品牌資料與量測
辛普森悖論是什麼？
Simpson’s Paradox
發布於
資料合併後看到的關聯，分組觀察時可能消失或反轉；各組的樣本組成會影響整體結果。
總體表現可能把分組差異藏起來
以下為虛構例子：A 方法在容易的任務成功 9／10 次，在困難任務成功 30／100 次；B 方法分別成功 80／100 次與 2／10 次。A 在兩類任務都較好，但總成功率為 39／110，低於 B 的 82／110。原因是 A 接到的困難任務比例高得多。
為什麼 GEO 研究會遇到這個問題？
大型網站可能同時更常被 AI 引用，也更常設置 FAQ。把所有網站放在一起，容易看到 FAQ 與引用量正相關；在同一網站內比較頁面後，關聯卻可能消失。不能因此直接認定 FAQ 造成引用增加，也不能反過來宣稱 FAQ 對任何用途都無效。
不是看到分組差異就全部控制
應依研究問題判斷要分哪些組，並檢查分組變數在因果關係中的角色。觀察結果改變，是重新檢查解釋的理由，不會自動指出哪個結果才是因果答案。〈AI 如何比較品牌〉的頁面特徵分析，就需要區分跨網站關聯與網站內比較。
參考資料
最近查核：