SEO/GEO · 3 分钟
一张截图证明不了什么：GEO 效果到底该怎么量
如果有人拿一张 AI 回答截图来证明 GEO 有效，这张图什么也证明不了。AI 的答案本身带有随机性，GEO 要管理的是“出现概率”，而不是“排名”。
答案到底有多不稳定
《海外GEO白皮书》给出了这些数字：
- 同题的引用链接每周流失 62%–93%，半衰期约 1 天
- 同日重问一遍，ChatGPT、Gemini、Copilot 给出同一组品牌的概率只有 9%–14%
- 即使把温度参数设为 0，仍有 9%–28% 的引用决策会变化
- 每题只测 2 次时，可见度的 95% 区间宽达 0.68
最后一条的意思是：测 2 次得出“40% 可见”，真实值可能在一个宽达 68 个百分点的范围内。这样的结果几乎不能用于决策。
好消息是，层级越高越稳定。具体 URL 变得很快，但品牌和信源类型相对稳定。所以应该看滚动 28 天的出现率，而不是某天的结果。
第一步：建一个固定的提示词库
提示词库就是 GEO 的“关键词表”，要长期固定，按季度小幅更新。
- 按意图分层：品类认知、推荐、对比、决策细节、品牌、问题解决
- 以不带品牌名的问题为主：这才是用户发现你的场景
- 每个需求准备 3–5 种说法：口语化、关键词式、要求列表等
- 按市场和语言分开：中文、英文和目标市场语言各建一套
- 纳入主要竞品：否则无法计算声量份额
第二步：想清楚采多少次
文档里的建议有几种，我的理解是这样：
| 用途 | 采样强度 |
|---|---|
| 看整个问题集的大致水平 | 每题 5–10 次，白皮书引用的规范以 7–8 次起步 |
| 判断某一个问题的变化 | 约 40 次，才能达到 ±15 个百分点的精度 |
另外要在多个日期窗口采样，并保留空结果。没有触发搜索、没有引用、报错的回答都是结果，不能丢弃。
每份报告都要写明样本量和区间。评估别人的数据时，也先问三个数：多少个提示词、每个重复几次、覆盖几个平台。
第三步：分层看指标
| 层次 | 看什么 |
|---|---|
| 可发现 | AI 爬虫抓取覆盖率、抓取错误率 |
| 被引用 | 提及率、引用率、声量份额、首位率 |
| 被吸收且准确 | 事实准确率、情感倾向 |
| 业务结果 | AI 引荐会话与转化、品牌搜索量 |
第四步：别只看引荐流量
Similarweb 的美国桌面端数据显示，受 AI 影响的访问中，只有 8.8% 是从 AI 平台直接点过来的，55.9% 是用户之后再去搜索进站的。只看引荐流量，会严重低估影响。
可以组合使用这些方法：
- GA4 的“AI Assistant”默认渠道（2026 年 5 月新增）
- ChatGPT 引荐链接自带的
utm_source=chatgpt.com - Search Console 的生成式 AI 报告
- 品牌词搜索量和直接访问量的变化
- 在表单或注册问卷中加一项“您从哪里了解到我们”
最后一项成本最低，却常被忽略。Tally 的案例里，问卷看到的 ChatGPT 影响就远大于引荐数据。
一句话总结
固定问题、重复采样、报告区间、分层看指标。没有样本量的百分比，不要进入决策。