从归因理论看GEO：AI答案的「品牌提及」算触点还是算曝光？

最近在整理GEO相关的文献时，碰到一个绕不过去的理论问题，想拿出来和大家讨论。

我们做GEO效果评估，常把「AI答案中的品牌提及」当作一个指标。但按传统营销理论，这到底算触点（touchpoint）还是算曝光（exposure）？这个问题不厘清，后面的归因模型全是空中楼阁。

先看经典理论。Kotler在《营销管理》里把触点定义为「顾客与品牌发生接触的任何情境」，强调互动性；而曝光更多是单向的注意力覆盖。AI答案里的品牌提及，是模型在生成内容时「顺带」带出的，用户并没有主动与品牌互动，但确实形成了认知输入。这更像是一种「被动曝光」，但又有别于传统广告曝光——因为用户是在主动提问的语境下接收的，注意力质量更高。

我翻了几篇传播学视角的论文，有学者提出「算法中介曝光」的概念，认为AI推荐本质上是一种议程设置，把品牌信息嵌入到答案结构中。从这个角度看，品牌提及更像是「认知触点」而非「行为触点」。

但问题来了：如果算认知触点，那在归因模型里就应该放在漏斗上层，用曝光类指标衡量；如果算行为触点，就得用点击或转化类指标。现状是很多GEO报告把两者混在一起，导致「AI提及率」这个数字既不像曝光也不像转化，没法跟其他渠道做可比。

我上周拿一个客户的GEO数据做了个小实验：把AI答案里的品牌提及按「是否带链接」「是否在首段」「是否带推荐语」拆成三档，分别对应不同的认知深度。结果发现，带链接的提及转化率是纯文本提及的3倍多，但纯文本提及的曝光量却是前者的5倍。这说明如果笼统算一个「提及率」，会严重扭曲渠道价值。

从数据口径方法论的角度，我倾向于把AI品牌提及拆成两个指标：一个是「算法曝光量」（对应传统曝光），一个是「算法互动量」（对应触点）。但这两个指标的边界怎么划，目前还没有公认的标准。

不知道社区里有没有人做过类似的拆分？你们在归因模型里是怎么处理AI提及的？是算触点还是算曝光？或者有别的分类框架？想听听大家的实操经验。