GEO 不能只用 SEO 指标判断

SEO 常看收录、排名、点击、自然流量。GEO 当然也需要这些基础，但它们不能解释 AI 答案里发生的事情。一个页面可能流量不高，却被 AI 引用；一个品牌搜索量可能上升，却没有直接来源参数。

所以 GEO 要分层衡量：先看内容有没有资格被抓取和理解，再看 AI 答案里有没有出现，最后看线索和销售是否能感知到变化。只盯单一指标，会误判真实效果。

第一层：输入指标，看你有没有被检索的资格

输入指标不直接等于增长，但它决定你有没有进入比赛。很多企业不是 AI 不愿意推荐，而是官网没有对应页面、内容太薄、信息互相冲突，导致系统没有可靠材料可用。

  • 页面能否被抓取，robots 和 sitemap 是否正确。
  • 核心页面是否有清晰标题、meta、canonical 和结构化数据。
  • 段落是否围绕目标问题独立回答，是否容易被抽取。
  • 官网、媒体、自媒体、行业平台的品牌口径是否一致。

第二层：答案指标，看 AI 是否把你放进结果

这一层要用固定问题池去测。每次复测使用同一批问题、同一批平台、同一套记录方式，才能比较变化。常见指标包括品牌可见率、首提率、推荐率、正向率、竞品出现率和引用来源。

AI 答案有波动，单次截图不可靠。更合理的做法是按周或按月采样，把原始回答保存下来，看趋势而不是看某一次回答。

第三层：信源指标，看 AI 为什么这样回答

当 AI 提到品牌时，要继续看它依赖哪些来源。是官网、媒体报道、公众号、行业平台，还是过期第三方页面？如果信源错误，答案迟早会漂移；如果信源都来自高质量内容，推荐才更稳定。

信源指标还能反推内容动作。官网薄，就补官网；FAQ 缺，就补问答；第三方信息错，就做更正和替换；竞品占据垂类媒体，就规划外部信源。

第四层：线索指标，看有没有进入业务闭环

GEO 最终还是要服务增长。官网表单应该记录来源、品牌、行业、问题和联系方式，并进入 CRM。销售跟进时要标记客户是否提到 AI、是否已经理解服务、是否带着具体问题来咨询。

这些数据可以帮助团队判断哪些文章带来更高质量线索，哪些行业问题更接近成交，哪些平台的 AI 推荐更有商业价值。没有 CRM 闭环，GEO 很容易停留在内容层自嗨。

一套务实的复测节奏

刚开始做 GEO，可以先做基线诊断，记录品牌在 30 到 80 个核心问题上的表现。第一轮内容和信源优化后，4 到 6 周复测一次，判断哪些问题变化明显，哪些仍然缺证据。

进入稳定期后，建议月度复测。复测报告不只看数据，也要输出动作：新增哪些页面、更新哪些段落、修正哪些错误、下一轮优先覆盖哪些行业和问题。