如何判断 GEO 有没有效果：6 项核心监测指标
为什么不能用“排名”衡量 GEO
GEO 的答案由模型动态生成，同一个问题在不同时间、不同账号、不同平台问，结果都可能不同。没有一份稳定的“榜单”，也就没有传统意义上可追踪的排名。
很多服务商仍在用“某关键词进入前三”来汇报，这个说法在 GEO 场景里几乎无法验证：截图可以挑选、提问可以微调、模型版本会更新。真正能用来判断的，是一段时间的表现趋势与最终的咨询结果。
六项指标，分别回答什么问题
表格较宽，可左右滑动查看完整内容
| 指标 | 统计口径 | 回答的问题 |
|---|---|---|
| 品牌提及率 | 在设定问题集中，品牌被提及的次数占比 | 我们是否进入了 AI 的候选范围 |
| 推荐位置 | 被提及时在回答中出现的顺位（首位/前三位/末位） | 我们是否被优先推荐 |
| 内容收录情况 | 计划上线内容中被目标平台收录的比例 | 内容是否进入了可检索范围 |
| 引用来源权重 | 被引用信息的来源类型与可核实程度 | 我们的信息是否被认为可信 |
| 竞品动态 | 同赛道品牌在同一问题集上的表现变化 | 相对位置是在改善还是恶化 |
| 有效咨询反馈 | 来自对应渠道、符合目标客群特征的咨询量 | 是否带来了真实生意 |
怎么测：问题集是基础
六项指标里，前五项都依赖一个共同前提：固定的问题集。没有稳定的提问样本，提及率今天 20% 明天 35%，可能只是换了问题。
建议这样设定：
- 固定 20–30 个问题，覆盖核心业务、区域、条件三类（与关键词体系的第三、四层对应）。
- 固定提问方式，不要每次临时改措辞。要调整时，新旧问题集并行跑一轮，做对照。
- 固定频率，建议每周一次，同一时间段进行，减少波动干扰。
- 记录原文，不只记录“有没有提到”，还要记录提到时说了什么。信息错误比没有提及更危险。
别忽略“说错了”
见过不少案例：品牌提及率不错，但回答里的营业时间、服务范围是错的。这类问题不会体现在“有没有被提到”上，却直接影响成单。监测必须同时看提及与准确。
怎么读：三个判读原则
看趋势，不看单次
单次结果受模型随机性影响很大。至少观察 4 周，看整体走向是升、是平、还是波动。一周从 10% 到 25% 说明不了什么，持续四周从 10% 到 30% 才有意义。
看结构，不只看总数
提及率从 20% 涨到 35%，可能来自两类不同原因：覆盖了更多业务方向，或者在原有方向上更稳固。前者是扩张，后者是深化，下一步策略完全不同。拆开看才能判断。
看咨询，不只看曝光
所有指标最终都要回到“有没有人来问”。如果提及率持续上升但咨询量不动，通常说明两件事之一：被推荐时描述不够具体，或者承接咨询的环节（电话、门店）有问题。
三种常见误读
- 把“被提到一次”当成稳定表现。单次出现可能只是某个平台的一次性抓取，不代表稳定进入候选范围。
- 把“竞品下降”当成自己上升。相对位置改善有两个来源：自己变强，或对方变弱。后者不可持续，需要继续加固自身内容。
- 把“收录”当成“被引用”。内容被平台收录只是进入可检索范围，是否被 AI 采用是另一回事。收录是必要条件，不是结果。
报告周期怎么定
我们的做法是：基础指标按周更新，结论与建议按月输出，每阶段做一次完整复盘。
这样安排的原因是节奏匹配：内容上线与收录变化以周为单位，策略判断需要更长的观察窗口。每周都做“策略调整”会把数据波动误当成趋势，反而干扰执行。
小结
GEO 的效果评估不需要复杂的模型，需要的是稳定的问题集、固定的频率、诚实的记录。做到这三点，六项指标就能回答一个朴素的问题：这段时间做的事，有没有让品牌更容易被找到、被信任、被咨询。
如果你正在核对服务商提供的数据，可以先问一句：问题集是怎么定的、多久测一次、记录里有没有回答原文。这三个问题能过滤掉大部分“看起来很美”的报表。