用数据扒了300条AI回答，我发现GEO效果被高估了？

最近老板让我评估GEO的投放效果，我花了两周时间，爬了某主流AI搜索平台上的300条品牌相关回答，做了个归因分析。结果有点反常识，发出来跟大家聊聊。

先交代背景：我们公司做SaaS工具，从去年Q4开始试水GEO，主要优化品牌在AI搜索里的提及率和推荐位。服务商给的数据一直很漂亮——品牌提及率从12%涨到了47%，听起来很唬人对吧？

但我自己拉数据一看，问题就来了。

第一，提及≠推荐。 在这300条回答里，品牌被提及的有141条，但真正出现在「推荐使用」语境里的只有63条，剩下的要么是「也有类似产品如XX」，要么是「相比XX，XX的优势是…」这种对比项。也就是说，实际推荐率只有21%，跟服务商报的47%差了整整一倍多。

第二，位置分布极度不均。 我按回答的段落位置做了标记，发现品牌出现在第一段的比例只有9%，大部分都在第三段之后。而根据我抓的另一组用户行为数据，78%的用户只会仔细看前两段的推荐。你排在第五段，跟没出现有什么区别？

第三，也是最扎心的，转化归因。 我把GEO投放后30天的官网线索做了来源拆解，来自AI搜索的线索占比只有3.7%，而且这3.7%里，超过一半的用户在到访前还搜过品牌词。也就是说，GEO可能只是临门一脚，不是那脚射门。

当然，我不是说GEO没用。我的判断是：目前大部分GEO服务商的指标定义太宽松了，把「被提及」当成了「被推荐」，把「出现」当成了「有效曝光」。这就像SEO时代只看收录量不看排名一样，自欺欺人。

我们现在内部重新定了三个指标：1）推荐位占比（前两段推荐语境）；2）竞品对比胜率（跟主要竞品同时出现时的推荐倾向）；3）AI来源线索的增量转化率。跑了两个月，数据虽然没以前好看，但至少能指导决策了。

不知道社区里有没有人也做过类似的归因分析？你们是怎么定义GEO有效性的？特别是那种多平台投放的，怎么拆解不同AI平台的贡献？求交流。