一句话定义
引用量=AI 回答中出现了你的内容或品牌的次数;曝光=这条回答被真人看到的次数;线索=看到之后主动联系你的次数。三者单位不同、来源不同、可控性不同,不能相加,也不能按固定比例换算。
把这三层混成一个数字,是行业里最常见的口径问题。它通常不是故意骗人,而是从第一层直接跳到了第三层。
四层链路,每层有自己的口径
| 层 | 指标 | 由谁观测 | 能不能自己算 |
|---|---|---|---|
| ① 被抓取 | 爬虫请求数、抓取页面数 | 服务器日志 / 站长工具 | 能(自有站点) |
| ② 被引用 | 回答中出现品牌或内容的比例 | 固定问题集抽样 | 能(需样本量) |
| ③ 被点击 | 从 AI 回答进入站点的会话数 | 引荐来源 / UTM | 部分能(依赖引荐头) |
| ④ 线索与成交 | 表单、咨询、订单 | CRM / 后台 | 能(自有系统) |
注意第 ③ 层:多数 AI 产品不传递完整引荐来源。这意味着从「被引用」到「被点击」的转化率,在很多场景下是无法精确测量的,只能用区间估计。任何给出精确到小数点的转化率的人,都应该被问一句:数据从哪来?
为什么「每日一万次引用」推不出「十倍流量」
这类推估通常长这样:某平台每天约一万次引用 → 乘以平台数量 → 得出「全平台十万次」。链条上有四个未经检验的假设:
- 假设一:每个平台的采样口径相同(实际上问题集、语言、用户群都不同);
- 假设二:引用次数等于回答次数(一次回答可能引用同一来源多次,也可能引用多个来源);
- 假设三:每条被引用的回答都会被真人看到(大量回答无人查看);
- 假设四:看到的人会点击并联系(这一步的转化率从未被单独测量)。
四个假设乘起来,误差不是相加而是相乘。所以正确的写法是分层陈述:「在某平台、某问题集、某时间段内,观测到 N 次引用;曝光与线索未测量。」而不是给一个总数。
我们自己的数字:先看「被提到」有多难
2026-11-04 的一轮抽样(10 个问题 × 2 种语言 × 2 个引擎 × 2 次采样,共 80 个样本),本品牌在回答中的提及数为 0 / 80。同一天,本站的机器可读性自评是 83 分。
这两个数字放在一起,说明的不是「站点做得差」,而是从「可读」到「被提及」之间还有很长一段路。而我们自己的 10 轮空跑实验显示:什么都不改,同一品牌的提及率全距也有 12.6 个点(均值 47.4%,标准差 3.48,45 对比较里 0 对显著)。
所以,当有人告诉你「引用量涨了三倍」,第一个问题应该是:样本量多少、问题集是什么、有没有做显著性检验。n=80 时,最小可检出差异是 15.5 个点 —— 低于这个幅度的变化,连「变了」都算不上。
正确的写法:一句话模板
对外报告里,任何引用类数字都应该长这样:
在 [引擎/平台] 上,用 [问题集名称](共 N 问),于 [日期] 采样 [轮数] 轮、 每轮 [样本量] 个样本,观测到该品牌出现 [k] 次,提及率 [k/n]%, 95% 置信区间 [下限, 上限]%;与上期相比 [通过/未通过] 显著性检验(α=0.05)。 曝光、点击与线索本轮未测量。
把「未测量」写出来不会削弱结论,反而会让可信的部分更可信。行业里真正稀缺的不是漂亮数字,是愿意标注边界的数字。
怎么验收一个 GEO 供应商的数字
| 要什么 | 为什么 | 对方给不出说明什么 |
|---|---|---|
| 原始样本(问题 + 回答快照) | 没有原始数据就无法复算 | 数字可能来自单次演示 |
| 样本量与日期 | 决定置信区间宽度 | 不知道自己的误差有多大 |
| 问题集全文 | 换问题集,提及率可以从 0 变 50 | 可能挑了对自己有利的问法 |
| 显著性判定 | 区分「变化」与「噪声」 | 把波动当成绩 |
| 分层口径 | 引用 / 曝光 / 线索不能混 | 用第一层的数字卖第三层的结果 |
这五条不需要任何技术背景就能问。问完还愿意继续谈的供应商,通常是真的在做测量。
边界
- 本文不否定引用量的价值:它是最靠前的可观测信号,只是不能被当成结果。
- 我们不做排名监测:只统计「有没有出现」,不统计「排第几」,因为后者的口径在多数 AI 产品里不透明。
- 我们不承诺成交:线索到订单之间还有产品、价格、交付能力,那不是 GEO 能决定的。
- 跨期比较必须同引擎版本、同问题集;换了任何一项,我们都不把它算成涨幅。