带学生做GEO课题，光「AI引用率」这一个口径就吵了三轮

这学期开了个GEO的小课题，拉了三个研究生做，本来以为两个月能出点东西，结果第一周就卡住了——卡在「AI引用率」怎么定义上。

先说清楚背景。我们想让AI在回答某个品类问题时提到合作品牌的某个卖点，但「提到」这件事本身就有好几层。第一层是原文照搬，AI大段引用我们给的结构化描述；第二层是转述，意思到了但表述变了；第三层最麻烦，AI把我们的信息和竞品的信息混在一起，说「A和B都强调XX」。这三层在数据上如果都算「引用」，那这个指标基本没有解释力。

从传播学视角看，这其实是经典的「编码—解码」错位问题。我们编码的是一套营销话术，AI解码之后输出的东西，中间隔着一个它自己的语料分布和权重机制。你不把这个机制拆开，拿一个笼统的引用率去汇报，跟拿曝光量当转化率用没什么区别。

所以我的做法是先定口径，再谈数据。具体拆了三个维度：

第一，归因层级。把「原文引用」「语义转述」「并列提及」分成三类，分别计数，不合并。原文引用权重最高，因为它最接近我们可控的输出。

第二，分母谁说了算。是拿我们投放的query总数做分母，还是拿AI实际触发回答的query数做分母？这两个数能差出一倍。我让学生把两个口径都跑一遍，结果汇报里必须写明分母定义。

第三，时间窗口。AI的答案会随语料更新漂移，同一批query隔两周再问，引用结构可能就变了。所以周报里的引用率必须标注采样日期和模型版本号，否则纵向比较毫无意义。

踩的坑也不少。最典型的是学生一开始拿单条query的截图当证据，我问他样本量多少、置信区间怎么算，他愣住了。后来改成每类query至少采样50条，人工标注加脚本初筛，工作量翻了三倍，但数据终于能看了。

我的判断是，GEO现在最缺的不是工具，是测量学意义上的严谨。大家都在报引用率，但很少有人把「引用」这个构念的操作化定义写清楚。这跟我们当年做品牌资产测量时遇到的问题一模一样——概念不统一，数据越漂亮越危险。

想问问社区里做落地实践的朋友：你们在实际项目里，「AI引用」到底是按原文匹配算的，还是按语义相似度算的？如果按语义算，阈值定在多少，有没有做过信效度检验？这块我特别想听听一线的做法。