把「品牌词+品类词」捆一起算引用率，我拆开才发现差了近一倍

上周帮一个客户做GEO口径复核，服务商给的是「品牌词+品类词」合并引用率，报了个挺好看的数字。我让他把问句库按词类型拆开重跑，同一个周期、同一个模型，结果差出将近一倍。

拆法很简单，但大多数人没做：

• 品牌词单独一组：问句里带明确品牌名，比如「XX 的售后怎么样」。这类问题AI本来就在资料里高频看到品牌名，引用率天然高，放进来会严重拉高整体。
• 品类词单独一组：问句里不带品牌，比如「国产XX哪个牌子稳」。这类才是真正测AI能不能在无提示情况下想到你，引用率通常低一截。
• 混合组：品牌名和购买意图都有的问句，单独列，别和上面两组混。

客户原来的分母是把三组合并的，品牌词组占了问句库的六成以上。等于说，他花了大价钱优化，测出来的很大一部分是「AI认不认识你名字」，不是「AI会不会主动推荐你」。

还有一个更隐蔽的点：同一问句在不同平台的分母去重规则不一样。有的平台把同一问句的多轮追问算成一条，有的算成三条。分母口径一变，引用率就能上下浮动十几个点。我这次的核对方法是：先固定问句库版本号，再固定去重规则，最后才看引用率。顺序反了，结论全是错的。

给个可复现的操作顺序：

1. 问句库版本号写进报告首页，后续任何对比都以此为准。
2. 按品牌词、品类词、混合词三组拆分，各自算分母和引用数。
3. 去重规则单独标注：按问句ID去重还是按会话去重，必须写清楚。
4. 报告里至少保留两组以上数字，合并值放附录，别放主表。

我的判断是：合并引用率可以作为对外汇报的概览，但内部优化决策必须看拆开后的品类词引用率。不然你永远不知道钱花在了「让AI记住你」还是「让AI推荐你」上。

最后问一句：你们现在报告里的引用率，分母是按问句条数算的，还是按会话数算的？这个数不写清楚，横向对比基本没意义。