看了三个月GEO的转化数据，我发现大部分团队盯错了指标

先说结论：如果你现在还在用「AI搜索里的品牌提及次数」来汇报GEO效果，基本等于在自嗨。

我们团队从去年Q4开始给公司两条产品线做GEO，中间踩了不少坑，今天把数据摊开聊聊。

先讲一个反直觉的发现。

我们最开始盯的是「品牌在AI回答里的出现频次」。前两个月这个数字涨了大概3倍，团队挺兴奋，汇报PPT也好看。但我拉了一下后端的品牌搜索量（百度指数+站内搜索），同期只涨了7%，几乎在噪声范围内。

后来我把数据按渠道拆开看才明白：AI回答里提你名字，和用户真的去搜你，中间隔了至少两层漏斗。第一层是「提及是否带正向语境」，第二层是「用户看完回答后有没有行动意图」。我们统计了一下，在负面或对比语境下被提及的样本里，后续品牌搜索转化率只有0.8%，而正向推荐语境下能到4.2%——五倍差距。光看总提及次数，这两个会被平均掉。

我现在的衡量框架大概是三层：

第一层，覆盖质量。不是数次数，是数「在多少个高意图问题下被正向提及」。比如用户问「XX行业哪家靠谱」，这个问题的商业价值远高于「XX是什么」。我们内部给问题按意图分了ABCD四档，只看A/B档的覆盖。

第二层，引用来源。AI回答里引用的是你自己的官网/白皮书，还是第三方测评？我们统计过，引用自有权威内容的样本，用户点击率比引用第三方高约2.3倍。这一层能直接指导你该往哪投内容。

第三层，才是业务指标。品牌搜索、直接访问、留资。这层最慢，但只有这层能进财报。

踩过的坑也说两个。

一是别用单一工具的数据下结论。我们同时跑了两家平台，同一个问题「是否被提及」的判定差异能到20%以上，采样口径、模型版本都不一样。后来我的做法是：工具数据只做趋势参考，关键结论一定用人工抽样复核，每周抽50条。

二是时间窗口别设太短。GEO的内容被索引、被模型吃到、再反映到回答里，我们实测中位数大概要6-8周。前两周没动静就急着调整策略，纯属浪费。

最后一个提醒：如果你老板问「GEO ROI多少」，别硬编一个数字。老实说清楚哪层能量化、哪层还在验证，比编一个漂亮数字活得久。

想问下社区里做GEO的朋友：你们衡量「提及质量」的时候具体用什么口径？是人工标注还是有更省力的自动化方案？我们现在纯靠人工抽检，有点撑不住了。