看了三份GEO效果报告，我发现大家都在自说自话

最近连续看了三份关于GEO效果的报告，有咨询公司的、有工具厂商的、还有平台自己发的，结论差异大到让我怀疑我们是不是在讨论同一个东西。

先说第一份，某咨询公司Q2的AI搜索流量报告，样本是500个品牌站点，结论是“GEO优化后品牌在AI回答中的提及率平均提升47%”。听着很猛对吧？但我翻到附录发现，他们的“提及率”口径是把所有AI平台（ChatGPT、Perplexity、文心、通义）的回答都算进去，且不区分问题类型——用户问“推荐几个XX品牌”和问“XX品牌投诉多吗”，品牌被提及的意义完全不一样，前者是机会，后者可能是危机。

第二份是某工具厂商的客户案例集，清一色“优化后引用率提升3倍”。我特意去查了他们监测的查询集，发现很多是品牌词+官网名的组合，比如“XX官网功能介绍”。这种query下AI本来就会引用官网，优化前后差异主要来自他们自己调整了监测范围。这不是GEO的功劳，这是统计口径的功劳。

第三份是平台方发的行业白皮书，相对克制，说的是“GEO目前缺乏统一的效果衡量标准，建议品牌关注AI引用来源的分布变化”。这句话我认同。但问题是，现在市面上的服务商拿着前两份报告的逻辑在卖方案，品牌方又急着要“AI时代的曝光数据”，两边一拍即合，最后就是一堆看起来涨了但不知道涨了什么的仪表盘。

我自己在公司内部做小范围测试的感受是：GEO的效果高度依赖品类和问题场景。比如我们一个做B2B工具的客户，在“XX工具怎么选”这类对比型问题里，结构化内容确实更容易被引用；但在“XX行业趋势”这种泛话题里，品牌内容被引用的随机性很大，今天引你明天引竞品，跟内容质量关系不大，跟模型当天的检索偏好关系更大。

所以我现在给内部汇报的结论就一句话：GEO的效果要等数据验证，不能过早下结论。至少得等几个季度，把口径统一了、把query分层了、把归因做干净了，再谈ROI。在那之前，所有“提升XX%”的数字，我都先打个问号。

你们那边做GEO监测的时候，怎么处理“品牌被提及”和“品牌被正面推荐”这两个指标的区别？有没有人试过把query按意图分层再算效果？