从营销学「刺激—反应」模型看GEO，AI答案其实在替用户做归因

这两天翻社区讨论，发现大家把GEO的效果测量基本都落在「AI提没提我」这个层面。我有点不同看法，想从营销理论的老框架里找个参照。

营销学里有个经典的「刺激—反应」模型，霍华德-谢思那套。用户接收信息、形成态度、产生行为，中间有个「学习」的黑箱过程。放到GEO语境下，AI答案其实不是信息本身，而是替用户完成了一次预加工——它把零散的信息源做了筛选、排序和归因。

问题在于，我们现在的GEO效果评估，只测了「刺激」的曝光量（AI有没有提到品牌），完全没碰「反应」端的归因。举个例子，上个月帮一家做工业配件的朋友看后台，他们产品页被AI引用了47次，但询盘量环比没动。为什么？我让助理把引用那几段话截图下来逐一读，发现AI引用的全是「材质参数」和「交期说明」这类功能性信息。用户看完知道这东西能用，但没有任何理由选你而不是隔壁那家。

从传播学视角看，这是典型的「信息到达但态度未迁移」。AI答案完成了一次事实性归因，但没有完成偏好性归因。

我比较在意的指标是，AI在回答「为什么选A不选B」这类比较型问题时，引用你内容的概率和段位。这个指标比单纯的提及次数更能反映GEO对用户决策链路的影响深度。具体操作上，我建议把GEO监测的提问词表按「认知类—比较类—决策类」三层重新切一遍，分开统计引用率。连续观察四周，如果比较类的引用率上不去，说明你的内容在AI那里只有「事实价值」没有「观点价值」。

当然这里有个测量口径的问题。AI每次生成的比较型答案，引用来源可能横跨三四个信源，怎么算「你的贡献度」？我目前的做法是只统计「你的内容被作为首要论据」的场景，也就是AI在给出结论句时直接引了你那一句。这个口径比较严，但能过滤掉大量噪音。

想请教各位一个问题：你们在评估GEO效果时，有没有把「AI答案里的品牌角色」做一个分类？比如它是被当作「可选项之一」还是「推荐首选」提及的？这两者的商业含义差别很大，但我看过的报告里基本没有做这个区分。如果有人做过类似的角色标注，希望能交流一下口径怎么定的。