适用对象：企业市场负责人、GEO项目经理、数据分析人员
核心原则：不要只看品牌是否出现，要同时衡量覆盖、提及、引用、推荐、准确性、竞争位置和商业结果。
企业开始做GEO后，经常会问：
我们在AI里出现了几次，算不算有效果？
“出现次数”只是最基础的信号。它不能说明品牌是否覆盖了重要问题、是否成为AI引用来源、是否得到真实推荐，也不能说明有没有产生咨询。
一套完整的GEO效果体系，至少应包含以下8个核心指标。
1. 问题覆盖率
问题覆盖率衡量品牌进入了多少目标问题。
问题覆盖率
=
至少一次出现目标品牌的问题数
÷
有效监测问题总数
× 100%
例如，核心问题库有60题，品牌在24题中至少出现一次：
24 ÷ 60 = 40%
它反映覆盖广度，而不是出现频次。
2. 品牌提及率
品牌提及率衡量品牌在全部有效答案中出现的概率。
品牌提及率
=
出现目标品牌的有效答案数
÷
全部有效答案数
× 100%
同一答案中品牌出现多次，建议按答案级只计算一次，避免长答案被重复加权。
3. 官网引用率
官网引用率衡量企业官网是否成为AI答案的来源。
官网引用率
=
包含目标官网有效引用的答案数
÷
全部有效答案数
× 100%
“有效引用”至少应满足：
- 链接可访问；
- 指向正确企业；
- 页面与答案内容相关；
- 页面能够支持答案中的结论。
4. 有效推荐率
提到品牌不等于推荐品牌。可以设置推荐等级：
| 等级 | 定义 |
|---|---|
| R0 | 未提及或未推荐 |
| R1 | 仅列入候选名单 |
| R2 | 说明适用场景或选择理由 |
| R3 | 明确优先推荐并说明理由 |
正式有效推荐建议只统计R2和R3。
有效推荐率
=
R2和R3答案数
÷
全部有效决策型问题答案数
× 100%
5. 稳定覆盖率
单次提及可能只是生成波动。稳定覆盖率衡量品牌在重复测试中是否持续出现。
例如每题测试5轮，可规定至少出现3轮才算稳定覆盖。
稳定覆盖率
=
达到最低出现标准的问题数
÷
核心问题总数
× 100%
6. 信息准确率
品牌出现后，还要检查企业名称、电话、地址、服务、价格、资质和案例是否准确。
信息准确率
=
正确事实项数量
÷
全部核验事实项数量
× 100%
部分正确可以按0.5分处理，但高风险错误必须单独报告，不能被平均值掩盖。
7. 竞争引用或推荐份额
GEO效果还要看品牌相对于竞争对象的位置。
官网引用份额
=
目标品牌官网有效引用数
÷
全部监测品牌官网有效引用总数
× 100%
推荐份额也可采用同样逻辑计算。
8. AI辅助线索与商业结果
商业指标包括：
- AI直接访问；
- 用户明确表示通过AI了解到品牌的咨询；
- AI辅助有效商机；
- AI辅助成交；
- 已确认AI辅助收入。
建议把证据分为：
| 等级 | 说明 |
|---|---|
| A | 有直接技术证据 |
| B | 用户明确自述 |
| C | 只有时间或行为相关性 |
| D | 无证据 |
正式成果优先使用A和B级数据。
三层指标结构
基础层：能否进入答案
- 问题覆盖率；
- 品牌提及率；
- 平台覆盖率；
- 稳定覆盖率。
质量层：以什么方式出现
- 官网引用率；
- 有效推荐率；
- 信息准确率；
- 竞争引用份额。
商业层：有没有产生业务影响
- AI直接访问；
- AI辅助咨询；
- 有效商机；
- 成交与收入。
常见错误
- 只展示最好的一张AI截图；
- 把品牌提及当成品牌推荐；
- 改变问题库后继续比较环比；
- 删除未出现品牌的答案；
- 把所有直接访问归因给AI；
- 只看总平均值，不拆分品牌词和非品牌词；
- 忽略错误信息和负向提及；
- 不保存原始答案。
结论
GEO效果不能用一个“出现次数”概括。可信的评估体系应同时说明：
覆盖了多少问题
+
在多少答案中出现
+
是否获得官网引用
+
是否形成真实推荐
+
结果是否稳定
+
信息是否准确
+
相对竞争位置如何
+
是否产生可归因的商业结果