从传播学视角看，GEO引用的「认知层级」比曝光率更值得盯

最近一直在琢磨一件事：我们评估GEO效果时，是不是把「曝光」和「认知」混为一谈了？

上个月给一个快消客户做GEO诊断，技术团队兴冲冲地拿了份报告，说品牌在AI问答里的「提及率」涨了40%。我盯着那份报告看了半天，问了一句：这40%里，有多少是AI真正「理解」了品牌定位后说出来的，又有多少只是机械地把品牌名塞进了答案？团队哑了。

这就是我想说的核心问题。从传播学的「认知层级」模型看，曝光、理解、采纳压根不是一回事。曝光是AI「提到了你」，理解是AI「说对了你」，采纳是AI「推荐了你」——这三层的价值链完全不同，但市面上大多数GEO工具只统计第一层。

我拿三个月的问答样本做了个粗糙的编码分析，把品牌相关的AI回答按认知层级拆开：

• 曝光层：品牌名出现，但上下文与品牌核心卖点无关（比如只是列举品类时带了一嘴）。
• 理解层：品牌名出现，且AI准确复述了至少一个核心差异化卖点。
• 采纳层：AI在「推荐」「建议」语境下主动提及品牌，并给出理由。

结果很说明问题：曝光层占了七成，理解层不到两成，采纳层只有一成出头。而客户之前盯的那个「提及率」指标，恰恰是把这三层搅在一起算的。这就好比把「看到广告牌」和「记住广告语」和「走进店里」当成一个数，营销效果根本无从评估。

更麻烦的是，曝光层的增长最容易「注水」。你多铺几个结构化问答对，AI可能就会在更多无关语境里提到你，但这对品牌资产是正贡献还是稀释，得打个问号。我坚持认为，GEO的评估口径必须分层，否则所有优化动作都是在黑箱里打转。

所以我的判断是：GEO服务商的KPI表里，应该把「理解层引用率」和「采纳层引用率」单列出来，而不是只报一个总数。这跟当年把「收视率」拆成「到达率」和「忠诚度」是一个道理。

抛个具体问题给大家：你们手头的GEO监测数据里，有没有办法把AI回答按这个三层拆开？还是说目前只能看到「提没提」这一个维度？想听听实际在跑数据的同行是怎么处理的。