文章 · GEO
GEO 效果怎么衡量：5 个指标和记录方法
GEO 的效果要自己量。做 SEO 有搜索引擎的官方后台可以看，GEO 没有，各家 AI 都不会告诉你「你的品牌被提到了多少次」。
方法是：固定一批问题，定期到几个 AI 里去问，把回答记下来，看 5 个指标的变化。这 5 个指标是提及率、推荐率、事实正确率、引用率和收录数。
下面讲每个指标怎么算、表格怎么记、变化怎么判断。
衡量 GEO 效果指什么
GEO（生成式引擎优化）是让品牌和内容被 AI 的回答引用和提到的一套做法，原理见GEO 是什么。
衡量它的效果，就是回答一个问题：客户去问 AI 的时候，AI 提到你了吗，说得对吗，比以前多了还是少了。
这件事比看搜索排名难，原因有三个：
- 没有官方数据。 只能自己去问。
- 回答不固定。 同一个问题问两遍，AI 的回答可能不一样。只问一次，结果有很大的偶然性。
- 平台不一样。 豆包提到了你，不代表 DeepSeek 也会提到。
所以衡量 GEO 靠的不是某一张截图，而是一批固定的问题、多次的提问和一份持续的记录。
5 个指标
| 指标 | 怎么算 | 说明什么 |
|---|---|---|
| 提及率 | 提到你品牌的回答数 ÷ 总的回答数 | AI 知不知道你 |
| 推荐率 | 把你列为合适选项的回答数 ÷ 总的回答数 | AI 是不是把你当成答案的一部分 |
| 事实正确率 | 关于你的信息说对了的回答数 ÷ 提到你的回答数 | AI 说的是不是对的 |
| 引用率 | 引用了你官网链接的回答数 ÷ 总的回答数 | 你的内容有没有被当成来源 |
| 收录数 | 搜索引擎收录了你多少个页面 | 地基稳不稳 |
前四个是直接指标，要靠提问得到。最后一个是基础指标，在百度搜索资源平台和 Google Search Console 里看。
提及和推荐是两回事。 AI 在一串名字里带到了你，这是提及。AI 说「如果你要做进销存系统，可以考虑某某公司，因为……」，这才是推荐。
事实正确率容易被忽略。 AI 提到了你，但把你的业务说错了、把地址说错了，这对你不是好事。
问题怎么选
问题是整个测量的基础，选的时候注意四点。
分两类。
- 非品牌问题：客户会问、但不带你品牌名的问题。比如「厦门有哪些可以做企业官网和小程序的服务商」。这类问题看的是提及率和推荐率，是重点。
- 品牌核对问题：直接问你的品牌。比如「某某公司提供什么服务」。这类问题看的是事实正确率。
用客户的原话。 从真实的咨询记录、搜索引擎的下拉词里找，不要自己想当然。
数量不用多。 10 到 20 个就够。太多了坚持不下来。
定了就不改。 每一轮都用同样的问题，一个字都不动。问题一改，前后的数据就没法比了。
记录表怎么做
用一张普通的表格就行。下面是我自己用的表头：
| 列 | 填什么 |
|---|---|
| 轮次 | 基线、第 1 次复测、第 2 次复测…… |
| 日期和时间 | 提问的时间 |
| 平台 | 豆包、DeepSeek、元宝、Kimi…… |
| 是否联网 | 有没有打开联网搜索 |
| 显示的模型名 | 页面上显示的模型名称 |
| 题号和类别 | 第几题，非品牌还是品牌核对 |
| 原样提问 | 一字不差的问题 |
| 第几次 | 同一个问题的第 1 次还是第 2 次 |
| 提到品牌 | 是或否 |
| 作为合适选项推荐 | 是或否 |
| 事实正确 | 是、否或部分 |
| 引用了官网 | 是或否，以及引用的链接 |
| 完整回答存在哪 | 截图或文本文件的位置 |
最后一列很重要。完整的回答要存下来，以后才能回头核对，也才能给别人看。
怎么提问才算数
- 每个问题至少问两次。 每次都新开一个对话，不要在同一个对话里接着问。
- 不要登录后带着历史聊。 之前的聊天记录会影响回答。能用无痕窗口最好。
- 问法不带倾向。 不要问「某某公司是不是很好」。
- 记下是否联网。 联网和不联网，回答的来源完全不同，要分开看。
- 同一轮尽量在一两天内问完。
多久测一次，变化怎么判断
频率：先在改动之前测一次基线，之后每两到四周测一次。
怎么判断是真的变了：
- 只有一两个回答发生了变化，不能下结论，这可能是偶然。
- 同一个问题，连续两轮、多次提问都提到了你，才算稳定。
- 要看整体的比例，不要盯着某一个回答。
样本要够。 中国商务广告协会 2026 年 9 月公布的 GEO 团体标准里，对可见率等核心指标规定了统计口径和最低样本量（据证券时报网的报道）。这说明行业里也认同一点：次数太少的数据不能算数。
辅助的信号
除了直接去问 AI，还有几个地方可以对照着看：
- 收录数和展示量。 在百度搜索资源平台和 Google Search Console 里看。
- 品牌词的搜索量。 搜你品牌名的人有没有变多。
- 访问来源。 网站的访问记录里，有没有从 AI 产品跳转过来的访问。
- 直接问客户。 新来咨询的客户，问一句「你是在哪里知道我的」。这是最直接的。
接口监测和在 App 里问的区别
用工具做监测，一般是通过模型的接口去提问。它和你在手机 App 里手动问，有几点不同：
| 在 App 里手动问 | 通过接口监测 | |
|---|---|---|
| 接近真实用户吗 | 最接近 | 有差别，App 里通常还有搜索和别的处理 |
| 能自动化吗 | 不能，要人一个个问 | 能，定时跑 |
| 记录完整吗 | 靠人截图和抄录 | 自动保存完整的回答 |
| 适合做什么 | 确认真实的情况 | 长期跟踪趋势 |
两种方法各有用处。稳妥的做法是：用接口监测长期跟踪趋势，重要的问题定期到 App 里手动核对。
银背 GEO 目前能做什么
我做的工具银背 GEO 里有一个监测模块，就是为这件事做的。
终极目标是让品牌被 AI 推荐，但这个结果没有工具能保证。监测模块做的是让你看清楚现在的情况。它现在实际能做的：
- 管理品牌和问题库。 把固定的那批问题存进去。
- 定期提问。 通过智谱和 DeepSeek 两家的模型接口提问，保存每一次的完整回答。
- 自动解析，人工复核。 先自动判断回答里有没有提到品牌，再由人确认，避免误判。
- 看趋势。 每一轮的结果画成趋势图。
- 管预算。 可以设预算上限，每次调用花了多少钱都有记录。
它目前接的是两家模型的接口，属于上面表格里右边那一列。豆包、元宝这些 App 里的回答，还需要手动去核对。
功能说明见 GEO 服务页。
适用边界和注意事项
- 文中引用的报道查于 2026 年 10 月 13 日。团体标准的内容转述自媒体报道，具体的指标定义和样本量要求以标准原文为准。
- 这 5 个指标是我自己使用的一套，不是行业的统一标准。不同的服务商可能有不同的叫法和算法。
- AI 的回答有随机性，文中的方法只能降低偶然性，不能消除。
- 提及率上升，不一定是你做的事带来的，也可能是模型更新了。所以要长期看，并且记下每次改动的时间。
- 有一个风险要留意：只看服务商给的漂亮截图做判断。没有原始记录和固定问题的数据，不能作为效果的依据。
结论
GEO 的效果没有官方后台可以看，要自己量。
固定 10 到 20 个问题，分成非品牌问题和品牌核对问题，定期到几个 AI 里各问至少两次，记录提及率、推荐率、事实正确率、引用率，再加上搜索引擎的收录数。
问题定了就不改，完整的回答要存档。看的是连续几轮的整体比例，不是某一次的截图。
常见问题
有没有一个地方能直接查到 AI 提到我多少次？ 没有。各家 AI 都没有提供这样的官方后台。只能自己提问记录，或者用监测工具。
问一次看到 AI 提到我了，是不是就说明有效果？ 不能。AI 的回答每次都可能不同。同一个问题多次提问、连续几轮都提到你，才算稳定。
应该测哪几个 AI？ 挑你的客户常用的。国内常见的有豆包、DeepSeek、元宝、Kimi、文心一言。精力有限的话，先选两三个。
多久能看到变化？ 没有固定的时间。内容被搜索引擎收录需要几天到几周，被 AI 用上更晚，也不稳定。建议至少连续记录两三个月再下结论。
提及率多少算好？ 没有统一的标准，和行业、问题的宽窄都有关系。和自己的基线比，比和别人比更有意义。
服务商给我的监测报告，怎么判断可不可信？ 看三样：问题是不是固定的，每个问题是不是问了多次，能不能拿到原始的完整回答。更多要问的事见GEO 靠谱吗。
手动记录太麻烦，有省事的办法吗？ 可以用监测工具把定期提问和记录自动化，再对重要的问题做人工抽查。手动的完整流程见没有工具怎么做 GEO。