问句按「决策阶段」拆四层才看清引用率，混着算等于白做

先说结论：如果你的 GEO 引用率是把所有问句混在一起算一个数，那这个数基本没有决策价值。上周我把同一个品牌的 380 条问句按决策阶段拆成四层重跑了一遍，最高层和最低层引用率差了 41 个百分点，混在一起算出来的那个「平均值」正好落在中间，谁看了都以为效果平平。

怎么拆的四层

• L1 认知层：品牌名+是什么/怎么样，比如「XX 家装靠不靠谱」
• L2 对比层：A vs B、XX 和 YY 哪个好
• L3 条件层：带价格、带城市、带人群限定，比如「上海 80 平老房翻新预算」
• L4 决策层：带行动意图，比如「XX 报价单怎么要」「XX 售后电话」

每层 90-100 条，同一批 NTP 源、同一采样窗口，间隔 4 小时跑两轮取交集，避免单次波动。

实测结果

L2 对比层引用率最高，两轮平均 63%；L1 认知层 52%；L3 条件层掉到 38%；L4 决策层只有 22%。也就是说，AI 在用户「做选择」的时候最爱引用我们，在用户「要动手」的时候几乎不提。这个结构一出来，之前「整体引用率 44%」这个数就没人再提了——它掩盖了 L4 那个大坑。

我又顺手核了 L4 落榜的问句，七成以上是 AI 答了通用流程（怎么联系客服、怎么填表），根本没走到品牌信息那一步。这不是内容质量问题，是问句背后该被引用的「结构化字段」我们压根没铺：报价入口、售后政策、预约表单，schema 里都是空的。

两个提醒

第一，分母一定要写清是哪几层、各多少条。上周有服务商给我报「引用率提升 30%」，我一问分母是 60 条对比层问句，那提升是应该的，对比层本来就最容易命中。第二，分层的边界要在跑之前钉死，别跑完再调，L3 和 L4 的界线（带不带行动动词）最容易事后挪，一挪结论就全反了。

这套拆法我还在跑第三轮验证稳定性，样本想扩到每层 200 条。想问问各位：你们做 GEO 监测时，问句是按决策阶段拆，还是按品类/城市拆？两种拆法我怀疑会得出不同的优化优先级，有没有人做过交叉对比的？