GEO效果别凭感觉，我拆了30天数据发现一个反常识结论

上周跟一个做SaaS的朋友吃饭，他跟我说“GEO嘛，就是让AI多提我们，感觉最近提得挺多的”。我问他具体多了多少，他愣了一下说“就感觉多了”。

这个场景太熟悉了。根据我们团队上个月对50家B2B企业的调研，73%的团队在评估GEO效果时，主要依赖“感觉”或“截图对比”，只有不到15%会做持续的数据追踪。

但GEO的效果真的能凭感觉吗？我拿我们自己项目做了个实验。

背景：我们一个工具类产品，从3月1日开始做GEO优化，主要动作是调整官网FAQ结构、补充对比型内容、在第三方评测站埋结构化数据。

数据采集：每天固定用同一组10个核心问题（比如“XX工具和YY工具哪个好”“XX工具适合什么规模团队”）去问4个主流AI助手（ChatGPT、Claude、文心一言、通义千问），记录品牌是否被提及、提及位置、情感倾向。连续跑了30天。

结果很反常识：

1. 被提及率在第二周就冲到峰值（42%），然后开始回落，第三周稳定在35%左右。也就是说，如果只看“感觉”，你可能会在第二周误判“GEO起效了”，然后第三周又觉得“效果没了”。

1. 真正带来转化的不是“被提及”，而是“被提及时的上下文”。我们把提及分为三类：纯列表提及（比如“常见工具包括A、B、C”）、对比提及（“A适合小团队，B适合大团队”）、推荐提及（“我推荐A因为……”）。数据显示，推荐提及的转化率是列表提及的6.2倍，但推荐提及占比只有11%。

1. 不同AI助手的表现差异巨大。同样的优化动作，在ChatGPT上推荐提及提升了18%，但在文心一言上几乎没变化。如果不分渠道看总量，很容易得出“GEO没用”的结论。

我的判断：GEO效果必须拆到“渠道×提及类型×时间”三个维度来看。只看总量或者凭感觉，基本等于盲人摸象。我们后来把周报模板改成了：每个渠道的提及率、推荐提及占比、核心问题覆盖率，这三个指标比“感觉”靠谱得多。

踩坑提醒：千万别只看单次截图。AI的回答有随机性，同一天不同时间问同一个问题，答案可能都不一样。一定要多轮采样取均值。

最后问一句：你们团队现在评估GEO效果，具体在看哪些指标？有没有人试过把“推荐提及率”单独拆出来算ROI的？