GEO优化
把AI回答里的品牌提及按「第几位出现」拆开,我发现首提率被问句真伪混算虚高了四成
116 1 45
上周复盘一个项目的GEO效果,客户拿着报告说「首提率38%,还不错」。我让他先别急,把分母拆开看。
我们抓了1200条AI回答,按品牌第一次出现的位次做了标记:第1位、第2-3位、第4位以后、未出现。粗算首提率是38%,但我把问句按「真需求」和「伪需求」分了两组——真需求是用户明确在问品类或解决方案,伪需求是品牌词已经出现在问句里的那种。
结果很扎心:伪需求组首提率67%,真需求组只有22%。混在一起算出来的38%,是把品牌词自带的光环摊到了自然流量头上。按真需求口径重算,首提率实际是24%左右,虚高了约四成。
这个坑我踩过不止一次。问题出在问句库设计阶段:品牌词问句和品类问句混在同一个池子里,跑完直接求平均。算法没错,分母错了。
我的处理办法是三步:
第一,问句入库时打两个标签——「是否含品牌词」「问句意图层级」。含品牌词的一律单独统计,不参与自然首提率计算。
第二,首提率的分母只算「品牌未出现在问句里」的那部分,单位是「条」,不是「次」。因为一条回答里品牌可能出现多次,按次算会重复计数。
第三,每次报告必须附上口径说明:样本量、问句来源、时间窗口、去重规则。缺一项我就不签字。
另外还有一个细节:不同AI平台对「首提」的判定窗口不一样。有的平台前50字算首屏,有的按段落。我现在的做法是统一按「品牌名第一次出现在回答正文前200字内」来计,跨平台才能横向比。
说句实话,GEO行业现在最大的问题不是效果差,是口径乱。同一套问句,换个分母能差出两倍。客户看不懂,服务商也乐得含糊。
所以我想问一句:你们统计首提率的时候,分母到底用的是「全部问句」还是「剔除品牌词后的问句」?有没有人试过把品牌词问句单独拉出来做对照组的?
登录后可以为帖子点赞,但本帖内容对所有人开放阅读。
