品牌被提及，究竟能证明什么？GEO 的测量困境

一份 GEO 报告写着“品牌提及率 50%”。这意味着，每两个潜在客户向 AI 提问，就有一个会看到你吗？

先别急着把百分号翻译成客户。

它可能只表示：团队挑了几道题，在某个平台、某种设置下问过几轮，按一套规则汇总后，得到了 50%。

这个结果可以有用。但从测试题到真实客户，中间还有一段没有被测量的距离。

GEO 测量首先要回答的，是这个数字究竟在描述谁、描述什么。 至于改善是否由优化造成，是另一道因果问题，本系列 GDR-03专门讨论。

下文以虚构的排班软件 A 演示，所有次数和比例均为教学算例。题库划分、计分及记录方式是本文的实操建议，不是平台统一标准，也不是已经验证过的效果方案。

出现了名字，不等于进入候选名单

假设我们想知道：不知道 A 的门店管理者，在询问排班方案时，有没有机会看到它。

于是问：“多家门店临时调人，排班软件怎么选？”

AI 回答“可以考虑 A”，和回答“A 不支持你的条件”，都出现了品牌名。按字符串计数，两条都命中；按选型意图，含义几乎相反。

如果问题本身是“A 支持跨店排班吗”，回答再重复 A，也不能算一次非品牌需求下的自然发现。

所以，先确定要观察的行为，再决定怎么计分。几种常见记录可以分开：

这些记录可以同时成立。一条回答可能推荐了 A，却说错了适用版本；也可能引用官网，只为了说明它不适合。

品牌别名如何匹配、同名公司如何排除、只有引用标题出现名字算不算，都要提前写清。否则，同一批回答交给两个人，可能得到两张报表。

平台提供的指标也有自己的范围。Bing 在 2026 年 2 月的 AI Performance 发布说明中明确：页面引用次数反映被引用的频次，不表示页面的重要性、排名或位置。〔1〕

拿到一个官方数字，仍然要读它的定义。网页引用、品牌推荐和客户看见了什么，不能仅靠换个列名就连在一起。

同一批记录，为什么既能算出 17.3%，又能算出 50%

现在只观察“候选推荐”。为了看清分母的作用，先把题库缩成两道题，并假设所有采集都完整可判定。

如果把所有回答放在一起，推荐比例是：

（9＋10）÷（10＋100）≈17.3%。

如果先算每道题的推荐比例，再给两道题相同权重，结果是：

（90%＋10%）÷2＝50%。

两个计算都没有错。17.3% 描述这 110 条回答里有多少条推荐了 A；50% 描述两道题等权时的平均推荐表现。

前者让问了 100 次的题占据更大权重。这个权重来自采集次数，未必来自真实客户需求。

后者让每道题同等重要。但“同等重要”也是一种选择，不能因为算得整齐，就把它当作市场的真实结构。

如果报告只写“推荐率”，读者根本不知道自己看到的是哪一个。

再换一个口径：两道题都至少有一次推荐 A，因此“至少命中过一次的问题占比”是 100%。这个数字能够帮助寻找出现过的场景，却不能说明 A 经常被推荐。问得越多，曾经命中过的机会也可能越多。

汇总方式决定了你在回答哪个问题。计算之前，就该选定它。

不同的分组与汇总方式，回答的是不同问题。概念插画，不对应具体数量。

题库测得很稳，也可能离客户很远

把这两道题各问一千次，可以继续观察它们的回答波动。但即使结果逐渐稳定，也不能告诉我们：真正的客户有多少在意跨店支援，有多少在意价格，又有多少首先关心数据迁移。

重复提问增加的是对已有题目的观察，没有自动补上漏掉的需求。

题库的来源因此比数量更值得解释。

客服记录能提供客户原话，却可能更偏向已有用户。销售访谈接近购买过程，却容易漏掉没有进入销售渠道的人。站内搜索反映到访者的需求，也不等于整个市场。

这些材料各有用途。需要保留的是它们来自谁、覆盖什么，以及看不见哪些人。

用 AI 扩写问题也一样：它能生成更多表达，不能凭空证明每种表达有多少真实用户在问。同一道需求换十种说法，若直接当作十个等权问题，还可能把这个需求的分量放大。

本文建议先按需求归组，再保存原话及改写版本。报告分别展示各类需求的结果；需要总分时，交代各类权重及依据。

没有可靠的需求占比，就把它叫作“固定题库表现”。业务上优先关注高价值客户也可以，但那是业务优先级，不能冒充用户分布。

美国民意研究协会 AAPOR 的披露规范要求研究者说明研究对象、样本生成方式、问题原文和加权方法，并交代设计局限。这里借用的是调查与内容分析的透明性原则，不是把 AI 回答当作受访者，也不声称 GEO 有了统一抽样标准。〔2〕

这个原则落到 GEO 上很具体：题库从哪里来，决定了结果能够被解释到哪里。

照亮一部分需求，不代表看见了整个市场。概念插画。

一个精确的小数，可能藏着几种不确定

即使题库固定，采集条件变了，数字也未必能直接比较。

独立新会话与连续追问、联网与未联网、不同账号和地区，都应分开记录。API 测试要注明接口和模型标识；消费端测试要保存入口、可见版本和设置。两种入口不能只凭模型同名就混成一组。

能控制的条件保持一致，无法确认的就记为未知。开了新会话，也不能据此宣布所有个性化影响已经消失。

再看失败记录。

如果请求超时，根本没有取得回答，就不知道它会不会推荐 A。不能直接算作“未推荐”，也不能删掉之后假装没发生过。

可以报告可判定回答中的推荐比例，同时单列计划次数、实际采集次数、完整可判定数和失败原因。如果失败集中在某些题目或某个平台，剩下的结果就可能失去可比性。

模型完整回答“没有合适方案”，则是另一回事：在“是否推荐 A”的口径下，这通常是可判定的未推荐。拒答、截断及语义含糊的回答怎样处理，也要事先约定，不能看到结果后再决定去留。

回答收齐了，判定仍可能出错。可以抽取一部分回答，让两位评阅者独立判断，保留分歧及裁定依据；用模型辅助判定时，也要保存版本、规则和人工抽查结果。

AAPOR 对内容分析的披露要求包含编码规则与评阅一致性信息，这为记录“是谁、按什么规则判定的”提供了参考。〔2〕

至于统计区间，不能只把调用次数填进一个计算器。同一题的重复回答、相近问法和同一时段的记录可能相关；区间要与采样、加权及相关性处理相匹配。

即使算出了合理的区间，它也不会自动包含题库遗漏、错误标签和入口差异带来的问题。小数点后的精度，不能代替这些说明。

给每张报表附一份“口径说明”

不必把全部研究说明塞进周报。把下面这份说明填清楚，数字就更容易复核。

想回答的问题： 在＿＿平台、＿＿入口与＿＿时间段，品牌在＿＿类需求中的＿＿表现如何？准备将结论用于＿＿，不外推至＿＿。

题库与权重： 问题集版本＿＿；共＿＿个需求组、＿＿道题；来源＿＿；品牌问题是否单列＿＿；改写题如何归组＿＿；权重及依据＿＿。

判定与分母： 命中的具体标准＿＿；别名和否定表达处理＿＿；按回答汇总还是先按题汇总＿＿；有效回答、拒答及无法判定的规则＿＿。

采集条件： 账号、地区、语言、联网、上下文与可见版本＿＿；每题计划次数和时段＿＿；重试及保留规则＿＿；无法控制的条件＿＿。

结果与复核： 完整可判定数＿＿；失败或缺失数及原因＿＿；各需求组结果＿＿；不同轮次的波动＿＿；人工分歧或模型判定抽查＿＿；原始回答与引用记录位置＿＿。

这份模板是本文的操作建议。AAPOR 的完整规范覆盖更多内容，不能用填完这几行来声称获得认证或符合全部标准。〔2〕

回到软件 A，那张只有“50%”的报表，现在可以写成：

在本次指定入口与设置下，两道非品牌需求题的等权平均推荐比例为 50%。逐题结果为 9/10、10/100；两题均曾被推荐。所有回答完整可判定。题目由团队选择，缺少真实需求占比依据，因此不据此估计潜在客户看见品牌的比例。

它没有原来的大数字醒目，但读者终于知道了 50% 是什么。

固定题库的价值，在于持续观察

限定结论，并不会让题库失去价值。

一组规则明确、条件可追溯的问题，可以帮助团队发现：哪些需求总是遗漏品牌，哪些推荐理由持续出错，哪些问题的表现反复变化。这些都能引导下一步排查。

为了兼顾比较与探索，可以保留一组固定问题，另设新增需求区。新发现的问题先单独展示，调整正式题库时保留版本；不要换了题、换了权重，却把新旧总分无缝接成一条增长曲线。

测量做到这里，才有基础继续问：差异是否稳定，是否由优化造成，是否与业务结果有关。

下一次看到“提及率 50%”，先找到它旁边的那行说明：什么问题、什么条件、多少有效记录、按什么规则算出的 50%？

如果这一行还写不出来，报表就还没完成。

资料来源

〔1〕Microsoft Bing Blog，Introducing AI Performance in Bing Webmaster Tools Public Preview，2026-02-10。用于说明页面引用频次的指标边界；本文不据此推断其他平台的统计定义或最新功能清单。

〔2〕AAPOR，Disclosure Standards，页面所载规范版本为 2021 年 4 月。用于研究对象、样本、权重、判定方法和局限的披露原则，不是 GEO 平台效果研究。

资料查阅于 2026 年 10 月 8 日，可按机构与原文标题检索。本文未进行平台实测。

GEO 深度研究：机制、证据与边界 · GDR-02

封面与插画由 MiniMax AI 生成。