定义 · 引用口径

被引用,不等于被看见,更不等于被选中

GEO 行业里最容易被夸大的数字是「引用量」。它听起来像流量,算起来像线索,卖起来像成交。这三层之间隔着两道完全不同的漏斗,任何一步外推都需要额外假设。

01

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。

02

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?

03

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:

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。

04

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。

05

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。

06

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。

07

边界

一句话总结:引用是「有人提到了你」,曝光是「有人看见」,线索是「有人找你」,成交是「有人信你」。四件事,四本账,混着算的人,最后都要用话术平账。

在越南做生意,判断比努力重要

《越南昨日头条》每天一期:政策变动、产业信号、可执行清单,不发广告。已日更 60 多期。

扫码关注 · 每天 5 分钟扫码用小程序问一句

88/100
本页 AI 就绪度 88/100由越智通GEO诊断引擎实测 · 2026-11-20 · 免费测你的网站 →