翻出十年前教材里的「信息搜寻成本」，才发现GEO的评估体系缺了一整块

最近重读科特勒那本《营销管理》，翻到「信息搜寻成本」那一节，突然意识到我们现在讨论GEO时，评估框架其实是跛脚的。

从传播学视角看，GEO本质上是在重构用户与品牌信息之间的「接触成本结构」。传统搜索时代，用户需要点开多个链接、比对信息、做决策——这个过程中的搜寻成本主要由用户承担。而AI搜索把这个成本转移了：用户只面对一个整合后的答案，剩下的筛选工作由模型完成。这本来是效率的提升，但问题在于，我们现在的GEO评估几乎全在用「引用率」「提及率」这类指标，却很少有人追问：这些指标到底在度量什么？

我拿自己手头一个项目做了个对照。同一个品类下，我按「信息搜寻成本」的视角把问句分成三类：第一类是用户只需要知道「有这个东西」的（低搜寻成本），第二类是需要比较参数的（中等搜寻成本），第三类是涉及售后、适配性判断的（高搜寻成本）。跑完发现，AI引用率在这三类的分布极不均衡——低成本的问句引用率很高但商业价值有限，高成本的问句引用率低，可一旦被引用，转化质量明显更好。

这说明什么？说明我们拿一个笼统的「引用率」去汇报，实际上把不同搜寻成本层级的问句混在一个池子里平均了。这跟早年间做广告效果评估时把「曝光」和「转化」混为一谈是同一个毛病。

更麻烦的是数据口径问题。我让团队把近三个月的跑批日志按这三类重新拆分，发现同一批问句在不同批次的引用率波动能到两倍以上，追根因是模型版本迭代导致高搜寻成本问句的召回策略变了——低成本的常识类问句几乎不受影响，但需要多步推理的问句对模型版本极其敏感。这个发现让我对现在流行的「周度引用率趋势图」产生了很大怀疑：不分层的趋势线，很可能是在用低成本的稳定掩盖高成本的波动。

我的判断是，GEO要真正进入营销理论的框架，必须先解决「问句分层」和「成本层级」的对应关系，否则我们就是在用一个没有分母定义好的比率自说自话。

想请教各位：你们在实操中，有没有按「用户信息搜寻成本」对问句做过分层？如果做过，分层的依据是什么——是按决策阶段，还是按答案的推理步数？