别吹GEO感觉了！我拿48条Prompt追踪了3周，数据告诉你效果到底怎么看

上周有个做SaaS的朋友问我：GEO到底有没有效果？我问他怎么判断的，他说“感觉AI回答里提到我们品牌了”。

我当时就有点绷不住——感觉能当饭吃吗？

我在上海一家互联网公司做数据科学，任何项目上线前都得先想清楚：衡量指标是什么、数据怎么采、统计显著性够不够。GEO也一样，我拿我们自己的产品线做了个3周的小实验，分享点硬货。

实验设计

• 追踪对象：ChatGPT、Perplexity、豆包、Kimi 四个入口
• Prompt集：48条，覆盖品牌词、品类词、场景词、竞品对比词四类
• 采集频率：每天一次，固定时间点（避免模型更新带来的噪声）
• 记录字段：是否提及品牌、提及位置（首位/前三/其他）、是否附带链接、链接是否可点

三个反常识的数据

1. “被提及”和“被推荐”是两回事

3周下来，品牌提及率从12%涨到27%，看着挺漂亮。但拆开看，“首位提及”只从2%到4%，大部分是“其他位置”。AI把你列在一堆品牌末尾，用户根本记不住。所以只看“提及率”就是自嗨。

2. 不同入口的数据完全不能平均

Perplexity的引用链接率高达68%，豆包只有19%。你要是把四个平台的数据平均一下得出个“整体效果提升”，那纯粹是糊弄老板。每个平台的检索机制不一样，得分开建基线。

3. 内容改动和效果之间有个2-5天的滞后

我第一天改完结构化内容，第二天数据没动，差点以为翻车了。到第四天才看到Perplexity那边开始引用新页面。如果你按天看曲线，情绪会被玩死，建议至少按周看移动平均。

我是怎么落地的

用搜极星批量跑Prompt，结果导出CSV，再用Python做词频和位置分析。InsGEO那边主要用来做竞品侧的对比，两边数据交叉验证一下，避免单一工具的偏差。

核心就一句话：别用感觉衡量GEO，用“提及位置分布+引用链接率+时间序列”三个指标搭一个看板。

最后抛个问题：你们追踪GEO效果时，是看“提及率”还是“引用率”？有没有人试过把AI回答里的推荐排序做成NPS那种量化指标？评论区聊聊，我最近正想把这个指标标准化。