怎么衡量 GEO 成效？没有排名工具时，用「定期实测」量出你在 AI 答案里的能见度
做 SEO，你打开排名工具就知道关键词排第几；做 GEO，却没有这种仪表盘——ChatGPT、Gemini、Perplexity 不会给你一个「排名」，同一个问题今天问跟明天问，答案还可能不一样。但「无法用旧工具量」不等于「无法衡量」。GEO 的成效要用一套不同的方法量：固定一批问题、定期到各 AI 实测、记录你有没有被提到、被怎么描述、跟对手比占多少。这篇文章把这套可操作的衡量法拆给你，从要追什么指标、怎么记录、多久测一次，到那些看不见点击却真实存在的认知影响该怎么纳入评估。
先认清：GEO 没有「排名」，只有「出现频率」
GEO 成效的核心衡量单位不是名次，而是出现频率——同一类问题问很多次、用很多种问法，你的品牌平均有多少比例会被提到。这跟 SEO「关键词排第几」是两种逻辑：AI 的回答会因为对话情境、模型版本、甚至同一次重问而变动，所以单看某一次答案没有意义，要看的是聚合后的比例。
因此衡量 GEO 的第一个心态调整，是放弃「一个固定答案」的期待，改用统计的眼光：跑一批问题、各重复几次、把整体当成信号。任何单一次的截图只能当佐证，不能当结论。
建立你的「问题清单」：这是整套衡量法的地基
衡量 GEO 的第一步，是设计一批固定的测试问题（prompt set），之后每一期都用同一批去问，才能比较出变化。问题不用多，常见的做法是抓在数十题的量级（例如 20 到 50 题），足以涵盖你的主要品类与使用情境，又不会多到难以维持质量与一致性。
清单要混合不同问法，因为用户问 AI 的方式很多元。设计好之后就「冻结」这份清单，不要每期乱改，否则期与期之间的数字无法比较；要新增题目，另开一组、单独追踪。
- 信息型：「XX 是什么」「OO 怎么选」「有推荐的 XX 服务吗」
- 比较型：「A 跟 B 哪个好」「XX 有哪些品牌」「预算内最推荐哪几家」
- 情境型：「上海想找 XX，有什么建议」「中小企业要做 XX 该找谁」
- 把你自己的品牌名、以及 3 到 5 个主要对手，都设计进可能被触发的问题里，方便之后算占比
定期到各 AI 实测：同一批问题、跨引擎、重复跑
有了固定清单，衡量的动作就是定期把这批问题分别贴到 ChatGPT、Gemini、Perplexity、Claude 等各引擎跑一遍，记录结果。关键在三个「同」：同一批问题、同样的检测节奏、同一套计分规则，变量一致，数字才有可比性。
因为 AI 答案会浮动，每题建议在同一期内重复问几次（例如 3 次），取聚合结果而非单次。跨引擎也要分开记，因为同一个品牌在 ChatGPT 和 Perplexity 的被提及率常常差很多，混在一起平均会掩盖掉真正的问题。
- 用干净的对话窗口或无痕模式，避免历史对话污染结果
- 每题每引擎重复几次，记「几次里被提到几次」而非「有或没有」
- 固定由同一人、或同一套规则判读，避免主观标准漂移
- 把日期、引擎、模型版本一起记下来；模型更新后才知道是不是它造成的变化
要追哪些指标：从「有没有被提到」到「被怎么描述」
衡量 GEO 不能只看「有没有出现」，要分层追几个指标，才看得出问题出在哪。最基础的是提及率（被提到的比例）与引用率（你的网址被当成来源列出的比例）——前者是品牌有没有进到 AI 的脑中，后者是 AI 愿不愿意把流量导回你网站，两者意义不同要分开算。
再往上是质量面的指标。描述正确性看 AI 讲你的事实对不对——名称、业务、地点、特色有没有讲错；描述语气看是正面、中性还是负面；以及 share of voice，也就是你的提及率相对于对手的占比。事实讲错比没被提到更该优先处理，因为错误信息会直接伤害信任。
- 提及率：这批问题里，品牌被提到的比例
- 引用率：你的网域被明确列为来源、附上链接的比例
- 描述正确性：AI 对你的事实陈述是否正确（最该优先修的一项）
- 描述语气：正面 / 中性 / 负面
- Share of voice：你的提及率 vs. 主要对手的提及率
- 引擎差异：同一品牌在各 AI 的表现落差，找出最弱的战场
别漏掉「无点击的认知影响」：看不见点击不代表没效果
GEO 最容易被低估的价值，是无点击的认知影响——用户在 AI 答案里看到、记住了你的品牌，却没有点任何链接。多份行业研究指出，在 AI 概览触发的搜索情境下，零点击比例可高达八成左右，远高于没有 AI 概览的查询。这代表大量的曝光与认知不会出现在你的点击报表里，但确实在影响后续行为。
要把这块纳入评估，靠的是间接信号的交叉比对，而不是单一数字。实务上会看几个面向叠在一起：能追到的 AI 引荐流量、品牌词搜索量的变化、直接流量的趋势。其中一个常用的判断是：如果品牌词搜索在成长、而非品牌词的自然流量持平或下滑，这个落差强烈暗示 AI 曝光正在创造认知，只是它换了一条路径回来找你。
- GA4 设定 AI 来源的渠道分群，筛 chatgpt.com、perplexity.ai、gemini.google.com 等引荐流量，量出可追踪的那部分
- 查服务器日志或 Cloudflare 的 AI 爬虫指标，确认 AI 爬虫有没有在抓你的页面
- 追品牌词搜索量趋势，当作认知影响的代理指标
- 把直接流量、品牌词搜索的变化跟你的提及率趋势放在一起看，找关联而非单一归因
怎么记录与多久测一次：一张电子表格就能起步
这套衡量法不需要先买工具，一张电子表格就能开始。重点是把每次实测的结构化数据逐行记下来，累积成可比较的时间序列；栏位设计好，趋势自己会浮出来。每一行记一个「题目 × 引擎 × 期别」的结果，方便事后透视分析。
节奏方面，最低限度是每月一次才足以看出有意义的趋势；活跃优化期间建议每周测，维护期则每月即可。判读标准要先写死并沿用，例如『被提到一次就算 1』。想知道自己进步多少，就用第一次的数字当基准线，之后每期跟它比；重点不是盯着某个神奇门槛，而是看提及率、引用率有没有稳定、可重复地往上走，连续几期都在进步通常代表方向对了。若你连基准线都还没有，可以先用一次免费的 GEO 健检量出起点，再用同一套问题往后追。
- 电子表格栏位：日期 / 期别 / 引擎 / 模型版本 / 题目 / 是否被提到（几次中几次）/ 是否被引用 / 出现的对手 / 语气 / 事实有无错误 / 备注
- 节奏：活跃优化期每周、维护期每月，至少每月一次
- 先设基准线：第一期的提及率与引用率就是你的起点，之后一律跟它比
- 判读规则写死并沿用，换人接手也照同一套标准
常见问题
Q. GEO 成效到底能不能量化？没有排名工具要怎么看数字？
可以量化，只是方法不同。核心做法是自己建立一批固定的测试问题（例如数十题的量级），定期贴到 ChatGPT、Gemini、Perplexity 等各引擎实测，记录「被提到的比例（提及率）」「网址被当来源的比例（引用率）」「相对对手的占比（share of voice）」。把这些数字逐期累积成时间序列，就能看出成效趋势，等同于 GEO 版的仪表盘。
Q. 同一个问题问 AI，每次答案都不一样，这样测出来的数字可信吗？
正因为 AI 答案会浮动，所以不能只测一次。做法是每题在同一期内重复问几次（例如 3 次），取聚合结果当信号，而非依赖任何单一次回答。只要每期都用同一批问题、同样节奏、同一套判读规则，变量一致，期与期之间的比较就是可信的。单次截图只能当佐证，不能当结论。
Q. 要多久测一次才合理？
最低限度是每月一次，才足以看出有意义的趋势。如果你正在积极优化内容、想快点看到效果，建议每周测一次；若已进入维护期，每月一次即可。重点是节奏要固定，这样数字才有可比性。
Q. AI 答案里提到我的品牌，但用户没点进网站，这种曝光要怎么算成效？
这叫无点击的认知影响，是 GEO 最容易被低估的价值。它不会出现在点击报表里，要靠间接信号交叉比对：在 GA4 设 AI 来源渠道分群量可追踪的引荐流量，同时观察品牌词搜索量。如果品牌词搜索在成长、非品牌词自然流量却持平或下滑，这个落差就强烈暗示 AI 曝光正在创造认知，只是换了路径回来。
Q. 我该优先追提及率，还是 AI 把我讲错的问题？
如果 AI 对你的事实讲错（名称、业务、地点、特色等），这比没被提到更该优先处理。没被提到只是还没进到 AI 的视野，但错误信息会被很多用户看到并当真，直接伤害信任。建议把「描述正确性」当成独立指标固定追，发现错误就优先去修正来源内容。
Q. 一定要买 GEO 监测工具才能开始衡量吗？
不用，一张电子表格就能起步。每行记下「日期、引擎、模型版本、题目、是否被提到（几次中几次）、是否被引用、出现的对手、语气、事实有无错误」，定期手动跑一轮就有数据。等规模变大、想自动化跨引擎大量追踪时，再评估导入工具也不迟。