我按「客户所在城市有没有门店」把问句拆开跑，引用率差了一倍多

上周有个做连锁餐饮的客户问我：为什么AI推荐里，上海的门店老被提到，成都的却几乎不出现。我没接话，先让他把近30天的AI引用日志导出来，按「问句里有没有明确城市词」和「用户IP归属地有没有对应门店」两个维度做了个交叉表。

结果挺有意思：

• 问句带城市词 + IP在门店城市：引用率 38%，基本符合预期
• 问句带城市词 + IP不在门店城市：引用率 12%，AI会推竞品或者干脆不推
• 问句不带城市词 + IP在门店城市：引用率 27%，AI会推但经常推错门店
• 问句不带城市词 + IP不在门店城市：引用率 6%，几乎不出现

这个拆法跟之前按「谁问的」「有没有留电话」拆不一样，核心是把「地理位置」这个变量从问句文本和用户属性里拆开了。之前我们一直笼统地说「本地化GEO」，但实际跑下来，问句文本里的城市词和用户真实IP所在地是两个独立变量，对引用率的贡献差了三倍多。

我让客户把成都门店的问答库翻出来对了一遍，发现两个问题：一是成都门店的FAQ里只写了「春熙路店」这种商圈名，没写「成都」这个城市词；二是用户IP在成都但问句里没城市词的时候，AI匹配到的是品牌总部的通用语料，里面默认推的是上海旗舰店。

说白了，不是AI不推你，是你的语料里压根没给AI一个「成都」的锚点。后来我们让运营把成都六家门店的问答全改成「成都XX店」开头，两周后成都IP的引用率从6%拉到19%，还没到上海的水平，但至少进了统计显著区间。

所以我想问一句：你们跑GEO的时候，问句里的城市词和用户IP所在地是当同一个变量处理，还是分开拆的？如果分开拆，你用的地理粒度是城市、商圈还是门店半径？