指标体系：AI 搜索该怎么衡量，以及怎么跟老板交差
一、先说清楚：为什么 GA 看不见 AI 流量
这是所有 GEO 项目死掉的第一原因——老板打开数据看板，看不到 AI 带来的流量，于是判断"没效果"。
机制上是这样的：
用户问豆包"哪个牌子的空压机好" → 豆包回答了，提到你 → 用户记住了品牌名 → 用户打开百度/微信搜索"XX 空压机" → 用户点进你的官网 → 你的分析工具把这次访问记成"自然搜索"或"直接访问"
AI 的那一步贡献，在日志里完全不存在。
海外的解法是靠 UTM 或 referrer（ChatGPT 会带 chatgpt.com 来源），但国内更糟：
| 平台 | 有没有 referrer | 能不能追踪 | 说明 |
|---|---|---|---|
| 豆包 App | 基本没有 | ❌ | 用户在 App 内看到答案，后续多为直接搜索 |
| 元宝 | 部分场景有 | ⚠️ 有限 | 微信内跳转链路被截断 |
| DeepSeek | 网页版可能有 | ⚠️ 有限 | App 端基本无 |
| Kimi | 可能有 | ⚠️ 有限 | 同上 |
| 夸克 | 有 | ✅ 部分可追 | 阿里系内链路相对完整 |
| 文心 | 有 | ✅ 部分可追 | 百度系内可追 |
【待核验】各家 referrer 传递策略未公开，且会随版本变化。建议自己用一次真实点击验证：在站上抓一次访问日志，看来源字段到底是什么。
结论：国内不要指望"AI 渠道流量"这个指标。要么用可见度指标（推荐），要么用品牌搜索量做代理指标。
一个可用的代理指标：品牌词的搜索量变化。如果 GEO 起作用了，品牌词（尤其是"XX 怎么样""XX 靠谱吗"这类评估词）的搜索量会先涨。这是间接但可靠的信号。
二、三层指标体系
不要把所有指标平铺在一张表上，那会让人失焦。分成三层，每层回答一个问题。
第一层：曝光层 —— 我们出现了吗？
| 指标 | 定义 | 怎么算 | 数据来源 |
|---|---|---|---|
| 可见度（提及率） | 目标问句中，答案提到品牌的百分比 | 提到次数 ÷ 总提问次数 | 固定问句集 × 重复取样 |
| 覆盖广度 | 六个平台里，有几个能提到你 | 命中平台数 ÷ 6 | 同上 |
| 问句覆盖 | 目标问句库中，有提及的问句占比 | 命中问句数 ÷ 总问句数 | 同上 |
这一层是最基础的，也是最该先建的。 它不需要任何工具，Excel 就能做。
第二层：认知层 —— 我们被怎么说的？
| 指标 | 定义 | 怎么算 | 注意 |
|---|---|---|---|
| 位次 | 在列举型答案里排第几 | 按出现顺序 | 不同平台列举长度不同，不可跨平台比 |
| 情感倾向 | 正面 / 中性 / 负面 / 未评价 | 四分类，双人标注 | 模型爱用模糊句式，见第 10 篇 |
| 场景正确性 | 被提到的品类、人群、价格带对不对 | 人工判读 | 错位的提及 = 负资产 |
| 引用形态 | 是"被推荐"还是"被提及"还是"被比较" | 人工分类 | 推荐 > 比较 > 附带提及 |
这一层最容易被忽略的是"场景正确性"。 一个做高端工业设备的品牌，如果被 AI 在"便宜的空压机推荐"里提到，那不是好事——它会把错误的人群引过来，还会稀释你的定位。
第三层：结果层 —— 有没有变成生意？
| 指标 | 定义 | 怎么采 | 现实难度 |
|---|---|---|---|
| 品牌词搜索量 | "XX 怎么样""XX 靠谱吗"的搜索量 | 百度指数、微信指数 | 🟢 可采，是最佳代理指标 |
| AI 相关咨询量 | 客服/销售记录里"我在豆包上看到你们" | 人工标记 + CRM 字段 | 🟡 需流程配合，但极有价值 |
| AI 渠道转化 | 从 AI 来的线索的成交率 | UTM 或人工归因 | 🔴 国内基本不可靠 |
| 销售周期变化 | 客户从接触到成交的天数 | CRM | 🟡 长周期才能看出来 |
强烈建议做的一件事：在 CRM 或客服系统里加一个字段——"您是从哪里知道我们的？"选项里加"AI 助手（豆包/元宝/DeepSeek 等）"。
这个字段成本几乎为零，但它能把整个项目的价值从"看不见"变成"可归因"。三个月后你就能拿出"本月 37 个新客户里有 9 个说是从 AI 上看到的"这种硬数据。
三、为什么"一个总分"是错的
很多工具会给你一个"AI 可见度分数"，比如 62 分。这个数字有问题，原因有三个：
1. 平台之间没有共同刻度。 豆包的回答长、列举多，品牌更容易被塞进去；Kimi 的回答更聚焦，列举少。同一个品牌在两个平台的"提及率"天然不可比。
2. 问句之间权重不同。 "什么是空压机"和"200 平车间该配多大空压机"的商业价值差十倍。简单平均等于把垃圾问句和核心问句等同。
3. 单次结果波动极大。 大模型是不确定的，同一个问题问两次可能给不同答案。不做重复取样的分数，本质是噪声。
正确做法：分组，然后分组汇报。
推荐按三个维度切：
| 切法 | 分组 | 用途 |
|---|---|---|
| 按意图 | 认知（是什么）/ 选择（哪个好）/ 对比（和 X 比）/ 交易（多少钱）/ 售后（靠谱吗） | 看你在漏斗哪一段弱 |
| 按主题 | 产品线 / 应用场景 / 人群 | 看哪块内容没做 |
| 按平台 | 六个池子分开 | 看该补哪个池子 |
一句话原则：宁可要六个分开的、粗糙的分数，也不要一个合并的、精致的假分数。
四、国内平台的口径限制（必须提前跟老板说清）
做国内 GEO 报表，有三个绕不过去的事实。提前说清，比事后解释强。
限制 1：不是所有平台都展示来源。
海外可以算"引用率"（答案里带链接/角标的比例），国内很多平台不展示来源列表，只能算"提及率"。所以报表里要明确区分这两个概念，不能混着说。
限制 2：答案长度差异大，位次不可跨平台比。
豆包可能列 8 个品牌，Kimi 只列 3 个。你在豆包排第 5、在 Kimi 排第 2，不代表 Kimi 更好——分母不同。
限制 3：结果不稳定，需要重复取样。
最低要求：每个问句每个平台问 3 次，取"3 次中提及次数"作为该格的分数（0/1/2/3）。只问一次的结果不能进报表。
【待核验】各平台的取样稳定性未做系统性测试。经验上，同一问句连续问 3 次，答案结构相似度较高，但品牌提及会有 1–2 次的波动。
五、一张可落地的 KPI 卡（季度用）
不要做复杂的仪表盘，一张表就够：
| 维度 | 指标 | 上季度 | 本季度 | 目标 | 状态 |
|---|---|---|---|---|---|
| 曝光 | 核心问句提及率（30 条） | 23% | 41% | 40% | ✅ |
| 曝光 | 覆盖平台数 | 3/6 | 5/6 | 5/6 | ✅ |
| 认知 | 平均位次（豆包） | 6.2 | 4.1 | 4.0 | 🟡 |
| 认知 | 正面情感占比 | 52% | 61% | 65% | 🟡 |
| 认知 | 场景错配次数 | 4 | 1 | 0 | ✅ |
| 结果 | 品牌词搜索量（月均） | 1,800 | 2,400 | — | 📈 |
| 结果 | 自称"从 AI 看到"的线索 | 0（未采集） | 9 | 15 | 🟡 |
这张卡的三个设计原则：
- 只放 7–9 个指标，多了没人看
- 每个指标必须有上季度值，没有基线就无法判断
- 目标值要诚实，不要写"提升 300%"这种没法验证的话
六、三句能对老板说清楚的话
这是很多人卡住的地方。技术上都对，但说不明白。三个句式：
句式 1：把"不可见的流量"翻译成"可见的认知份额"
"以前我们只能看到有多少人来了网站。现在我们能看到，在客户问 AI 的 30 个关键问题上，我们的品牌出现在 41% 的答案里，上季度是 23%。竞品 A 是 55%，这是我们下一个要追的目标。"
句式 2：把"没流量"提前挡掉
"AI 这条链路天然不产生可追踪的点击——用户在 AI 里看到我们，然后自己去搜品牌词。所以我们不看 AI 渠道流量，我们看品牌词搜索量：本季度环比涨了 33%，这是最直接的信号。"
句式 3：把预算和风险挂钩
"现在客户问 AI'XX 靠不靠谱'，答案里引用的是三年前的一条知乎负面回答。这条我们删不掉，但我们可以用 20 篇有数据的新内容把它挤下去。这件事不做的风险是：每 10 个来问的客户，有 3 个已经被劝退过一次。"
共同点：都不谈技术，只谈"客户看到什么"和"钱在哪"。
七、四个常见问题
Q1：能不能只做一个总分给老板看？
可以给一个复合指标，比如"核心问句提及率"，但必须配一句限定："这是 30 条核心问句在 6 个平台的加权提及率，权重按商业价值分配。"一个数字 + 一句口径，比十个数字更容易被记住，也更难被质疑。
Q2：竞品的数据怎么拿？
同样的问句集、同样的取样方法，把竞品品牌名一起记录。不需要工具——你在看答案时，答案里提到的所有品牌都记下来。这是零成本的竞品监测。
Q3：多久汇报一次合适？
月度看趋势（只发核心 3 个指标），季度做完整复盘。不要周报——AI 答案的波动会让周报看起来像随机数，反而损伤可信度。
Q4：如果数字一直不涨怎么办？
先查三件事：① 你的站有没有被抓（看日志 UA）② 目标问句是不是压根没人问（问客服）③ 平台选错了（比如主攻元宝但你没做公众号）。这三件事占失败原因的 80%。