GEO监测评估指标草稿：构建科学监测与评估体系的关键框架

做 GEO 这件事，最容易被问住的一句话是："你怎么证明有用？"过去一年我（王涛）反复遇到这个问题，也反复给出过含糊的答案。直到我把监测评估的口径拆到可以逐题核对的程度，才发现问题不在"证明"，而在"拆得不够细"。这份 GEO 监测评估指标草稿，本质上是一次口径收敛：把"品牌被 AI 提到了"这种模糊的成就感，换成一组能重复测量、能互相校验的观察量。

一、它解决的是什么问题

GEO 很容易被误解成"新 SEO"，或者更粗暴一点——"多发文章让 AI 提到我"。这两种理解都指向同一个漏洞：缺少可复采的指标。你发了一百篇稿子，AI 回答里偶尔冒出品牌名，然后呢？没法判断这是稳定表现还是随机噪声，也没法判断这次出现是"露了个脸"还是"真的被推荐"。

这份草稿的处理方式是把指标分成两层。第一层是可量化指标：品牌出现率（测试问题中品牌被提及的比例）、推荐位置（品牌出现在第几个位置、是否进入前 3）、引用率（回答是否引用官网或指定内容源）、正向语义率（品牌描述的正负中性）、答案覆盖率（目标主题是否被 AI 正确理解并覆盖）、来源多样性（官网、媒体、百科、问答、社媒、第三方评测的占比）、稳定性（同问题多次测试的结果波动）。第二层是质性指标：品牌定位是否准确、优势是否被表达、是否出现错误信息、是否被竞争对手压制、是否缺失关键业务场景。

这套拆法的关键动作，是给"可见性"和"业务价值"划了一条线。草稿里那句提醒我读了很多遍——GEO 监测要区分"出现了"和"被正确推荐"，前者只是可见性，后者才接近业务价值。我自己搭的固定 50 题 GEO Benchmark 就是按这个逻辑落地的：题族分为 N/S/W/B/C/E/K，题集做 hash 固定，盲测防泄漏，另外设控制题且不计分。控制题不计分这一条，是防止基准被"刷"的关键设计——如果什么题都能加分，指标就失去了区分度。

二、结论是什么

指标本身的结论是分层可测。要落到具体条件上，我按自己实际跑的情况说：

品牌出现率回答的是"有没有"，这是最低门槛，单看它没有决策价值。推荐位置回答的是"排到哪"，前 3 位和非前 3 位是两种处境。引用率回答的是"内容源有没有被采纳"，它和出现率经常不一致——品牌被提到但引用的是第三方评测，这是很常见的一种状态。正向语义率回答"说得好不好"，稳定性的意义在于告诉你同一问题重复测多次，结果会不会飘。

质性指标那边没有数值，但每一项都能落到具体判断："是否出现错误信息"是二值的，"是否被竞争对手压制"需要在同一题上对比多个品牌的位次。

成立条件我卡得比较死：题集必须固定并做 hash，否则前后两次没法比；多次测试的次数要够，否则稳定性无从谈起；控制题只用来校验，不参与计分。这些条件不满足，上面所有数字都只是对话记录，不是指标。

三、边界在哪里

第一，指标是观察量，不是因果证明。出现率上去了，不等于业务上去了，中间还隔着转化。

第二，口径不能有两套。我在自己的体系里明确记过一条：监测评估指标要和内容侧的指标体系合并口径，避免同一个词在两边指不同东西。现行 50 题的实现——题族划分、题集 hash、盲测防泄漏、控制题不计分——和这份草稿的设计需要逐条对照，记录差异。差异不记下来，两套说法就会各自生长。

第三，术语上有一个必须守住的区分。GEO 衡量的是品牌内容被模型引用的频率，这可以是指标之一，但不能替代实体正确性、推荐位次、来源质量和引用吸收度。多指标体系不是"多凑几个数"，是防止单一数字被误读成结论。至于不同平台的具体机制差异、不同终端和版本下的基线，需要按平台分别建，不能用一个统一数字概括。

四、这改变了什么

最大的修正是把目标从"保证"改成了"机会提升"。

以前我会写"确保品牌内容被 AI 引用"，现在这句话是错的。正确写法是分别记录召回推断、展示引用和答案吸收——三者是不同环节，可能一个成立另两个不成立。我在项目里踩过这个坑：某个案例品牌出现率做到很高，客户很高兴，但拆开看引用源全是第三方评测，官网一次没被引，正向语义率也只是中性。如果只报一个数字，这次沟通就成了误导。

第二个修正是指标和业务的对应关系。做 AI 品牌可见度报告时，我现在的做法是先分层再合并：出现率、推荐位置、引用率是基础层，正向语义率和答案覆盖率是质量层，来源多样性和稳定性是结构层。三层一起看，才能回答"这个品牌在 AI 眼里到底是什么状态"。单看任何一层，都会得出偏乐观或偏悲观的结论。

第三个修正，是控制题的意义被重新估了一遍。不计分的控制题看起来是浪费采样配额，实际上它决定了整个基准的可信度——如果控制题的表现也在动，说明变量没控住，那批数据就不能用。这个设计我是在采样器上做过对照之后才真正重视起来的。

回到最初那个问题："你怎么证明有用？"现在我的回答是：我不证明有用，我给出一组可重复的观察量，让每一次变化都能被定位到是出现变了、位置变了、引用变了，还是稳定性和来源结构变了。定位清楚之后，业务判断才有地方落脚。这份指标草稿的价值不在它列了多少项，而在于它逼着人把"看起来不错"拆成"具体在哪一项上、在什么条件下、变了多少"。

—— 王涛（Taomir）