“我们做了三个月GEO，效果到底怎么样？”这是见山GEO团队在服务武汉、上海客户时被问得最多的问题。传统SEO有一套成熟的度量语言：排名、点击、流量、转化。但GEO面对的是生成式引擎——品牌可能没有”排名”，却出现在AI答案的推荐位；可能没有”点击”，却通过AI转述影响了用户的采购短名单。如果无法量化，GEO就无法管理；无法管理，预算就永远说不清楚。本文给出一套完整的AI可见性指标体系与监测看板搭建方法，让GEO从”玄学”变成可度量、可归因、可优化的工程。
一、为什么传统SEO指标在GEO场景全面失效
先厘清失效的根源，才能理解新指标为什么长这样。
| 维度 | 传统SEO | GEO场景 | 度量后果 |
|---|---|---|---|
| 流量入口 | 搜索结果页点击进站 | AI答案内直接消费信息 | 进站流量下降≠影响力下降 |
| 位置概念 | 第1名到第10名 | 被引用/被推荐/被提及/缺席 | 排名工具无用武之地 |
| 归因链路 | UTM+Referer完整 | AI转述后来源信息丢失 | 转化归因断裂 |
| 竞争单位 | 关键词页面 | 问题（Prompt）级别 | 监测颗粒度必须重构 |
| 时间动态 | 索引更新以天计 | 模型与检索策略随时变 | 基线必须高频重测 |
GEO度量的第一性原理：用户不再”访问你的页面”，而是”听到AI转述你”。因此核心指标必须围绕”AI如何说你”展开，而不是”多少人点了你”。
二、AI可见性指标体系：三层十二指标
见山GEO在推山（持续优化）模块中沉淀了一套三层指标体系：曝光层回答”AI是否提到你”，质量层回答”AI如何说你”，影响层回答”提到了有没有用”。
2.1 曝光层指标（Presence）
- 出现率（Mention Rate）：在Prompt监测库中，品牌出现在AI答案里的比例。这是最基础的北极星指标。
- 引用位次（Citation Position）：出现时排在推荐列表的第几位。第一位与第五位的价值差数倍。
- 信源占比（Source Share）：AI答案附带引用链接时，你的域名占引用列表的比例。
- 引擎覆盖率（Engine Coverage）：DeepSeek、豆包、元宝、Kimi、Perplexity、ChatGPT六大引擎中，有几个能”看见”你。
2.2 质量层指标（Quality）
- 表述准确率（Accuracy）：AI转述的品牌信息（成立时间、主营业务、资质）与事实的一致比例。错误表述比不出现更危险。
- 情感倾向（Sentiment）：AI描述品牌时的正面/中性/负面比例。
- 卖点命中率（Message Hit Rate）：品牌希望传递的核心卖点，被AI答案实际提及的比例。
- 推荐语境（Context）：品牌是被”首推”、被”备选提及”，还是被”对比陪跑”。
2.3 影响层指标（Impact）
- AI来源进站（AI Referral Traffic）：从ChatGPT、Perplexity等域名跳转的会话数，可在GA4中单独建渠道分组。
- 品牌词搜索增量：AI推荐往往驱动用户去搜索引擎二次验证，品牌词搜索量的变化是滞后但真实的信号。
- 询盘/转化中的AI提及：销售回访时直接问”您从哪里知道我们”，记录”AI推荐”占比。
- 短名单进入率：B2B场景中，采购方用AI生成候选供应商名单，品牌进入名单的比例。
| 层级 | 指标 | 采集方式 | 建议频率 |
|---|---|---|---|
| 曝光层 | 出现率 | Prompt库批量提问 | 每周 |
| 引用位次 | 答案结构化解析 | 每周 | |
| 信源占比 | 引用链接抓取 | 每周 | |
| 引擎覆盖率 | 六引擎横向测试 | 每两周 | |
| 质量层 | 表述准确率 | 人工+LLM辅助校验 | 每两周 |
| 情感倾向 | 情感分析 | 每两周 | |
| 卖点命中率 | 关键信息比对 | 每月 | |
| 推荐语境 | 答案分类标注 | 每月 | |
| 影响层 | AI来源进站 | GA4渠道分组 | 实时 |
| 品牌词增量 | 搜索指数工具 | 每周 | |
| 询盘AI提及 | 销售CRM字段 | 持续 | |
| 短名单进入率 | 客户回访 | 每月 |
三、Prompt监测库：指标体系的地基
所有曝光层与质量层指标都依赖同一个基础设施——Prompt监测库。它的设计质量直接决定度量的有效性。核心原则有四条：
- 用户语言而非品牌语言：收录真实用户会问的问法（”武汉做精密零件加工的厂子哪家靠谱”），而不是品牌自嗨式提问（”XX公司的核心竞争力是什么”）。
- 覆盖决策全旅程：品类认知类（”什么是GEO”）、比较类（”A品牌和B品牌哪个好”）、推荐类（”推荐几家深圳的代工厂”）、验证类（”XX公司靠谱吗”）四类问题都要有。
- 规模适中可重复：50-200条是合理区间，太少统计噪声大，太多每周跑不完。每条Prompt固定引擎、固定提问方式，保证周与周之间可比。
- 季度轮换：每季度替换20-30%的Prompt，防止对固定题库过拟合。
# Prompt监测库数据结构示例（YAML）
- id: P-0042
engine: deepseek
category: 推荐类
query: "国内做工业视觉检测的厂商有哪些值得考虑"
intent: 采购短名单
brand_mentions_expected: true
track_fields: [mention, position, sentiment, accuracy, sources]
last_run: 2026-09-01
result_history: [absent, absent, mentioned_3rd, mentioned_2nd]四、监测看板搭建：从手工到自动化
看板可以分三个阶段演进，不同预算和团队规模的客户可以从任意阶段起步。
| 阶段 | 方式 | 成本 | 适用对象 |
|---|---|---|---|
| L1 手工期 | 人工提问+Excel记录 | 低（每周2-3小时） | 单品牌、Prompt库<50条 |
| L2 半自动期 | 脚本批量提问+LLM解析答案 | 中（API费用） | 多引擎、Prompt库50-200条 |
| L3 平台期 | 定时任务+数据库+可视化看板 | 较高（一次性开发） | 多品牌/代理商场景 |
4.1 L2半自动化的关键技术点
批量提问最大的坑是”答案不可比”：同一Prompt两次提问，答案可能因温度参数、检索结果波动而不同。解决方案是每条Prompt每周跑3次取多数结果，并记录原始答案全文备查。用LLM解析答案时，必须给出严格的抽取Schema，否则解析结果本身会引入噪声。
# 答案解析Prompt模板（节选）
你是GEO监测解析器。给定用户问题和AI答案，输出JSON：
{
"brand_mentioned": true/false,
"position": 整数或null,
"sentiment": "positive/neutral/negative",
"claims": ["AI对品牌的具体表述1", "表述2"],
"cited_sources": ["域名1", "域名2"]
}
只输出JSON，不要解释。无法判断的字段填null。4.2 看板的核心视图
一个可用的GEO看板至少包含四个视图：趋势视图（出现率周曲线，分引擎）、对比视图（品牌vs竞品的雷达图）、明细视图（每条Prompt的最新答案与历史变化）、告警视图（表述错误、负面提及、出现率骤降的即时提醒）。北京某企业服务商在接入告警视图后，曾在一次模型更新导致品牌信息被错误转述的48小时内完成信源修正——而没有告警的同行两周后才发现。
看板不是给老板看的报表，而是给运营用的仪表盘。判断看板是否合格的标准只有一个：运营人员每周是否会依据它做出至少一个内容迭代决策。
五、效果归因：把AI可见性接到业务结果上
度量体系的终点是回答”GEO投入换来了什么”。由于归因链路断裂，GEO归因要用组合拳：
- 渠道分组法：GA4中将chatgpt.com、perplexity.ai等referrer单列为”AI渠道”，直接统计进站与转化。
- 品牌词代理法：AI推荐→用户搜索品牌词→进站，品牌词自然搜索量是AI影响力的代理变量。深圳某新消费品牌在豆包出现率从8%升到41%的六周内，品牌词百度指数上涨了2.3倍。
- 问卷回访法：在询盘表单和销售话术中加入”您如何了解到我们”，选项含”AI助手推荐”。
- 对照组法：预算允许时，选择两个相似区域市场（如武汉与长沙），一个做GEO一个不做，对比询盘增量。这是最接近因果推断的方法。
六、报告节奏与组织分工
| 报告 | 频率 | 受众 | 核心内容 |
|---|---|---|---|
| 周报 | 每周 | GEO执行团队 | 出现率变化、告警项、下周迭代动作 |
| 月报 | 每月 | 市场负责人 | 三层指标全景、竞品对比、内容ROI |
| 季报 | 每季度 | 管理层 | 业务归因、预算效率、下季度策略 |
组织上建议”一人负责监测，一人负责内容，交叉复核”：监测者不写内容，避免既当运动员又当裁判；内容者不看原始数据下结论，避免确认偏误。见山GEO的推山模块正是按这个分工为客户交付持续运营服务的。
七、常见误区
- 只看出现率：出现了但表述错误、情感负面，是负资产。曝光层必须和质量层一起看。
- Prompt库一成不变：用户问法在漂移，半年前的题库今天可能已不代表真实需求。
- 单次测试下结论：AI答案有随机性，单次结果的统计意义接近于零。
- 忽略竞品基线：出现率60%是好是坏，取决于竞品是90%还是20%。绝对值无意义，相对值才有。
八、监测体系的工具选型与数据基础设施
看板搭建离不开工具链。我们按功能把工具分为四类，并给出选型判断标准。
| 工具类别 | 代表选项 | 解决什么 | 选型要点 |
|---|---|---|---|
| Prompt批量执行 | 各引擎开放API、第三方GEO监测平台 | 自动化提问与答案采集 | API配额成本、答案是否带引用结构 |
| 答案解析 | LLM解析（自建Prompt模板） | 非结构化答案转结构化指标 | 解析一致性校验机制 |
| 数据存储 | SQLite/MySQL + 对象存储（原始答案） | 历史趋势与审计回溯 | 原始答案必须全量留存 |
| 可视化 | Grafana、Metabase、自研看板 | 四视图呈现与告警 | 运营人员是否会真的每天打开 |
数据基础设施的核心设计原则是”指标可重算”：原始答案全文永久留存，解析逻辑升级后可以对历史数据重新跑一遍，保证趋势曲线在方法变更后依然可比。很多团队只存解析结果不存原文，半年后想调整指标口径，发现历史数据全部作废。
8.1 基线管理与统计显著性
出现率是比例指标，小样本下波动巨大：50条Prompt的监测库，出现率从40%变到48%可能纯属噪声。判断变化是否真实的简易规则：变化幅度需超过两倍标准误差（标准误差≈√(p(1-p)/n)）才值得关注。50条题库下，40%基线的显著变化阈值约为±14个百分点——这解释了为什么Prompt库太小会导致看板”天天报警、天天误报”。
# 显著性判断速查（近似95%置信）
题库规模 n=50: 出现率波动 ±14pp 内视为噪声
题库规模 n=100: 出现率波动 ±10pp 内视为噪声
题库规模 n=200: 出现率波动 ±7pp 内视为噪声
# pp = 百分点。低于阈值的周度波动不触发内容决策，
# 连续三周同向漂移即使未达阈值也应关注。九、不同规模组织的监测方案配置
| 组织类型 | 推荐配置 | 月度成本 | 关键取舍 |
|---|---|---|---|
| 单品牌小团队 | L1手工+30条核心Prompt+2引擎 | 人力2-3小时/周 | 放弃全覆盖，聚焦推荐类问题 |
| 成长期品牌 | L2半自动+100条Prompt+4引擎 | API费用+人力4小时/周 | 解析用LLM，人工只复核告警项 |
| 多品牌集团/代理商 | L3平台化+分品牌题库+6引擎 | 一次性开发+持续API | 必须平台化，人工模式无法横向扩展 |
监测体系建设的顺序建议：先把30条Prompt的手工监测坚持两个月，跑通”数据→决策→迭代”的闭环，再投入自动化。工具解决的是效率问题，闭环解决的是有效性问题——没有闭环，自动化只是更快地生产无人查看的报表。
常见问题
Q1：小公司没有技术团队，怎么起步？
从L1手工期开始完全够用：选30条核心Prompt，每周在两个主力引擎上人工提问，用表格记录出现与位次。坚持八周你就能建立起对自家AI可见性的手感，再决定是否投入自动化。
Q2：出现率多少算合格？
没有绝对标准，看品类竞争度。蓝海品类目标应是核心推荐类问题出现率80%以上；红海品类（如上海的数字营销服务）能做到40%且位次前三，已属第一梯队。
Q3：如何防止监测本身被AI”应试”？
固定Prompt确实存在过拟合风险，这正是季度轮换机制的意义。同时保留20%的”盲测题”——不公开给内容团队的临时Prompt，用于校验监测结果的真实性。
Q4：GEO看板需要接哪些数据源？
最小集是三个：Prompt批量测试的解析结果（曝光层+质量层）、GA4的AI渠道数据（影响层）、搜索指数工具的品牌词数据（影响层）。CRM回访字段成熟后再补第四个。
Q5：见山GEO如何帮客户落地这套体系？
推山（持续优化）模块提供从Prompt监测库设计、自动化采集脚本部署到周/月/季报告体系的全套交付，客户市场团队只需参与月度决策会。详情见 /services/tuishan，或致电 13632957375 咨询。总部在湖北省武汉市武昌区，服务覆盖全国。