GEO的曝光全挤在认知层，我重新设计了对照实验才看清变量

上个月我在社区分享过，把品牌词按认知、比较、决策三层拆开问AI，曝光全挤在第一层。当时有同行留言说这是“品牌认知的自然规律”，我不太买账。

本质是：如果曝光分布真是自然规律，那它应该在所有品类里都一致。但我拿三个品类做了对照——家电、美妆、B2B软件——发现美妆的决策层曝光比家电高出近一倍。这说明变量不在“规律”上，而在问句设计本身。

于是我重做了实验。控制三组变量：

1. 问句来源：一组用平台推荐问句，一组用客服真实工单，一组用竞品FAQ改写；
2. 品牌词位：放在问句开头、中间、结尾；
3. 模型版本：同一问句在两个主流AI搜索平台各跑两轮，隔一周重跑。

结果挺打脸。曝光分层剧烈依赖问句来源——客服工单那组，决策层曝光占比从认知层的12%跳到了41%。而平台推荐问句那组，三层曝光几乎没差异，全是浅层品牌提及。

判断依据：AI对问句的意图识别，本质是抓关键词位置和句式模板。你把品牌词放句尾，模型更容易把它当候选而非主语，答案就会往比较和决策走。这不是玄学，是可复现的变量。

还有个细节：同一问句隔一周重跑，决策层曝光掉了7个点。说明模型的答案池在滚动更新，单次实验的结论保质期很短。那些拿一次跑分就下结论的GEO报告，样本户和重跑周期都没写清，基本没法复现。

我的观点：GEO背后的权力转移，转移的不是流量入口，是问句的定义权。品牌如果只盯着平台推荐问句做优化，等于把定义权交出去了。

想问问各位：你们做GEO实验时，问句来源是怎么选的？有没有人试过用工单数据反推问句库，决策层曝光能稳住多久？