GEO 成效怎麼衡量?AI 引用率 vs 傳統排名指標的差異與可落地量測法

GEO 成效衡量,指的是量測你的品牌在生成式引擎(ChatGPT、Perplexity、Google AI Overviews、Claude 等)回答使用者問題時,「被引用、被提及、被當成答案來源」的頻率與份量,而不是量測你在藍色連結列表裡排第幾名。這是兩套完全不同的計分規則。

半年前,一個做 B2B 軟體的客戶把我們找去。他們的 SEO 報表其實很漂亮:目標關鍵字排名前三、自然流量季增 18%。問題是業績沒動,而且業務回報,愈來愈多潛在客戶在第一通電話就說「我問過 ChatGPT,它推薦的是另外三家」。他們花大錢守住的第一名,守的是一個愈來愈少人真正點進去的頁面。

這就是 GEO 成效衡量今天最尷尬的地方:舊指標還在漲,新戰場已經開打。

為什麼傳統排名與流量指標會失效

傳統 SEO 的底層假設是:使用者搜尋 → 看到一排連結 → 點進來 → 你拿到流量與轉換。整條鏈路每一步都可被追蹤,GSC 的曝光、點擊、排名,GA 的工作階段,通通對得起來。

生成式引擎把中間那幾步吃掉了。使用者問一個完整的問題,引擎直接給一段合成過的答案,可能引用你、可能只提你的名字沒給連結、也可能用了你的觀點卻沒署名。這裡有三個傳統指標救不回來的斷點:

第一,零點擊。答案在對話框裡就講完了,使用者根本不需要點進你的網站。你的內容「成交」了,但 GA 上一片空白。第二,沒有固定排名。同一個問題,問十次可能引用不同來源,答案是機率性生成的,不是一張穩定的排名表。第三,引用不等於連結。品牌被講出來、被當成推薦選項,這件事本身有價值,但任何一個看反向連結或流量的工具都量不到。

所以當有人問「我 GEO 做得好不好」,你不能拿排名截圖回答。得換三個新指標。

三個該開始追的新指標

我們在客戶專案裡實際在用、也建議你先建起來的,是這三個。

第一個是 AI 引用率(Citation Rate)。定義:在一組你設定好的目標問題裡,AI 回答中「引用或提及你品牌/內容」的比例。做法是列出 30 到 50 題你的買家真的會問的問題,固定跨引擎、跨時間去問,記錄有幾題提到你。50 題裡被提 12 題,引用率就是 24%。這是 GEO 的「有沒有上桌」。

第二個是 答案佔比(Answer Share)。同一題被提到不算完,要看你在那段答案裡佔多少份量。是被列為首選推薦,還是只在「其他選項」裡陪榜?是整段引用你的框架,還是一句話帶過?我們用 0 到 3 分粗略打分(0 沒提、1 順帶、2 並列推薦、3 主要來源),加總後除以滿分。這是 GEO 的「上桌後坐主位還是角落」。

第三個是 曝光份額(Share of Voice)。把你和三到五個主要競品放進同一組問題,算你被引用的次數佔全體的百分比。這個數字最殘忍也最有用,因為它直接告訴你:在 AI 的「推薦名單」裡,你和對手的相對位置。排名看的是你對上演算法,曝光份額看的是你對上活生生的競爭者。

新舊指標對照

一套可以下週就開始的量測法

不用等完美工具。最小可行的做法是這樣:先定義 30 到 50 題問題,分成幾類意圖(比較型、選型型、how-to 型);挑三到四個引擎,每兩週固定問一輪,同一組 prompt、同一組帳號狀態,把答案原文存檔;然後對每一題記三欄:有沒有提到我(引用率)、給幾分(答案佔比)、對手被提幾次(曝光份額)。

兩個月後你會有一張趨勢圖,能講清楚「我們在 ChatGPT 的選型問題上,曝光份額從 15% 升到 34%,但在 Perplexity 的比較型問題還在陪榜」。這種顆粒度,才撐得起 GEO 的 ROI 對話。

要提醒一個雷:別把樣本開太大又只問一次。機率性生成意味著單次結果雜訊很高,寧可題目精、次數多,也不要題目多、只測一次。我們早期吃過這個虧,一次性大批量測出來的曲線,回頭複測完全對不上。

我們在幫客戶做 FDM/GEO 時,通常就是先把這三個指標的基線量出來,再回頭改內容結構與被引用的表述方式,讓數字動起來、而且動得可被解釋。畢竟排名好看不算數,AI 真的把你當答案講出來,才算數。