很多做 AI 曝光的人心里都有一套默认逻辑：把口碑做好，正面内容铺开，AI 自然更愿意提你。于是舆情分被当成了可见度的先行指标——差评少了，引用自然会涨。

一份覆盖 900 万条 AI 回答的数据，把这个假设掀了。结论有点反常识：正面情绪并没有可靠地带来更多引用。

情绪分高的品牌，没有被引更多

这份数据来自 Writesonic 跟踪的 400 多家企业品牌，横跨 ChatGPT、Google AI 概览、AI Mode、Gemini、Perplexity、Copilot、Grok、Claude、Meta AI 九个平台。在 ChatGPT、AI Mode、Gemini、Copilot、Grok 这五个平台上，情绪与引用频率是负相关的：负面提及比例更高的品牌，反而略微更容易被引用；而正面情绪没有稳定地提高被引概率。

原因不难理解。模型优化的不是「喜不喜欢你」，而是「讨论你的频次和深度」。争议会留下更多的可检索语料——测评、对比、投诉、新闻都算脚印；一个大家都不讨厌、但也没人聊的品牌，留下的脚印反而更小。

这条逻辑在更早的研究里也出现过。普林斯顿与伯克利关于大模型知识的研究发现，模型能不能说出一个事实，和这个事实在训练数据里出现的次数直接相关。

先说清口径：这是相关性，不是因果。它既不是让你去制造差评，也不是说口碑不重要——它只说明情绪分不能拿来预测可见度。

被引用、被点名、被推荐，是四件事

第二个容易搞混的点：AI 引用你，是在回答用户，不是在夸你。它可能引一条负面测评、一张对比表、一段投诉帖，甚至是你的帮助页，理由只有一个——这一页能回答这句话。

所以完全可能出现这种局面：你在答案里「可见」，却通篇没有一句正面表述。被引用、被点名、被推荐，本来就是三件不同的事，再加上「口碑好不好」，是第四件。

指标它回答的问题
被引用有没有用你的内容
被点名答案里有没有出现你的名字
被推荐有没有把你列进建议名单

把这四件事压进一个数字，报表就会骗人。

三个动作：把舆情和 GEO 拆成两条线

一、指标表拆成两栏。 舆情栏放正负情绪比例、差评处置时效，对应信任与转化；可见度栏放被引次数、被点名率、对比竞对的声量份额，对应 AI 场景里的存在感。两栏各自有负责人、各自定目标。

二、盯讨论广度，别盯情绪正负。 与其每天数正面内容有几条，不如数清楚两件事：用户真会问的那些问题下面，有没有人在讨论你；这些讨论落在哪些页面上。覆盖最窄的那几类问题，就是下一篇内容该补的位置。

三、给报表加一条校验线。 引用数涨的时候，同时看品牌词搜索量、AI 渠道的直访或留资。三个一起动，引用才算干了活；只有引用数自己在涨，多半是数字好看。

舆情该做的事照做：真实的差评、投诉、服务问题会吃掉转化和信任，这跟它在 AI 里被引多少次没有关系。只是别再指望投一轮正向内容，就能把可见度拉上去。

一句话收尾：情绪管的是信任，引用管的是可见。把两件事算进同一个数里，两边都会做不准。