Eco-GEO：法律服务AI引用先修事实还是扩覆盖——把工时、证据和可行性放在同一口径下

一、机制起点：被引用是可干预的通道，但通道不等于结果

Google 搜索文档说明，AI Overviews 与 AI Mode 会展示相关链接帮助用户快速找到信息，并可能使用 query fan-out 技术跨子主题与数据源发起多个相关检索、识别更多支持性网页 [S1]。同一文档指出，页面要作为支持性链接展示，前提是被索引且具备在 Google 搜索中展示摘要的资格，没有额外技术要求，既有 SEO 基础实践继续有效 [S1]。Bing 的公开预览说明，AI Performance 面板展示内容在生成式答案中被引用的总量、平均被引用页面数、grounding queries 与页面级引用活动，并明确这些数字不代表排名、权威性或页面在单个答案中的位置 [S4]。

这两份平台文档共同支持一个有限但关键的推论：律所内容是否被引用，是可观测、可干预的。边界同样清楚：S1 与 S4 分属不同平台，Bing 的计数跨其支持的 AI 界面聚合，grounding queries 只代表引用活动的一个样本 [S4]。因此本文只把它当作测量入口，而非效果证明：这些来源都不能证明引用带来委托、线索或收入，也不能证明中国法律服务业的购买周期或采用率。

二、受控对比提示的三个方向，以及它不能证明的东西

一项受控双来源 RAG 实验，在六个模型上比较仅一个内容因素不同的候选来源，并观察哪个来源被首先引用 [S2]。原表2中，证据因素的有限比值比为2.09至46.3，另有一项大于10000；价格因素的有限值为6.26至36.1，另有两项大于10000；覆盖深度的有限值为3.98至1480，另有一项大于10000。不能省略这些大值、把有限值区间当成整行范围，或把大于10000当成精确估计。原表是六个模型列，另有分组表头；本篇不据线性抽取的表头做逐模型归属 [S2]。

这些数值是比值比，不是引用概率或百分点增益。实验使用两个注入来源、匿名品牌与B2C商品语料；部分拟合有收敛告警，不同模型的效应大小差异很大 [S2]。本文选取证据、价格与覆盖作为与场景有关的讨论线索，不宣称它们是唯一有效因素。结构化因素含小于1的值，但组织性与一致性两行也有明显大于1的值，不能一概说成接近1或方向相反。这里不把所有大于1的点估计自动视为显著结果，也不以选择几行证明法律服务的实际收益。

由此得到的是方向性提示而非因果结论：该实验只比较已注入来源的内容属性，没有检验发文数量的影响。证据、具体事实和覆盖可以作为设计试点的线索。本文据此提出两条待验证假设，并明确标注为本篇推论、不是 S2 结论：假设一，若既有内容中存在被引用的严重事实错误，则扩写会扩大错误可被引用的路径面；假设二，若证据密度稀薄，则即使覆盖更多问题，单位正确引用的成本也更高。两条假设的验证判据见第六节与假设部分。

第三个背景来自监管视角，其边界须在引用处即写明：英国竞争与市场管理局在2020年、针对英格兰和威尔士法律服务市场研究的进展评估中认为，越来越多律所开始提供价格、服务、救济途径与监管状态信息，但"there only appears to have been a limited impact on the intensity of competition between providers and on sector outcomes"，并建议继续推进质量信息披露 [S3]。这是2020年的境外辖区监管进展说明，不能外推到中国市场、GEO 效果或 AI 引用行为，本文仅把它当作"事实口径统一是专业服务长期议题"的背景。

三、同一批人、同一窗口：三种做法与真实取舍

把机制落到本场景，假定同一批约三人的团队可为基线与干预合计投入40个当量工时，干预后的统一观察窗为2周。共同前置10小时包括基线采样6小时、监测与复核4小时，A总投入30小时，B基础总投入20小时，两者都已包含这10小时。在x＝0的基础情景，若同时做A和B并共用前置，合计为10＋20＋10＝40小时，算术上可行；若另有额外核对工时x，共同实施为40＋x小时，须另按容量评估。本篇只比较一次采用一个内容干预的试点，目的是区分两个路径的效果；同时实施属于另一种干预设计，不能直接套用本篇假定的单路径增量。这个限制是明示的实验设计选择，不是工时预算的必然结论。

判断顺序按可观测条件分段：条件一，若两轮方向一致率低于70%或关键指标不可测，执行C；条件二，若 e ≥ 3/25，则排除B，A在容量内且预期增量为正时选A，否则选C；条件三，若 e < 3/25，但Ev不足8条或覆盖缺口 g < 0.5，则同样只保留满足容量与正增量要求的A，否则选C；条件四，其余情形先排除总投入超过40小时或增量不为正的方案，再在剩余方案中比较单位增量工时成本；只剩一个则选该方案，都不剩则选C，成本相等则选C并加测。3/25、8条、0.5和70%均为待基线校准的试验政策，不是行业标准。25题下 g ≥ 0.5 对应至少13题无合格覆盖。

这张表的作用不是给三件事排序，而是把"先做哪个"翻译成条件式选择：若 e 未达标，则先 A；若 e 达标但证据稀薄或覆盖缺口小，则先 A；只有当 e 达标、证据达标且覆盖缺口高时，B 才进入候选。选 A 放弃的是本期问题覆盖数量的增长，部分高价值长尾问题继续无覆盖；选 B 放弃的是错误收敛与证据密度提升，且新增内容在未来可能需要回改；选 C 放弃本期全部可见度与正确性改善，只保留基线与监测数据——若问题集本身不稳定，这份数据的价值也有限。

关于阈值取整：25题下10%对应2.5题，但错误题数只能取整数，不能观察到2.5道错误题。因此本文把排除B的门槛设为 e ≥ 3/25（12%），等号归入排除一侧；e < 3/25为未触及该门槛。Ev按每10题3条证据的示意比例折算，25题为7.5条，向上取整为至少8条。Ev统计单位是证据条数，不是题数。

四、经济性与可行性边界：一个只改变单一变量的敏感度示例

下表全部数字均为示意假设，用于演示公式与条件阈值，不是行业基准或实测结果，不可直接作为预算依据。示例设 e＝2/25（8%，< 3/25）、Ev＝8条、g＝0.6（≥ 0.5），因此B可以进入工时与增量比较。两条路径使用相同固定25题、相同2周观察窗与相同复核流程。Q为“合格正确引用问题数”：AI答案引用本品牌内容，且该引用陈述与本所官方事实源一致的题目数；增量为Q期末−Q基线。Q是计数，若另报比例才以25为分母。

表二是单变量敏感度示例：只把B的额外核对工时x设为0、8、20小时。三列均固定A总投入30小时、A增量5、B增量7、e＝2/25、Ev＝8条、g＝0.6、容量40小时。增量均为同口径的假设期望值，不能在同一表中将某列换成实测计数。其余参数的影响须另开情景重算，不能偷偷改变分母或准入条件。

先算代数交点，再检验可行性。由30÷5＝(20＋x)÷7，可得x＝22，届时两者单位成本同为6.00小时/个。但B总投入42小时超过本期40小时容量，这个交点不在可行域内，不能触发本期的平价选C规则。本例B的容量条件是20＋x ≤ 40，即0 ≤ x ≤ 20。这里x表示额外工作量，不能取负。

可执行的边界核对为：x＝0时，B为20÷7≈2.86，低于A的6.00；x＝20时，B为40÷7≈5.71，仍低于A，且刚好占满容量，选B；x＝21时，B需要41小时，先被容量规则排除，而A仍以30小时获得假设增量5，因此选A。x＝22或30时也应先排除B，不能仅凭代数成本或平价宣布选C。本例的行动切换发生在x超过20小时的容量边界，不是x＝22的成本交点；上述判断都以e、Ev、g和增量假设保持不变为前提。

还有两个边界必须写明。其一，不可行与低性价比分开：若两条路径都超过容量、增量均不为正，或无法建立可复核基线，则选C；不能因为B不可行就自动判全部方案不可行。其二，期望值与实测计数分开：表中A增量5、B增量7均为示意期望值，执行后须用真实整数计数与实际完整投入重新计算；不要先四舍五入百分比再决定行动，也不要拿A实测值与B期望值直接排序。

五、测量与偏差控制：每个指标都要能被独立复算

Q、e、Ev、g定义如下。Q是计数：25道固定题中，AI答案引用本品牌内容且陈述与官方事实源一致的题目数；增量为Q期末减Q基线，单位为个，不是比例。若另报正确引用率，才用Q÷25。每个主平台分别记录同一题池，其他平台不得混入该平台分母。e是严重错误题数÷25；Ev是这25题对应的可独立核验证据条数，以8条为试验门槛；g是无合格内容覆盖题数÷25。采集者为内容团队，合伙人或合规人员复核事实，独立复核人裁决分歧；基线与干预观察分别各2周。

目标问题集的构建方式应与品牌服务范围直接绑定：从服务范围、计费方式、律师资质、公开业绩四类中各取固定题面，冻结后不再随内容产出临时增删。同一组问题按平台重复采样，每轮记录各题的引用来源与陈述内容；对波动不做"取最好一次"的处理，而是记录每轮方向并计算两轮一致率。人工评估 AI 答案时，复核人只看题目、答案与官方事实源三份材料，不看执行人预期；分歧由独立复核人裁决，并记录裁决理由。本文不承诺统计显著性：S2 表中部分取值标注了显著性，但该表效应在模型间不一致、部分存在估计告警，且本窗口无法确认其整体结论 [S2]，因此本文不把任何比值比当作概率，也不声称本场景的样本量足以做显著性检验。时间表是试点安排（基线2周、干预观察2周、账本核对1周），属于建议排期，不是研究结果。

六、反方解释与推翻条件

反方一：“先修事实是低回报的合规支出，真正影响融资叙事的是被AI提及的广度，所以B应优先。”可将其转成条件检验：若2周基线显示 e < 3/25、Ev ≥ 8条、g ≥ 0.5，后续可比干预观察又显示B在相同完整投入下带来更大合格正确引用增量，则B可优先；增量不能仅靠干预前基线得出。相反，若错误已达排除B的门槛，而A也不能在可用容量内降低错误，则应考虑C，不能仅凭“A更稳”的说法选择它。

反方二："本行业的引用来自律师个人声誉与推荐，而非官网内容，所以内容侧投入整体无效。" 这个解释同样可以转化为观测：若基线显示目标问题集中品牌被引用大多指向第三方目录或媒体，且官网页面被引用数接近零，则应把资源从内容侧转向第三方目录与公开事实口径的核对，此时 A 与 B 都不应作为默认选项。方向与 S4 的方法提示一致——grounding queries 与页面级引用活动可用于判断哪些页面确实被使用、哪些页面虽被索引却较少被引用 [S4]，但该工具只覆盖 Bing 侧支持的 AI 界面，不能代表全部引擎。

最有力的反方解释是外推可能不成立：匿名B2C商品语料中的来源属性实验，不能直接证明法律服务场景的选择规则。本文把建议作为待验证的试点。检验假设一需要比较可比基线下A与B路径的错误变化，并记录同题池的Q与e；只见A修复后e下降，不能证明B扩写一定会扩大错误。检验假设二需要记录证据增加前后完整工时与正确引用增量，并控制题池、平台和观察窗。2周基线只能建立起点，干预前后比较还需要后续观察，不能声称所有判据都已在基线期验证。样本不足或变化方向不稳定时，结论仍为未验证。

七、可见的缺口与下一步

以下缺口是刻意的：其一，中国法律服务在 AI 答案中被引用与被错误概括的实际基线仍未知，本文所有数值均为示意；其二，引用与委托、咨询或获客之间是否存在可测关系未知，本文刻意停留在 Q 这一可观测层，不引入任何转化系数；其三，不同引擎在同题集上的引用行为差异与波动幅度未知，需按平台分层重复采样并如实记录；其四，融资或IPO准备期对公开业绩与计费披露口径可能存在额外合规约束，可能限制 A 路径可用的证据类型；其五，排除B的门槛 e ≥ 3/25、Ev门槛＝25题至少8条证据、g阈值＝0.5 均为建议试验值，不是已验证门槛。