把GEO问句按「搜的人信谁」重切，冒出个官方号和素人回答互相打架的怪现象

这两周带着研究生做GEO问句的信源分析，遇到一个绕不过去的问题，写出来跟各位请教。

起因是我们拿一批家电类问句去问AI，发现同一个问题，AI给出的答案里，信源结构差别极大。有的问句，AI几乎全引用品牌官方账号的表述；有的问句，AI引的却是一堆素人测评、论坛帖。更麻烦的是，同一个问句，不同时间问，这两类信源还会互相打架——上午引官方口径说噪音是38分贝，下午引某测评说实测42分贝，数字对不上，但AI都说得言之凿凿。

从传播学视角看，这其实是经典的「信源可信度」问题在GEO场景下的复现。霍夫兰那套信源可信度模型讲的是专业性和可信赖性两个维度，落到AI搜索里，我倾向于把它拆成三层来观察：

第一层是信源的身份标识。官方号、媒体号、素人号，AI在抓取时对这三类的权重显然不一样，但这个权重是不是稳定的？我初步看下来，跟问句的意图强相关——「参数多少」这类事实型问句，AI偏向官方；「好不好用」这类体验型问句，AI偏向素人。

第二层是信源的时效信号。同一批问句里，带明确时间戳的旧内容，被引用的概率明显低于新内容，但有个反例：三年前的一篇深度测评，因为结构清晰、有小标题、有数据表，反而被反复引用。这说明时效不是唯一变量，内容的结构化程度在起作用。

第三层是信源之间的一致性。当官方和素人数据打架时，AI倾向于怎么处理？我目前观察到两种：要么各说各的、并列呈现，要么悄悄选一个、另一个不出现。后者最麻烦，因为用户根本不知道有分歧存在。

我的判断是，GEO优化不能只盯着「让AI提到我」，还得研究「AI在什么条件下愿意信我」。这跟我们做品牌资产测量是一个道理——知名度、美誉度、忠诚度得分开测，不能混成一个数。现在很多GEO报告把「被引用」当成一个笼统指标，我觉得口径太粗，至少得按信源类型和问句意图交叉切一刀。

具体做法上，我让学生建了个小表：问句、意图类型、AI引用的信源身份、信源时效、是否存在数据冲突，五个字段，先手动标了120条。标的过程中最费劲的是判定「意图类型」，同一句话不同人标出来结果不一样，这个编码信度问题我还在琢磨怎么处理。

抛个具体问题：各位在做GEO监测时，有没有遇到过AI在同一问句下引用互相矛盾的信源？你们是把它当成噪声忽略掉，还是会记录下来做分歧分析？如果要做，你们用什么标准判定「哪条更可信」？