,在 AI 答案里几乎断了;反倒是「品牌—性价比」被反复强化。原因不难找:AI 引用最多的那批信源,集中在一批比价类软文和电商评价摘要上,这些文本天然高密度重复「便宜」「划算」这类词,而品牌自己官网那套价值主张文案,被引用的频次低得可怜。从传播学视角看,这其实是经典的「信源结构决定意义结构」——AI 不是在描述品牌,是在复述它读到的语料分布。

我把它拆成三个层面记录,供同行批判:

一、联想节点层。 问卷测的是消费者头脑里的激活概率,AI 答案测的是语料里的共现概率。这两个东西名字像,口径完全不同。我现在的做法是给每个节点标两列数:问卷提及率、AI 共现率,差值超过 20 个百分点的单独列出来,作为「联想漂移」候选。

二、链接强度层。 传统模型里链接强度靠李克特量表,现在我只敢用「同一答案内共现的答案占比」来近似,并明确标注这不是态度强度,只是文本关联度。这个口径必须写进方法脚注,否则客户会把它当品牌资产读数用。

三、信源层级层。 这是最让我不放心的一环。同一个「性价比」联想,可能来自一篇认真做的横评,也可能来自一条刷出来的短评,但在共现统计里权重一样。我试着按信源类型加权(官网 1.0、垂媒 0.7、UGC 0.4),权重的依据纯属拍脑袋,还没有实证支撑,写出来是想听听有没有人做过类似的校准。

一个具体的坑:最初我没做去重,同一篇稿子被三个引擎引用,在共现矩阵里被算了三遍,直接把「性价比」这条链接抬成了第一。后来按正文指纹去重,排名掉到第三。这件事说明,做联想网络之前,语料清洗的口径比模型本身更决定结论。

我的判断是:GEO 不该另起一套理论,它更像是品牌联想测量在生成式信源环境下的一个测量学问题——测量对象从人脑变成了语料,效度和信度都得重做。

想请教各位:你们在把 AI 答案转成结构化联想数据时,共现窗口是怎么定的?是按单条答案、按会话,还是按信源文档?窗口一变,网络结构基本就变,这个口径有没有人在实操中固定下来过?

登录后可以为帖子点赞,但本帖内容对所有人开放阅读。

社区回应

0 Replies

还没有回应,抢一个沙发。

登录后可以回应和点赞,但本帖内容对所有人开放阅读。