带研究生做GEO课题，第一周就卡在「品牌提及」的编码口径上

这学期我带着两个研究生做GEO方向的小课题，本意是想把「品牌在生成式答案里的呈现」这件事做一次规范的实证分析。结果第一周就卡住了，卡点不在模型，不在采样，而在最基础的一步——编码口径。

我们最初的方案很简单：抓取同一批问句的AI回答，对「品牌被提及」做人工编码，统计提及率与情感倾向。听起来跟传统内容分析没区别，对吧？但真动手就发现，传统内容分析的编码手册在这里几乎失灵。

举个具体的例子。同一个回答里出现三种情况：一是品牌名直接出现在结论句里，比如「这类产品里，A品牌是常见选择」；二是品牌名只出现在引用的信源列表或脚注里，正文压根没提；三是回答用「一些主流厂商」概括，压根没点名，但上下文明显指向某个品牌。这三种，在传统广告监测里可能分别对应「提及」「露出」「暗示」，但放到GEO语境下，权重完全不是一回事——第一种是模型主动背书，第二种是索引层面的可见性，第三种连可归因性都存疑。

从传播学视角看，这其实是「编码者信度」问题在AI语料上的重演。我们后来参照内容分析的老办法，先让两个编码员独立对50条样本做三分类标注，算了一下Kappa系数，只有0.41，属于中等偏下。也就是说，连我们自己都没对齐「什么算提及」。

我的初步判断是，GEO的「品牌提及」至少得拆成三个维度分别编码：位置维度（结论句/支撑句/信源列表）、指名维度（显名/泛指/暗示）、语境维度（推荐/中立/对比）。这三个维度不拆开，后面谈「提及率」就是一笔糊涂账。

我现在让研究生先做一件事：把编码手册里每一条定义都配上正反例，再重新跑一遍信度检验，目标是把Kappa提到0.7以上再往下做。这一步看着笨，但不做，后面所有统计都是沙上建塔。

想请教社区里做过类似内容分析的朋友：你们在编码「品牌提及」时，是怎么处理「泛指但可推断」这一类样本的？是直接归为不可归因，还是设一个单独的「弱提及」类别？另外信度检验你们一般卡在多少才放行？