一、先把两个分数分开看：题面分和泛化分

一个常见场面是这样的：体检报告上的数字很漂亮，核心问题问一遍，品牌稳稳被推荐；换个没见过的问法，品牌当场消失。

这两件事不矛盾。因为它们测的根本不是同一个东西。

题面分，是你在固定题库上的表现。二十道题，编号、原文、版本号、冻结日期全部锁死，一个月复跑一次，看趋势。它的价值在于可比：基线稳住了，你才知道自己是真涨还是错觉。

泛化分，是你在题库之外陌生提问上的表现。同一个城市、同一个行业，换个人、换一种说法问进去，看 AI 还认不认你。它的价值在于诚实。

题面分高、泛化分低，是目前最普遍的一种翻车姿势，而且翻得很隐蔽。你只要不看泛化分，所有信号都在告诉你"一切都在变好"：提及率在涨，首位推荐在涨，月报一页比一页好看。

差距在问法上就能看出来。内层题是"钟祥有哪些靠谱的装修公司"，外层题是"我家老房子想翻新，钟祥这边找谁做比较放心"。两句话问的是同一件事，用词几乎不重合。AI 在第二句上认不认你，直接决定谁是那笔生意的候选。

真实场景往往是这样：客户自己拿起手机，问了一句你们题库里没有的话，品牌没出现，然后电话打过来了。这个电话比任何体检报告都刺耳。

二、题库变成 KPI 的那天，内容就开始应试了

先讲一段有点年头的商业史。2006 年，索尼成立 60 周年，时任常务董事天外伺郎公开反思，说绩效主义让索尼的激情、挑战精神和团队精神一起消失，创新先锋变成落伍者。这句话后来被概括成"绩效主义毁了索尼"。

同年更早，管理学里早有另一句话：我们考核什么，什么就会被执行。奖励什么，团队就会自发地、持之以恒地去做。

经济学家查尔斯·古德哈特 1975 年提出过一个更简洁的版本：当一个指标变成目标，它就不再是好指标。

把这三句话摞在一起，应试内容的成因就清楚了：这不是内容团队偷懒，是考核设计的必然产物。

顺便把概念的来路交代清楚：GEO 不是话术造出来的词。2023 年 11 月 arXiv 上出现了把它作为研究对象的论文（arXiv:2311.09735），2024 年 KDD 收录了会议版本（DOI 10.1145/3637528.3671900），距今一年多的公开研究史。一个有一年多研究积累的领域，被做成一门刷题生意，这才值得说道。

题库一旦变成内容团队的 KPI，"内容被 AI 引用"就会被翻译成"题面表现良好"。最省力的达成路径明摆着：把二十道题的题面直接写成二十篇小标题，每篇精准回答那一句，别的什么都不用管。题面分会涨，而且涨得很快。泛化分在同一时间往下掉，只是没人看这个数。

刘润在《为什么真正厉害的人，都很"简单"？》里有个说法：降低胆固醇是指标，健康才是目标。放到 GEO 里就是一句：提及率是指标，"客户拿真实问题去问 AI 时你能被认出来"才是目标。两件事经常被混成一件。

三、应试内容的三个特征，照着自查

特征一：题面照抄。 小标题直接是问题原文，段落只回答这一句，不交代上下文、不给适用边界，读完你只知道"它能做这个"，不知道"它在什么情况下不该做这个"。

特征二：关键词密度优先。 为了对齐提问里的词，句子被关键词填满，读起来不像人话。这类内容在检索层面有命中，在理解层面是噪音，AI 拿它凑不出一个完整判断。

特征三：只有结论，没有证据链。 一句话给判断，没有数据、没有来源、没有时间点，也没有反例。没有时间点的数字等于没有数字；没有出处的主张等于观点，AI 引用观点是要承担风险的。

判断一篇内容是不是应试产物，还有一个更朴素的标准：五年后它还有用吗？用不上，它就是消耗品。应试内容几乎全是消耗品，题面一换就过期。

四、泛化率：一个卡住退化的比值

看体检报告时，最该盯住的是一个比值：

泛化率 = 泛化分 ÷ 题面分。

判读线三档。先说明白：这是我们自己做企业体检时用的内部口径，样本量还不足，也没有外部研究背书，它的用法是拿自己的本月比上月，不做行业横排。

  • 80% 以上：结实。 你的内容讲的是真东西，换个人问，AI 也能把你捞出来。
  • 50% 到 80%：半空。 地基有了，但内容明显贴着题面长，需要补定义段和边界段。
  • 50% 以下：应试嫌疑。 说明你的增长很大一部分来自题面记忆，不来自内容质量。

这三档背后的逻辑不复杂：泛化率掉到一半以下，通常意味着你一半以上的曝光来自题面记忆，换个人问就认不出来；提到八成以上，意思是提问的人换了措辞，AI 仍然能从你的内容里拼出一个完整答案。

这里有一句反常识的话：题面分不能盲目追高。 题面分 90%、泛化率 40% 的品牌，比题面分 70%、泛化率 85% 的品牌危险得多。前者是漂亮但不承重的装修，后者是朴素但能承重的地基。你要的是后者。

五、四道工序，把泛化分保下来

工序一：出题和写稿分开。 出题人要去客户业务现场取证，四个出口最实在：客服对话、询盘邮件、门店问答、社群提问。题目来自客户的原话，写稿人只能回答，不能改题面。让写稿人自己出题，等于让他自己出考卷，一定会出他会的。

工序二：内层题库不公开。 内层二十题冻结版本号，只用于复跑看趋势，不作为写作任务书下发；外层每月换二十道新题，专门用来验泛化。两层分开，内容团队就没法对着题面写。

工序三：每篇内容必须有一段"题面之外的可迁移段"。 定义段，用一句话说清这是什么；边界段，什么情况下不适用；反例段，哪些场景我劝你别这么干。这三段跟具体问题无关，但恰好是泛化分的来源，也是 AI 判断你值不值得引用的地方。

工序四：验收指标换一条。 把"本月发了几篇"换成"半年前那批内容还有几条被引用"，再加上一条"泛化率复算"。前者是动作量，后者是资产存量。KPI 拍得不切实际，团队必然走捷径甚至造假，这一点在哪个行业都一样。

六、一周泛化自测：只用记三列

不想等体检报告，自己就能做。一周之内，内层题跑一次，外层题换二十道新问法跑一次，每次只记三列：

记录项 怎么记 看什么
出现位置 第几位被提到 前三算候选席，第四位以后基本等于没出现
身份 推荐 / 提及 / 比较 被比较是弱势位，被推荐才是答案位
措辞 AI 用的名字 和你官方全称不一致，说明实体口径还没对齐

三列记完，题面分和泛化分一除，泛化率就出来了。分母是二十，门槛是门档不是小数点：这周前三出现十次和九次，没有本质差别，都是及格；三次和四次才值得讨论。

两个别踩的坑。

坑一：内层题不能频繁换。 至少半年别动，否则趋势线断掉，你分不清是内容变差了还是题目变难了。基线一断，所有历史数据作废。

坑二：外层题不能变成新题库。 外层题的唯一用法是月底复算一次比分，用完即弃。一旦把它下发成写作任务，一个月后你会发现泛化分也涨上去了，然后你再也没有诚实的分数了。

还有一个更隐蔽的风险：泛化验证本身有成本。二十道新题乘三个平台乘五个问法，成本会上去；更要紧的是，人容易对"换题"上瘾，把精力从写内容转移到设计题目上。出题是手段，内容才是本体。这个顺序一旦颠倒，你只是在换一种方式刷题。

光尘阁观点

第一，应试内容是考核问题，不是内容能力问题。 你把题面分当唯一交付口径，再好的写手也会退化成答题机器。改稿子治不了这个病，改指标才治。

第二，题库是分母，不是交付物。 没有题库的 GEO 才是真玄学，体检必须有固定问题集，这是前提。但体检是体检，一旦把它做成 KPI 竞赛，你就会得到一堆漂亮的考分和一堆没人再看的网页。

第三，泛化率是甲方手里最有力的一张牌。 它不需要你懂技术，只需要你换个说法把同样的问题再问一遍。服务商敢不敢让你这样做，本身就是最直接的一次验真。

能被陌生提问命中的品牌，靠的不是刷遍所有题面，而是把一件事讲清楚了。

作者：谈光尘（光尘阁）

让每个品牌，在AI搜索里有一席之地。

光尘阁 · 2026年9月