带研究生做了一学期GEO测量，说句得罪人的话：问句不锁死引用数就是在测噪声

这学期我带着两个研究生做GEO的测量效度问题，前后收了四百多组问答会话。做到现在，有个结论我基本敢说了：如果问句不锁死、引用口径不统一，你测出来的引用率本质上是在测噪声。

先说我们踩的坑。刚开始我们照搬市面上通行做法，一组prompt问一遍，数AI回答里出现了几次品牌名，除以总回答数，得出一个“提及率”。看起来挺科学，但第二轮复核时我发现，同一个意思的问句，只要把“推荐几个”改成“有哪些值得考虑”，品牌提及概率能差出将近一倍。更麻烦的是引用——有的模型会把品牌名放进正文，有的放进末尾的来源列表，有的干脆只给个链接。我们一开始把这些全算进“一次引用”，后来拆开统计，发现正文提及和来源列表引用的重合度只有三成多。

这就带出一个根本问题：提及（mention）和引用（citation）是两回事，混在一起算，数据就失去了归因价值。 从传播学视角看，这相当于把“被说到”和“被当作信源”塞进同一个指标——一个是曝光量级，一个是可信度背书，它们对应的用户认知阶段完全不同。前者影响的是知晓，后者影响的是说服。你把它们加总成一个“引用率”，后面拿这个数去指导内容投入，方向必然是偏的。

我的建议是分三层来测，不要偷懒：

1. 问句层要锁死。 固定问法、固定轮次、固定是否追问，最好把首轮和追问轮分开记。我们实测首轮提及和追问后提及差接近一倍，这个差值本身就是信息，混着算就丢了。
2. 引用层要拆口径。 正文提及、来源列表引用、带链接跳转，三档分别统计，别合并。
3. 监测层和转化层不要混算。 引用率是监测指标，询盘、加购、留资是转化指标，两套逻辑。看到引用率涨就开香槟，跟看到阅读量涨就以为销量会涨是一样的问题。

我不反对大家做GEO，相反我认同它是营销理论的延伸。但正因为是延伸，测量效度这一关就绕不过去。指标不可靠，后面的策略全是沙上建塔。

想问问各位一线的朋友：你们在统计AI引用的时候，到底是怎么界定“一次引用”的？正文出现品牌名算不算，只在来源列表里出现算不算？如果有比较成熟的口径，欢迎贴出来，我正好拿这学期的数据做一轮对照验证。