怎麼衡量 GEO 成效？沒有排名工具時，用「定期實測」量出你在 AI 答案裡的能見度
做 SEO，你打開排名工具就知道關鍵字排第幾；做 GEO，卻沒有這種儀表板——ChatGPT、Gemini、Perplexity 不會給你一個「排名」，同一個問題今天問跟明天問，答案還可能不一樣。但「無法用舊工具量」不等於「無法衡量」。GEO 的成效要用一套不同的方法量：固定一批問題、定期到各 AI 實測、記錄你有沒有被提到、被怎麼描述、跟對手比佔多少。這篇文章把這套可操作的衡量法拆給你，從要追什麼指標、怎麼記錄、多久測一次，到那些看不見點擊卻真實存在的認知影響該怎麼納入評估。
先認清：GEO 沒有「排名」，只有「出現頻率」
GEO 成效的核心衡量單位不是名次，而是出現頻率——同一類問題問很多次、用很多種問法，你的品牌平均有多少比例會被提到。這跟 SEO「關鍵字排第幾」是兩種邏輯：AI 的回答會因為對話情境、模型版本、甚至同一次重問而變動，所以單看某一次答案沒有意義，要看的是聚合後的比例。
因此衡量 GEO 的第一個心態調整，是放棄「一個固定答案」的期待，改用統計的眼光：跑一批問題、各重複幾次、把整體當成訊號。任何單一次的截圖只能當佐證，不能當結論。
建立你的「問題清單」：這是整套衡量法的地基
衡量 GEO 的第一步，是設計一批固定的測試問題（prompt set），之後每一期都用同一批去問，才能比較出變化。問題不用多，常見的做法是抓在數十題的量級（例如 20 到 50 題），足以涵蓋你的主要品類與使用情境，又不會多到難以維持品質與一致性。
清單要混合不同問法，因為使用者問 AI 的方式很多元。設計好之後就「凍結」這份清單，不要每期亂改，否則期與期之間的數字無法比較；要新增題目，另開一組、單獨追蹤。
- 資訊型：「XX 是什麼」「OO 怎麼選」「有推薦的 XX 服務嗎」
- 比較型：「A 跟 B 哪個好」「XX 有哪些品牌」「預算內最推薦哪幾家」
- 情境型：「台北想找 XX，有什麼建議」「中小企業要做 XX 該找誰」
- 把你自己的品牌名、以及 3 到 5 個主要對手，都設計進可能被觸發的問題裡，方便之後算佔比
定期到各 AI 實測：同一批問題、跨引擎、重複跑
有了固定清單，衡量的動作就是定期把這批問題分別貼到 ChatGPT、Gemini、Perplexity、Claude 等各引擎跑一遍，記錄結果。關鍵在三個「同」：同一批問題、同樣的檢測節奏、同一套計分規則，變數一致，數字才有可比性。
因為 AI 答案會浮動，每題建議在同一期內重複問幾次（例如 3 次），取聚合結果而非單次。跨引擎也要分開記，因為同一個品牌在 ChatGPT 和 Perplexity 的被提及率常常差很多，混在一起平均會掩蓋掉真正的問題。
- 用乾淨的對話視窗或無痕模式，避免歷史對話污染結果
- 每題每引擎重複幾次，記「幾次裡被提到幾次」而非「有或沒有」
- 固定由同一人、或同一套規則判讀，避免主觀標準漂移
- 把日期、引擎、模型版本一起記下來；模型更新後才知道是不是它造成的變化
要追哪些指標：從「有沒有被提到」到「被怎麼描述」
衡量 GEO 不能只看「有沒有出現」，要分層追幾個指標，才看得出問題出在哪。最基礎的是提及率（被提到的比例）與引用率（你的網址被當成來源列出的比例）——前者是品牌有沒有進到 AI 的腦中，後者是 AI 願不願意把流量導回你網站，兩者意義不同要分開算。
再往上是品質面的指標。描述正確性看 AI 講你的事實對不對——名稱、業務、地點、特色有沒有講錯；描述語氣看是正面、中性還是負面；以及 share of voice，也就是你的提及率相對於對手的佔比。事實講錯比沒被提到更該優先處理，因為錯誤資訊會直接傷害信任。
- 提及率：這批問題裡，品牌被提到的比例
- 引用率：你的網域被明確列為來源、附上連結的比例
- 描述正確性：AI 對你的事實陳述是否正確（最該優先修的一項）
- 描述語氣：正面 / 中性 / 負面
- Share of voice：你的提及率 vs. 主要對手的提及率
- 引擎差異：同一品牌在各 AI 的表現落差，找出最弱的戰場
別漏掉「無點擊的認知影響」：看不見點擊不代表沒效果
GEO 最容易被低估的價值，是無點擊的認知影響——使用者在 AI 答案裡看到、記住了你的品牌，卻沒有點任何連結。多份產業研究指出，在 AI 概覽觸發的搜尋情境下，零點擊比例可高達八成左右，遠高於沒有 AI 概覽的查詢。這代表大量的曝光與認知不會出現在你的點擊報表裡，但確實在影響後續行為。
要把這塊納入評估，靠的是間接訊號的交叉比對，而不是單一數字。實務上會看幾個面向疊在一起：能追到的 AI 引薦流量、品牌字搜尋量的變化、直接流量的趨勢。其中一個常用的判斷是：如果品牌字搜尋在成長、而非品牌字的自然流量持平或下滑，這個落差強烈暗示 AI 曝光正在創造認知，只是它換了一條路徑回來找你。
- GA4 設定 AI 來源的管道分群，篩 chatgpt.com、perplexity.ai、gemini.google.com 等引薦流量，量出可追蹤的那部分
- 查伺服器日誌或 Cloudflare 的 AI 爬蟲指標，確認 AI 爬蟲有沒有在抓你的頁面
- 追品牌字搜尋量趨勢，當作認知影響的代理指標
- 把直接流量、品牌字搜尋的變化跟你的提及率趨勢放在一起看，找關聯而非單一歸因
怎麼記錄與多久測一次：一張試算表就能起步
這套衡量法不需要先買工具，一張試算表就能開始。重點是把每次實測的結構化資料逐列記下來，累積成可比較的時間序列；欄位設計好，趨勢自己會浮出來。每一列記一個「題目 × 引擎 × 期別」的結果，方便事後樞紐分析。
節奏方面，最低限度是每月一次才足以看出有意義的趨勢；活躍優化期間建議每週測，維護期則每月即可。判讀標準要先寫死並沿用，例如『被提到一次就算 1』。想知道自己進步多少，就用第一次的數字當基準線，之後每期跟它比；重點不是盯著某個神奇門檻，而是看提及率、引用率有沒有穩定、可重複地往上走，連續幾期都在進步通常代表方向對了。若你連基準線都還沒有，可以先用一次免費的 GEO 健檢量出起點，再用同一套問題往後追。
- 試算表欄位：日期 / 期別 / 引擎 / 模型版本 / 題目 / 是否被提到（幾次中幾次）/ 是否被引用 / 出現的對手 / 語氣 / 事實有無錯誤 / 備註
- 節奏：活躍優化期每週、維護期每月，至少每月一次
- 先設基準線：第一期的提及率與引用率就是你的起點，之後一律跟它比
- 判讀規則寫死並沿用，換人接手也照同一套標準
常見問題
Q. GEO 成效到底能不能量化？沒有排名工具要怎麼看數字？
可以量化，只是方法不同。核心做法是自己建立一批固定的測試問題（例如數十題的量級），定期貼到 ChatGPT、Gemini、Perplexity 等各引擎實測，記錄「被提到的比例（提及率）」「網址被當來源的比例（引用率）」「相對對手的佔比（share of voice）」。把這些數字逐期累積成時間序列，就能看出成效趨勢，等同於 GEO 版的儀表板。
Q. 同一個問題問 AI，每次答案都不一樣，這樣測出來的數字可信嗎？
正因為 AI 答案會浮動，所以不能只測一次。做法是每題在同一期內重複問幾次（例如 3 次），取聚合結果當訊號，而非依賴任何單一次回答。只要每期都用同一批問題、同樣節奏、同一套判讀規則，變數一致，期與期之間的比較就是可信的。單次截圖只能當佐證，不能當結論。
Q. 要多久測一次才合理？
最低限度是每月一次，才足以看出有意義的趨勢。如果你正在積極優化內容、想快點看到效果，建議每週測一次；若已進入維護期，每月一次即可。重點是節奏要固定，這樣數字才有可比性。
Q. AI 答案裡提到我的品牌，但使用者沒點進網站，這種曝光要怎麼算成效？
這叫無點擊的認知影響，是 GEO 最容易被低估的價值。它不會出現在點擊報表裡，要靠間接訊號交叉比對：在 GA4 設 AI 來源管道分群量可追蹤的引薦流量，同時觀察品牌字搜尋量。如果品牌字搜尋在成長、非品牌字自然流量卻持平或下滑，這個落差就強烈暗示 AI 曝光正在創造認知，只是換了路徑回來。
Q. 我該優先追提及率，還是 AI 把我講錯的問題？
如果 AI 對你的事實講錯（名稱、業務、地點、特色等），這比沒被提到更該優先處理。沒被提到只是還沒進到 AI 的視野，但錯誤資訊會被很多使用者看到並當真，直接傷害信任。建議把「描述正確性」當成獨立指標固定追，發現錯誤就優先去修正來源內容。
Q. 一定要買 GEO 監測工具才能開始衡量嗎？
不用，一張試算表就能起步。每列記下「日期、引擎、模型版本、題目、是否被提到（幾次中幾次）、是否被引用、出現的對手、語氣、事實有無錯誤」，定期手動跑一輪就有資料。等規模變大、想自動化跨引擎大量追蹤時，再評估導入工具也不遲。