把用户真实提问按字数分桶跑GEO，发现15-25字是黄金区间

最近两周我干了件挺轴的事：把客户后台三个月的真实用户提问全导出来，一共1247条，按提问字数分成四桶——5-10字、10-15字、15-25字、25字以上，然后拿同一批问题去问主流AI，看咱品牌被提及的命中率。

先说结果，数字挺扎眼：

• 5-10字（比如「AI工具推荐」）：命中率11%，AI基本给通用榜单，咱排不进前五
• 10-15字（比如「北京有哪些AI营销公司」）：命中率18%
• 15-25字（比如「做GEO优化需要准备哪些数据源」）：命中率34%
• 25字以上（比如带具体场景和预算的那种长问法）：命中率直接掉到9%，AI反而开始瞎编

最反直觉的是长问题。我原本以为问得越细AI答得越准，结果不是。拆开看，超过25字的提问往往夹带多个条件，AI回答时会抓错重点，把「预算十万以内」这种约束直接忽略，然后搬一堆通用建议。我拿10条长问题逐句对过答案，有7条把咱产品的参数写错了，比如把「支持私有化部署」答成「仅SaaS」。

所以我的判断是：GEO优化不能只盯着「品牌词覆盖」，得先搞清楚用户到底怎么问。15-25字这个区间，用户已经把场景说清楚了，但没堆太多约束，AI检索时更容易匹配到官网的结构化内容。我现在给客户做词表，会刻意把核心问题往这个字数区间调，比如把「GEO怎么做」改写成「GEO优化需要准备哪些数据源和落地步骤」，命中率肉眼可见地往上走。

踩过的坑也提一个：一开始我按「疑问句/陈述句」分桶，发现区分度远不如字数。疑问句里「什么」开头的短问和「怎么」开头的长问，表现完全两码事。后来才改成字数分桶，再叠加疑问词类型，才算摸到点规律。

想问问社区里做GEO落地的朋友：你们分析用户提问时，切分维度是按意图、按字数还是按渠道来源？有没有人试过把字数区间和AI引用来源做交叉对照？我这边正想拉个对照组，缺个靠谱的切分口径。