数字也会说谎 · 智多GEO

A 医生手术成功率 99%、死亡率 0；B 医生成功率 75%、死亡率 15%。给你这两组数字，你选谁？如果 B 做的全是 A 做不了的高难度手术，你还选 A 吗？同一组数字，答案在补上一句话之后完全翻转——这，就是数字最危险的地方。

一、两组数字，一个问题

先把题目原样摆出来，不加任何铺垫：

	A 医生	B 医生
手术成功率	99%	75%
手术死亡率	0%	15%

几乎所有人看到这张表的第一反应是选 A。这合理——数字没有骗人，99% 就是 99%，0% 就是 0%。

但现在补上一句话：B 医生做的全是 A 医生做不了的高难度手术。再问一次，你选谁？

这一下，多数人会改选 B。理由也不难找：A 的样本是经过筛选的简单病例，他接手的是别人筛过的「安全牌」，所以他的数字漂亮；B 明知山有虎，偏向虎山行，他的每一个数字都必须靠真本事挣回来。

注意：四个数字一个都没变。变的只是它们背后的样本。

这就是本文的全部起点——脱离样本的单一数字，不是信息，是零信息。它甚至不如没有，因为它看起来像信息。

上面那个例子之所以让人上当，是因为数字被从它出生的语境里单独剪了下来。这件事在现实里天天发生，而且有固定的几种手法。

剪掉分母（选择偏差）。「成功率 99%」的分母是什么？如果 A 一共只做了 2 台手术、死了 0 个，这也是 99%。分母不公开，成功率就只是修辞。
换掉样本（幸存者偏差）。只统计完成了的、留下了的、愿意反馈的。A 医生的失败案例未必不存在，只是没进这张表。
偷换时间窗。「近一年成功率 95%」和「该医生生涯累计成功率 71%」可以同时为真。选哪个窗口，取决于他想证明什么。
把不相关的量并列。「成功率 99%、满意度 98%、平均等待 2 小时」——把三个好数字放一行，读者的印象是「这家很好」，但三者之间可能毫无关联，甚至互相矛盾（医生越好越忙，等待越长）。
让数字替代判断。最后一步也是最难防的：数字被反复转述，每次都省掉半句限定条件。传到第五手，它已经成了一句可以拿去做决策的「事实」。

共同点：这五种手法没有一种在篡改数字。它们改的是数字旁边的限定条件。所以你无法靠「核对这个数对不对」来防——数是真的。

这不是一个医疗故事，这是 GEO 行业每天在发生的事。

设想你拿到两份 GEO 报告：

按数字，你当然选 A。但只要补一句话，结论就可能翻转：

服务 A 的问法集是 500 条宽泛问法（「XX 行业怎么样」这种大词），服务 B 跑的是 200 条带 buying intent 的具体问法（「XX 多少钱」「XX 和 YY 哪个好」）。分母不同，提及率不可比。
A 的品牌名是个通用词，AI 在提及同行时顺带把它当形容词用了；B 是三字叠字品牌，必须完整匹配才算一次提及。A 的提及有一部分是「蹭词」。
A 只测了一个平台、一个时间点；B 测了三个平台、多周采样。AI 答案本身就波动大，单点数字的分量本来就轻。
A 的品牌本身知名度高，AI 本来就知道它，不需要优化也高；B 是新品牌，从零往上打。用同一把尺子量「知名度带来的存量」和「GEO 带来的增量」，量出来的当然不是一回事。

四个数字一个都没变，优劣判断却从「A 碾压 B」变成「说不清」。

这就是 GEO 单一分数最大的问题：它把一份需要五个限定条件才能读懂的东西，压缩成了一个可以截图发群的数字。

不是「不要看数字」，而是看数字的时候必须同时问五个问题。我把它们写成一张每次看报告都要执行的检查表：

要问的	具体查什么	答不上来意味着
分母是什么	问法集多少条、怎么选的、含不含 buying intent	比率类指标全部无效，只能当参考
样本是怎么筛的	品牌词是否通用词、是否含蹭词命中	提及率可能高估
时间窗多长	单次还是多周均值、跨了几个波动周期	单点数字不能下趋势结论
测了几个平台	一个平台的结论不能外推	覆盖面未知，风险未知
基线是谁	有没有优化前的对照，还是只有优化后的快照	无法归因，投入无法证明有效

一条实用的自检：任何一份只给你一个总分的 GEO 报告，都可以直接问一句「这个分是怎么算出来的」。答不出权重、答不出分母，就不必再往下看了。这不是刁难，是最基本的可复核性要求。

回到最开始。既然单一数字无效，那我们靠什么判断？

能推出一条很朴素的结论：选择服务商、选择医生、选择任何供给方，本质上都是在选样本结构，不是在选数字。

具体到 GEO，落到四件事上：

先问问题集，再看结果。问法集是整个测量的地基。它宽泛，你可以拿到漂亮的收录量；它具体，你拿到的是难看的但有用的数字。地基不该由出成绩的人来定义。
要求披露口径，而不是要求更高的数字。一份不肯说清分母和采样方式的报告，多半也报不出更好的数字——因为它只会在「报什么」上做优化。
看变化，不看水平。水平高低受品牌存量影响很大，变化才反映你的动作是否起作用。这也是为什么对照组比前后对比更有价值。
用四层而不是一个分数看结果。存在（AI 收录量、提及率）→ 被认可（正向提及占比）→ 被信任（引用率、引文准确率）→ 被选择（推荐率、询盘转化率）。四层会呈现不同的走势，而把它们压成一个数，正是信息丢失的全过程。

前面说的都是「数字被误读」。但还有一种情况更值得警惕：数字是真的，测量过程是假的。

比如把一批宽泛问法的结果算成一个「行业均值」，再拿它和自己「优化后」的窄问法结果对比——两个数放在一起，会得到一个完全站不住的提升幅度。

更常见的做法是选择截止时间：一直测到某天数字漂亮为止，然后把那一天标为成果日。这类操作不需要篡改任何数字，但结论是编的。

识别它的方法只有一个：要求对方先给出测量方案，再看结果。顺序反了，结果就不可信——不是因为数据假，而是因为筛选数据的自由度太大。

数字本身没有善恶，它只是一个符号。给它足够多的限定条件，它就能支持判断；把它单独拎出来放进 PPT，它就成了一个可以骗人、也可以骗自己的东西。

所以下次再看到一份报告里孤零零的一个分数，不必怀疑对方是否诚实。先问五个问题：分母、样本、时间窗、平台、基线。问完之后你多半会发现，那个分数其实一直在说话，只是说的不是你以为的那件事。

数字不会说谎，但没上下文的数字会替人说谎。