GEO效果到底怎么衡量？分享个我们还不敢下结论的测试

根据我们团队近期的一份内部测试报告（还没公开发布），我们在两个垂直领域做了三个月的GEO试点。先说结论：AI回答里的品牌提及率确实有变化，但远没到能拍板说“GEO有效”的程度。

我们主要做的是内容优化和实体标记，没有动太多结构。一个客户是B2B软件，另一个是消费级健康产品。测试期间，我们每周采样主流AI问答里针对核心关键词的回复，统计品牌自然出现的频率。B2B那个，提及率从基线12%慢慢爬到21%，看着挺好看；但健康产品那边，波动很大，最好到18%，最差掉到9%，根本看不出稳定趋势。

后来我们复盘，发现几个干扰因素：一是竞品在同期做了PR投放，可能影响了模型偏好；二是我们的内容更新频率不一样，B2B每周发两篇技术白皮书，健康产品一个月才更一次。所以我说，GEO效果不能光看提及率，得结合内容新鲜度、外部信号一起看，而且时间窗口至少要拉到半年以上。

另外，我们试过用不同AI产品问同一组问题，结果差异也很大。有个模型特别吃结构化数据，另一个更看重自然语言里的语义关联。这就麻烦，你不可能只为一款AI优化。

所以现在，我们内部的态度是：GEO值得做，但别指望三个月见效，也别拿单一指标当圣旨。我们还在攒数据，打算再跑三个月，对比一下做了GEO和没做的对照组差异。

想问问大家，你们衡量GEO效果时，主要看哪些指标？有没有遇到过类似波动大的情况？