GEO 度量与监测
不能测量就不能优化。这一篇定义 GEO 的核心指标与监测方法。
核心指标
| 指标 | 定义 | 说明 |
|---|---|---|
| AI 提及率（mention rate） | 目标问题集中，AI 回答提到品牌的比例 | 最基础指标，分引擎统计 |
| 引用率（citation rate） | AI 回答中引用你域名作为来源的比例 | 比提及更硬（带链接） |
| Share of Voice（SOV） | 提及中你占的份额（你 vs 竞品） | 竞争视角主指标 |
| 情感（sentiment） | 提及语境正/负/中 | 提及≠好评 |
| 引用位置 | 品牌出现在答案开头/中段/结尾 | 首屏提及价值更高 |
| AI 引荐流量 | 从 AI 产品点回网站的会话 | GA4 看 referral：chatgpt.com、perplexity.ai、gemini.google.com |
监测方法（从手工到平台）
-
手工采样：问题集来自提示词研究（冻结不动），选 20-50 个真实用户问题（含品牌词、品类词、对比词），每周在各引擎跑一遍记录提及/引用。免费但费力；注意同一问题多次采样（答案有随机性，中文实测研究用 97 次采样就是为了压噪声）。
-
开源工具：geo-check、auto-geo 等 CLI 可自动跑引用检测（见开源项目篇）。
-
商业平台：Profound、Peec、Otterly 等自动追踪 SOV 与趋势（见商业平台篇）。
-
服务器日志：grep AI 爬虫 UA（GPTBot/OAI-SearchBot/PerplexityBot）看抓取频次——抓取量是引用量的先行指标。
手工监测协议（30 分钟/轮，可直接抄）
来源：wizgrowth / deepsmith / earlyseo 三家协议综合，口径一致。
准备（一次性）：
prompts.md：冻结问题集（20-50 条，逐字编号）。log.csv列结构：日期, 引擎, 问题编号, 是否提及品牌, 是否引用域名, 引用位次, 引用URL, 竞品提及列表, 备注。
每轮执行：
- 每引擎开新会话（避免历史污染），逐字粘贴问题，不开个性化（ChatGPT 设置里可关）。
- 每问题采样 ≥3 次，3 次中 ≥2 次出现才算“稳定提及“（单次结果不作数）。
- 记录上表全部列；截图存档答案原文。
- 周频固定同一时间跑（引擎答案有日内波动）。
打分（简化版）：提及率 = 提及问题数 / 总问题数；SOV = 你的提及次数 / (你+竞品)提及次数。两次周报对比看趋势，不看单点。
基线先行
做任何优化前先跑 2 周基线：现在各引擎提及率/引用率是多少。没有基线，一切“有效“都是错觉。
指标至少四层，只看提及率会严重高估效果：① 提及率 ② 首位率/Top3 ③ 描述准确率 ④ 引用质量（召回+准确）。另注意广度≠深度：Perplexity 平均每条引用 16.35 个来源、ChatGPT 仅 6.88，但 ChatGPT 单条影响力是 Perplexity 的 4.68 倍——“被引用次数“和“真的被采纳“分开算（GEOLab 实验）。采样怎么才算严谨，见采样纪律与证据分级。
归因的诚实边界
- AI 回答有随机性，单次结果无意义，看趋势与多次采样均值。
- 多变量同时改无法归因单项——一次改一个变量或接受模糊。
- 引荐流量低估真实影响：多数用户在 AI 产品内完成决策（zero-click）。
延伸阅读
- 监测工具横评：https://wikiap.org/en/articles/ai-visibility-monitoring-tools-comparison
- Semrush AI 工具盘点：https://www.semrush.com/blog/best-ai-visibility-tools/
- 度量框架：https://www.promptmonitor.io/blog/generative-engine-optimization
- 平台全景：https://getpromptive.ai/blog-ultimate-guide-geo-platforms-2026
上一篇：进入 LLM 训练数据 ｜ 下一篇：工作流与审计清单