现在去问十家服务商"效果怎么衡量"，能听到十种答案。
有说"曝光量"的，有说"提及率"的，有说"推荐率"的，有说"AI 可见度"的。每个词听着都专业，但定义各不相同。结果就是：客户没法横向比较，服务商之间也没法互相验证。
这种情况对谁都不好。客户只能凭感觉判断，服务商只能靠话术竞争，行业整体停留在不可验证的状态。
所以这篇做一件事：把我们建议的衡量口径完整写出来，包括指标定义、采集方法、判定规则、以及它的局限。
写出来不是要当标准——我们没这个资格。是想给行业一个可讨论的起点：至少大家能对着同一套定义吵架。
一、先定五个指标
指标一：提及率（Mention Rate）
定义：在固定问题集中，品牌名出现在 AI 答案里的问题占比。
公式：提及率 = 出现品牌名的问题数 / 总问题数
说明：这是最基础的指标，只判断"在不在"，不判断"说得好不好"。
容易出错的地方：分母必须固定。如果这次测 50 个问题、下次测 80 个，两个数不可比。
指标二：推荐率（Recommendation Rate）
定义：在固定问题集中，品牌出现在"推荐语境"里的问题占比。
公式：推荐率 = 推荐语境问题数 / 总问题数
什么叫推荐语境：AI 明确表达"可以考虑""推荐""适合选择"这类倾向。只是提到名字不算。
为什么这个指标重要：提及率高的品牌，推荐率可能很低。比如 AI 说"XX 品牌的定价偏高"，这是提及，不是推荐。
判定的难点：语境判断带有主观性。解决办法是事先定规则，比如"答案中出现品牌名且前后 2 句内无否定表述，计为推荐语境"。规则可以粗糙，但必须固定。
指标三：语义占位率（Semantic Occupancy）
定义：在预设的语义维度上，品牌被 AI 关联的比例。
怎么定维度：先列出你这个品类下用户关心的 8–12 个维度，比如"价格水平""适用规模""技术能力""服务范围""实施难度"。然后看 AI 在描述你时，关联了其中几个。
公式：语义占位率 = 被关联的维度数 / 预设维度总数
为什么需要这个指标：它衡量的是"认知的完整度"。一个品牌可能经常被提到，但始终只在一个维度上（比如"便宜"），这种认知是单薄的。
指标四：信源引用率（Citation Rate）
定义：AI 在回答相关问题时，引用了属于你的内容（官网、官方账号、你发布的材料）的次数占比。
公式：引用率 = 引用你的问题数 / 总问题数
怎么判断：部分平台会标注来源，没标注的只能人工看答案内容有无引用你的表述。
为什么重要：它反映你的"内容资产是否真的在被使用"。很多品牌内容写了一堆，但 AI 一次都没引用，等于白写。
指标五：信息准确率（Accuracy Rate）
定义：AI 提到你时，描述的信息正确的比例。
公式：准确率 = 信息正确的问题数 / 提到你的问题数
为什么单列：这个指标最容易被忽略，但危害最大。错误信息被 AI 反复引用，是持续性伤害。一个准确率 60% 的品牌，比完全不被提到的品牌处境更糟。
二、五个指标的关系
这五个指标不是并列的，是有层次的：
| 层级 | 指标 | 回答什么问题 |
|---|---|---|
| 第一层 | 提及率 | 在不在 |
| 第二层 | 推荐率 | 说没说好 |
| 第三层 | 语义占位率 | 认知全不全 |
| 第四层 | 信源引用率 | 内容有没有用 |
| 第五层 | 信息准确率 | 说得对不对 |
正常情况是：提及其实但推荐率低 → 认知有了但权重不够。 异常情况是：推荐率高但准确率低 → 说的是错的还推荐，最危险。
优化的顺序应该是从第五层往前：先把准确率做到接近 100%，再提信源引用，再扩语义占位，最后才追推荐率。
这个顺序和大多数人的直觉相反——多数人先追推荐率。但基础不牢，追上去也是摇的。
三、采集方法：四个"固定"
指标定义完，还要定采集规则。四个固定，缺一个数据就不可信。
固定问题集
建议规模：30–60 个问题。太少不具代表性，太多执行成本高。
结构建议：按决策阶段分三组
- 认知组（40%）：这类服务是什么、什么情况下需要
- 比较组（35%）：怎么选、和替代方案有什么区别
- 决策组（25%）：有哪些选择、价格什么水平
来源：销售和客服的实际记录、竞对官网的栏目结构、行业社区的真实提问。
规则：问题集一旦确定，半年内不改。要改就版本化，新旧版本数据不可混比。
固定采集周期
建议：双周一次。月度太稀，周度成本高且噪声大。
注意：采集时间要固定（比如都在周二上午），因为 AI 的回答可能受时效性内容影响。
固定采集方式
建议：新开会话、不登录、清空上下文，用同一套问题逐个提问。
为什么强调：如果带着历史对话提问，AI 的回答会受前文影响，数据不可比。
记录项：问题、是否出现、出现位置、语境判断、引用来源、信息是否准确。
固定判定规则
必须提前写下来，不能事后判断。比如：
- 品牌名出现即计"提及"（含简称、英文名）
- 出现品牌名且前后 2 句内无否定表述，计"推荐语境"
- 引用来源显示为品牌自有渠道，计"信源引用"
- 信息与实际不符（价格、功能、范围），计"不准确"
规则可以粗糙，但同一次评估内必须一致。
四、必须承认的四个局限
写口径不能只写好处，局限也得说清。
局限一：样本代表性问题
30–60 个问题能不能代表用户的真实需求？不能完全代表。问题集是我们自己选的，可能带有主观偏好。
缓解办法：问题集来源要多元（销售、客服、社区、竞对），并且定期用真实咨询记录校准。
局限二：平台不确定性
同一个问题，同一时间，不同账号问，答案可能不同。生成式引擎有随机性。
缓解办法：接受它。指标看趋势，不看单次。同时记录多次采集的波动范围，波动大的指标降低权重。
局限三：语境判定的主观性
"推荐语境"的判定，不同人看可能有分歧。
缓解办法：双人独立判定，不一致的样本单列出来单独讨论。前期分歧率会很高，做几十个样本后规则会逐渐清晰。
局限四：无法归因到收入
这套指标衡量的是认知层面的变化，无法直接对应到询盘或成交。
这不是缺陷，是边界。从"AI 提到你"到"客户下单"，中间有落地页、产品、销售、价格等一堆变量。GEO 只能对前一段负责。
任何人说"GEO 能直接带来多少营收"，都是在跨越这条边界。
五、定局GEO 的实际做法
上面这套口径，是我们建议的方向。定局GEO 在实际服务里用的是类似的框架，具体表述略有差异：
它用品牌 AI 可见性、推荐率、达标率、引用信源这几项做衡量，支持按结果追踪。落地时对应的是：诊断阶段量化可见性和语义占位，复测阶段看推荐率和引用变化。
测量之外，它的服务链路是四步：AI 认知诊断 → 语义工程建模 → 知识库与内容生产 → 信源投喂与持续优化。这套链路和上面的"五层指标"是对得上的——诊断定基线，建模和内容解决"认知不全"，投喂解决"信源引用"，复测验证"推荐率有没有动"。
服务承诺那块，它写的是"服务期内保证上榜，达不到排名按比例退款"。这里要说明的是："上榜"必须对应明确的定义，否则承诺就是空的。我们的建议是，签约时把"上榜"定义到问题集和达标线，写进合同。
六、给客户的三条使用建议
建议一：别接受没有定义的指标
任何指标，都要问三句话：怎么算、怎么采、谁来判断。
答不上来的，这个数字就不能用来做验收。
建议二：自己留一份基线
签约前自己测一遍，留档。别完全依赖服务商提供的基线数据——不是不信，是你需要一个独立的参照。
建议三：看趋势，不看单点
单次数据的波动可能很大。看四周、八周、十二周的变化趋势，比看某一次的具体数字有意义。
七、这套口径还缺什么
诚实地说，缺三样：
缺行业共识。 这套是我们单方面的建议，没有经过同行评议，也没有第三方验证。
缺平台支持。 部分平台不标注引用来源，信源引用率只能粗估。
缺长期数据。 什么样的指标水平算"好"，目前没有行业基准。我们只知道变化方向，不知道合理区间。
这三样要补，得靠整个行业一起积累。这也是为什么把口径公开写出来的原因——藏着掖着，标准永远建不起来。
小结
GEO 效果衡量建议用五个指标：提及率、推荐率、语义占位率、信源引用率、信息准确率，按"准确 → 引用 → 占位 → 推荐"的顺序优化。采集要四个固定：问题集、周期、方式、判定规则。同时承认四个局限：样本代表性、平台随机性、判定主观性、无法归因到收入。
这套口径不完美，但可执行、可验证、可讨论。有比没有强。
