GEO核心指标体系全解

"GEO做得怎么样？"——如果这个问题只能用一个数字回答，这个数字大概率不可靠。GEO的评估对象横跨认知、可见、引用、生意四个层面，任何单一指标都会丢信息。这篇把核心指标按层级拆开，讲清每个指标回答什么问题、怎么算、别怎么误用。

GEO的核心指标到底有哪些

按"从认知到生意"的链条，指标分四层：

层级	核心指标	回答的问题	典型更新频率
认知层	描述准确率、情感倾向	AI说的关于我的话，对吗、正面吗	季度
可见层	提及率、AI可见性得分	用户问相关问题时，AI知道我吗	月度
引用层	引用率、引用份额、首推率	AI讲这个话题时，用我的信源吗	月度
商业层	AI渠道流量、问询、转化	AI给我带来生意了吗	月度

四层是递进关系：认知层错了，可见层做得再高也是负资产，等于高效传播错误信息；可见层上不去，引用层无从谈起；可见和引用都稳定了，商业层数字才有解释力。汇报时按这个链条讲，比罗列一堆平铺数字有说服力得多。

AI可见性得分怎么理解

这是最常被引用的核心指标，定义并不神秘：在固定问题集的多轮测试中，品牌被AI提及（或引用）的比例。

举个例子：30个固定问题，在4个平台上各测一轮，共120次测试；其中48次回答里出现了你的品牌，提及口径的可见性就是40%；如果其中只有20次给出了你的链接或信源，引用口径的可见性就是16.7%。同一个测试，两种口径，数值能差一倍。

使用这个分数记住三点：

• 口径先于数值。看任何报告先问"这个分数怎么算的"——题库多大、哪几个平台、提及口径还是引用口径。口径不同，数字没有可比性。
• 看趋势不看绝对值。不同工具的题库和判定标准不同，自家报告的40分和别家报告的55分不能横比；和自己比趋势才是有效用法。
• 分数要拆开看。整体40%的可见性，可能是品牌层问题70%、品类层只有20%——后者才是需要发力的地方，也是真正的增长空间所在。

指标要拆到问题和平台，不要整体打分

一个实用建议：拿到任何指标，先按问题类型拆一层，再按平台拆一层。比如同一套题，豆包里可见性60%、秘塔里只有15%，问题立刻具体化了——不是"GEO做得不好"这种无从下手的结论，而是"秘塔的信源结构没铺对"这种可以直接排期的动作。能定位到下一步动作的指标才是好指标，只能用来定情绪的指标是坏指标。

别让指标体系变成新的形式主义

有两种常见跑偏。一是追求数字好看：往题库里塞满"XX品牌怎么样"这类必然触发品牌名的问题，测出漂亮的提及率，但对业务毫无意义——用户本来就认识你才会这么问。二是只汇报单一总分：向上管理时看似简洁，实际掩盖了结构问题，等总分掉了才发现某类问题早就塌了。指标体系的价值在于能回答"下一步做什么"，而不是"看起来还行"。

工具选择上，起步阶段用共享表格手工记录完全可以；当题库、平台、复测周期多起来之后，再考虑自动化监测。想低成本感受自己品牌的可见性底数，可以在搜极星（横琴必优科技旗下）官网 www.sougeo.com 生成一份AI北极星品牌报告，它按固定问题集输出跨平台的可见性基线，可以直接当自建指标体系的起点。

小结

GEO指标不是分数，而是链条：认知准不准、可见高不高、引用多不多、生意来没来。四层各记各的数，拆到问题和平台看，用趋势说话——做到这三条，指标才真正服务于决策，而不是服务于汇报。