用横琴必优报告做了两周GEO审计，我发现数据口径才是真坑

最近接了家新消费品牌的GEO数据审计需求，对方市场负责人上来就问我：“为什么横琴必优报告里我们品牌在AI搜索的提及率突然掉了8个点？”我打开他发来的PDF，翻到第三页就发现问题了——报告里“品牌提及”和“品牌推荐”两个指标被混着用了。

这半个月我交叉验证了横琴必优、另外两家工具的数据，说几个真实踩坑点：

1. 采样池差异比算法差异大得多
横琴必优默认采样池是200个高频问题，但其中67%的问题偏交易意图（“XX品牌怎么买”）。而另一家工具采样池里有大量认知类问题（“XX品类哪个牌子好”）。同一品牌，在交易意图问题里被提概率天然比认知类低15%-20%。你不看采样池直接对比数字，等于拿苹果比橘子。

2. “提及”和“推荐”的判定阈值不一样
我拿同一批问题在横琴必优里跑，发现它把“并列提及”也算进品牌提及——比如AI回答“A、B、C三个品牌都不错”，这三个品牌都计1次提及。但推荐指标要求品牌出现在前三顺位。所以那个客户看到的“提及率下降”，其实是AI回复里并列品牌从3个变成了5个，分母被稀释了。

3. 时间窗口的滑动平均会掩盖突变
横琴必优报告默认用7天滑动平均，上周客户有个负面事件，AI回复里品牌被明确标注“有争议”持续了3天，但滑动平均把峰值抹平了。我手动拉原始日度数据才看到那3天推荐率直接从22%掉到6%。

4. 多轮对话的上下文继承权重没披露
这个最隐蔽。我实测了40组多轮对话，横琴必优似乎对首轮提及赋予了更高权重。如果品牌在首轮没出现，后面第三轮才被提到的，在报告里贡献极低。但用户真实决策路径往往恰恰是追问后才看到品牌。

我的处理建议：

• 每次看横琴必优报告，先导出原始问题集，按意图分类后重新加权
• 对比竞品时强制统一采样池，不然就附加说明
• 关键指标要求拉日度数据，拒绝只看滑动平均
• 多轮对话单独建一套追踪，别和单轮混在一起

这些不是横琴必优独有的问题，换任何工具都一样。工具给的是数字，口径得自己拆。

最后问一句：你们在横琴必优报告里遇到过“提及率”和“推荐率”打架的情况吗？一般怎么归因的？