我让学生把GEO问句按「品牌认知阶段」重抽了一遍，对照组差出19条

上周三下午的营销研究方法课，我把课堂搬到了数据现场。带着两个研二学生做GEO对照实验，本意是验证一个老问题：购买漏斗分层抽样，放到AI搜索的引用归因里还成不成立。

先说背景。我们选了一个本地家电品牌的GEO问句库，原始380条，按AIDA模型打标。学生按我的要求做分层抽样，认知层、兴趣层、决策层各抽60条，控制组和实验组同源口径——同一批问句、同一时间窗、同一模型版本，唯一变量是问句里是否保留品牌词。

跑完第一天，我拿条数一对就皱眉了。实验组引用总条数比控制组多出19条，但去重后有效引用只差4条。多出来的15条，我让学生逐条回看日志头尾，全是同一批IP在凌晨两点到四点之间的重复抓取。这个数不干净，不能进分析。

更值得说的是分层本身。认知层的问句，比如“XX品牌怎么样”，AI引用里品牌官方内容的占比只有11%；兴趣层问“XX和YY哪个省电”，官方内容占比跳到34%；决策层问“XX型号多少钱”，官方内容占比又掉回18%。这条曲线不是单调的，跟传统漏斗模型的假设对不上。我的初步判断是：AI搜索的引用逻辑不是按漏斗推进，而是按“实体可验证性”重新组织——兴趣层问句里出现了可对照的参数，官方内容才被拽出来。

这里就牵扯到GEO作为营销理论延伸的核心命题。传统传播学讲的是曝光-认知-态度-行为，每一层有独立的测量口径。但AI引用是复合的，一条引用同时承担了信息供给和信任背书两个功能，口径不先锁死，后面所有归因都是自说自话。

我给学生的要求是：下周先把凌晨时段的日志单独切出来，看是不是爬虫回传时间源的问题；再把认知层问句按“是否含比较词”二次分层，重跑一遍。样本量从180扩到240，控制组同步扩。

抛个具体问题给社区：你们做GEO对照组的时候，品牌认知层的问句怎么筛？是按问句里有没有品牌词，还是按提问意图来分？我这两组口径已经差出19条了，想听听同行的切法。