GEO 投入的衡量方式是复验：把一份固定的问题基线每隔一段时间原样重跑，记三个口径——提及率、准确率、引用率——看它们随时间怎么变。这三个口径都不是平台官方数据，是你自己提问、自己判读、自己统计出来的，所以每次对外引用都必须标明非官方，并附上分子分母与采样窗口。缺了这两样，数字就只是个百分比，谁也复算不出来。
为什么排名指标在这里失效
传统搜索有稳定的「第几位」，因为同一个查询词、同一时间、同一批人，返回的是同一个列表。那个位置是可以被第三方独立核对的。
生成式答案不是列表，是一段现场生成的文字。同一个问题隔天再问、换个说法问、换个地区问，或者平台更新一次模型，答案都可能不同。「第几位」在这里没有稳定的所指——你截到的那张图，只证明那一次那么答过。
所以能拿来衡量的不是单次结果，而是同一组问题在多轮采样下的分布。这就是复验和截图的区别：截图是证据，复验才是指标。
三个口径：分子、分母、采样窗口
这是全文最需要抠细的地方。三个口径的定义如下：
| 口径 | 分子 | 分母 | 回答什么问题 |
|---|---|---|---|
| 提及率 | 品牌出现的答案条数 | 本轮提问总条数 | 我们进入候选了吗 |
| 准确率 | 描述无实质错误的答案条数 | 品牌出现的答案条数 | 被提到时说对了吗 |
| 引用率 | 含指向自有域名链接的答案条数 | 本轮提问总条数 | 官网被当成来源了吗 |
注意准确率的分母。它是「品牌出现的答案条数」，不是本轮提问总数。没提到你的答案里根本没有关于你的描述，无所谓对错，混进分母只会让准确率跟着提及率一起漂——提及率涨的时候准确率假跌，反之假涨。这是这套口径里最常见的一个错，一旦犯了，整条趋势线就废了。
每一轮的记录还必须附四项采样窗口信息：
- 起止日期（一轮应在一周内跑完；拖过一周，前后已经不是同一个采样条件了）
- 平台与模型版本
- 问题集版本号
- 判读人（谁来判「有没有实质错误」，换人就会换标准）
这三个口径没有任何平台提供官方数据。 它们是自定义口径。写进提案、汇报或对客材料时，必须标明「自定义口径，非平台官方数据」，并附分子分母与采样窗口。省掉这句话，一个百分比就变成了误导。
多久复测一轮
默认四周一轮，按季度看趋势。
不建议每周。生成式答案本身带噪声，一周的变化量分不清是你的改动还是抖动；而且 40–60 条问题 × 2–3 个平台每周跑一次，团队很快就撑不住——撑不住就断，断了就没有基线，这比测得慢严重得多。
也不建议半年。间隔太长，中间平台更新过几次、第三方来源变过几轮，你都不知道，最后拿到两个数字却无从解释。
官网做过大改之后（上线一批场景页、补齐结构化数据、改了品牌简介），可以加测一轮，但加测轮次要和常规轮次分开记，不要混进趋势线。它回答的是「这批改动之后现状如何」，不是趋势上的一个点。
还有一条纪律：一轮开始前冻结问题集。中途加问题会污染分母，让这一轮和上一轮不可比。想加就等下一轮，并把问题集版本号往上升，在趋势图上标出版本切换的位置。
变化能归因到什么程度
这一节比上面三节都重要，也是最容易被跳过的。
复验给的是前后对照，不是因果证明。
三个口径同时受这些因素影响：你的改动、平台的模型更新、竞品的动作、第三方来源的变化，以及采样噪声。这五项里你只控制第一项，而复验数据无法把它们拆开。
可以这样说（方括号处填你自己这一轮的数字）：「在［采样起止日期］期间，问题集［版本号］在［平台］上的提及率从［A］变为［B］；同期我们上线了［N］个场景页，并补齐了 Organization 结构化数据。」——这是事实陈述加时间相关，每一项都可以被别人独立复算。
不能这样说：「因为补了结构化数据，提及率涨了［N］个百分点。」——这是因果断言。你没有对照组，做不出这个结论。任何人给你这样的报告，都该被要求出示对照设计。
想更接近归因，可以分批上线：一批页面先改、一批后改，拉长观察，看变化是否跟随批次到来。但即便如此，得到的也只是更强的相关性，不是证明。
还有一个信号值得记住：三个平台同时同向大幅变化时，通常是平台侧的事，不是你的功劳，也不是你的锅。这种时候先去查平台有没有更新，再动自己的内容。
除了因果，这套口径还测不出三件事：
- 测不出商业结果。 提及率涨了不等于线索涨了。从 AI 答案到询盘之间隔着点击、落地页和销售，复验不覆盖那一段。
- 测不出真实用户的提问分布。 问题集是你猜的。真实提问要从销售、客服和站内搜索里捞回来，再迭代进问题集。
- 测不出竞品做了什么。 竞品出现得多，可能是内容好，可能是第三方来源多，也可能只是名字更常见。
怎么把三个数字变成派活
三个口径的组合方式，直接指向方法链里的不同环节：
| 提及率 | 准确率 | 引用率 | 说明什么 | 下一步 |
|---|---|---|---|---|
| 低 | — | 低 | 你压根不在候选里 | 内容：补场景层的事实与证据页 |
| 高 | 低 | — | 被看见了，但说错了 | 内容：补清晰的定义句与业务边界，压过替你发言的旧来源 |
| 高 | 高 | 低 | 说对了，但官网没被当来源 | 技术：查结构化数据、实体一致性、机器可读入口（llms.txt） |
第三行是最容易被误读的一种：内容明明是对的，团队会以为「已经做好了」，但答案引的是别人。这通常不是内容问题，是机器确认不了这些事实出自你这里。
顺带一提，官网到底有没有被 AI 爬虫访问过，是另一条独立的证据线——它来自服务器日志，而不是答案本身。两条线互相印证，但不能互相替代。
本周可以做的一件事
如果你已经按上一篇跑过一轮记录，这周只做一件事：给那份记录补一页口径说明。
一页就够，写清四件事：问题集版本号与冻结日期、本轮覆盖哪几个平台与模型版本、采样起止日期、三个口径各自的分子分母定义。
验收标准很硬：把这页交给一个没参与提问的同事，他应该能照着独立复算出你的三个数字。算不出来，说明口径没写清——那么你现在手里的还不是基线，只是一次采样。
常见问题
一轮复验要花多少人力？
40–60 条问题 × 2–3 个平台，人工一轮约半天到一天。四周一轮、一年 13 轮，大约 7–13 人日。规模再大可以抽样，但抽法必须固定并写进口径页——随机换抽法等于每轮换了分母，趋势线就断了。
提及率涨了，能写进对客汇报吗？
可以，但必须连口径一起写：问题集版本、平台与模型版本、采样窗口、分子分母，以及「自定义口径，非平台官方数据」这句话。只给百分比不给口径的汇报是不可复验的，对方一追问就散了。
三个口径里最先看哪个？
先看提及率，它决定你在不在候选里。提及率接近 0 时，准确率的分母是空的，另外两个数没有意义。提及率起来之后重点转向准确率——被说错比不被提到更难修，因为你要跟已经存在的错误来源竞争。
平台更新了模型，之前的基线还能比吗？
能比，但要在趋势线上标出更新时间点，并且不跨越它做因果推断。基线的价值不在于绝对数字永远可比，而在于你握着一份能原样重跑的问题集——平台变了，你至少知道变化发生在哪一轮。
中屹信息提供生成式引擎优化（GEO）服务，覆盖诊断→内容→技术→监测。我们交付可验证的内容与技术基建、以及按问题基线复验的记录，不承诺不可控的 AI 推荐或排名结果。若需要把本文方法落到你的官网，可从服务或联系开始。