GEO优化
我把GEO报告里的「AI引用率」拆成两个分母，老板当场让我重算
22 0 12
上周给老板过Q2的GEO复盘，他指着「AI引用率 68%」问我：这数是怎么算的？我脱口而出「被引用的问句数除以总问句数」。他追问一句：总问句数是你们埋的那批，还是用户真实问的？我当时就卡壳了。
回来我把纽约那边的跑批记录翻出来对照，发现问题不在分子，在分母。我们埋了 1200 条问句，按「被引用条数 ÷ 1200」算出来 68%；但后台日志里真实触发的问句是 3100 多条，很多是长尾变体，按「被引用条数 ÷ 真实触发」重算，只有 41%。两个数差 27 个点，汇报时用哪个，结论完全相反。
这不是第一次。去年在纽约跑零售客户的时候，我们合同里就写死了三条：
- 分母必须写「批次内埋点问句数」，不能混真实流量；
- 每个批次带 batch ID，模型版本号一起锁进报告；
- 观测窗口统一 14 天，跨窗口的数据不合并。
国内现在很多服务商的报告，分母口径是飘的——这个月用埋点数，下个月换成曝光量，你根本不知道自己在看什么。我这次直接让数据组把报告模板改了，表头加一行「分母定义：本批次埋点问句 N 条，batch ID xxxx，模型版本 v2.3」，谁出报告谁填。
还有一个坑：引用率的分子也得说清楚——是「答案里出现了品牌名」，还是「出现了品牌名且带了链接」，还是「放在了推荐位前三」？这三个口径能差出十几倍。我现在的做法是分子拆成三档，分别打标签，不给一个笼统的「引用率」。
所以我的判断是：GEO 在国内要快，但快不是跳过口径。口径不写进报告模板和合同附件，跑得越快，后面返工越狠。
想问问大家：你们现在的 AI 引用率，分母用的是埋点问句数还是真实触发量？有没有人跟我一样，两个数算出来差出 20 个点以上的？
登录后可以为帖子点赞，但本帖内容对所有人开放阅读。