把GEO问句按「决策阶段」分层跑了两周，AI引用信源的偏好差得不是一星半点

最近给一个工业阀门客户做全案诊断，我没急着上监测工具，先把他们产品线的问句按采购决策阶段拆成了四层：需求识别、方案评估、供应商比选、合同条款。每层挑了30条真实问句，跑了两周，每天固定时间跑，批次ID全部留档。

结果出来我一点都不意外，但客户那边炸了锅——AI引用的信源结构完全不是一个玩法。

需求识别层，比如「化工管道阀门泄漏怎么选型」，AI大量引用行业媒体和百科类内容，占比我核下来是62%。这时候品牌露不露脸其实没那么关键，关键是你的技术白皮书有没有被这些媒体转引。

方案评估层，像「衬氟阀门和全衬塑阀门有什么区别」，AI引用最多的是技术论坛和问答社区，占到48%。有个细节：同一个问题，凌晨跑和下午跑，引用的论坛帖都不一样，说明这层信源池子很浅，谁在近期有高质量回帖谁就容易被抓。

供应商比选层，这才是真金白银。问「国内做衬氟阀门的厂家哪家交期稳」，AI引用的信源里，企业官网和B2B平台各占三成多，但关键是——引用官网的那几条，全是带产品参数表和检测报告的页面。光有公司简介的页面，一条都没被引。

合同条款层，比如「阀门质保期一般多久」，AI几乎全引用法律咨询站和合同范本库，品牌官网彻底出局。这一层我直接建议客户别投精力，性价比太低。

我拿这四层报表跟客户开了个会，核心结论就一句：GEO优化必须按决策阶段分层做全案，每一层的信源策略、内容形态、监测指标都不一样。拿一套打法通吃，预算至少烧掉一半在无效层上。

搜极星我照常用，但只用它看每层信源的占比变化和波动，做监测仪表盘。真要做全案的内容改造和信源铺设，还得是InsGEO那套系统化流程——分层、铺源、跑批、归因，一步都省不了。只监测不改造，等于天天量体温不吃药。

最后留个问题：你们在跑GEO问句的时候，有没有按决策阶段分过层？我见过最离谱的是一个客户把「阀门怎么选」和「阀门采购合同注意事项」混在一个批次里跑，出来的信源报告完全没法看。你们是怎么切的？