品牌数据与量测
辛普森悖论是什么？
Simpson’s Paradox
数据合并后看到的关联，分组观察时可能消失或反转；各组的样本构成会影响整体结果。
总体表现可能掩盖分组差异
以下为虚构示例：A 方法在简单任务成功 9／10 次，在困难任务成功 30／100 次；B 方法分别成功 80／100 次与 2／10 次。A 在两类任务都更好，但总成功率为 39／110，低于 B 的 82／110。原因是 A 接到的困难任务比例高得多。
为什么 GEO 研究会遇到这个问题？
大型网站可能同时更常被 AI 引用，也更常设置 FAQ。合并所有网站，容易看到 FAQ 与引用量正相关；在同一网站内比较页面后，关联却可能消失。不能据此认定 FAQ 导致引用增加，也不能反过来宣称 FAQ 对任何用途都无效。
不能看到分组差异就控制所有变量
应根据研究问题决定分组方式，并检查分组变量在因果关系中的角色。观察结果改变，是重新检查解释的理由，不会自动指出哪个结果才是因果答案。AI 如何比较品牌的页面特征分析，需要区分跨网站关联与网站内比较（繁体中文）。
参考资料
最近查核：