GEO 效果测量的核心，是对同一批问句做周期性采样，用「提及率、首位率、引用覆盖」三个指标观察品牌在生成式 AI 回答中位置的变化。没有基线和复测，一切 GEO 动作都无法判断是否有效。
很多企业做完一轮内容发布后问的第一句话是「有效果吗」——但如果连「效果」都没有定义，这个问题没法回答。这篇文章把测量这件事拆到可以直接执行的粒度。
| 指标 | 它回答什么问题 | 层级 |
|---|---|---|
| 提及率 | 问到这类问题时，AI 的回答里有没有我？ | 知道你 |
| 首位率 | 出现时，我是不是第一个被点名的？ | 优先信任你 |
| 引用覆盖 | 回答是否把我的页面当作依据（带来源标注）？ | 依据来自你 |
这三个层级是递进的：被提及说明模型知道你，排首位说明模型在同类选项里优先信任你，被引用说明模型把你的内容当作事实来源。三者的提升难度依次增大，测量时应分开统计，不要混成一个「有没有效果」。
对每一条问句的每一次回答，按下表打分：
两个容易判错的点：一是来源标注算不算引用——算，但要看来源归属：引用工商信息平台、招聘网站对你的描述，和引用你官网的描述，含金量完全不同，前者说明「第三方材料在替你发言」，这往往是需要修正的信号；二是答案里出现错误信息（比如把你说成别的公司）同样要记录，它是内容缺口的直接证据。
单次采样噪音很大：模型版本更新、会话状态、甚至提问时段都会影响回答。看趋势不看单点——三轮以上的复测才构成趋势。
只问「XX 是什么」会得到偏乐观的结果，因为品牌词命中官网的概率天然高。测量应覆盖品类词（如「XX 行业怎么选」）和场景词——那才是客户真正做决策的问法，也是竞品在场的战场。
搜索引擎收录了页面，不等于 AI 会引用它。收录是前提，不是结果。测量对象始终是回答本身，不是索引状态。
如果暂时不想上系统，自己动手的最小方案是：挑 20-30 条真实问句（品类、场景、品牌对比各占一部分），在 3-4 个主流引擎里各问一遍，按 0-3 记分，填进一张表格。这就是基线。之后每隔一两周同样再来一轮，三个指标的变化会自己说话。
问句从哪里来？从客服记录、销售问答、电商平台评价里挖「客户的原话」，比闭门造车有效得多。问句库不求多，先求真。
GEO 测量改变不了 AI 的答案——改变答案的是内容、渠道和时间的组合。测量的价值在于让每一分投入变得可验证：哪些动作有效、哪些是自我感动，三个指标会给出诚实的回答。
可以先照着 12 项 GEO 自检清单确认自己的阵地可抓取，再按本文方法做一轮基线采样。想知道更多背景，看 什么是 GEO。
需要系统化的采样台账、指标看板和分发回执，可以 了解问见工作台。
相关阅读：什么是 GEO · 企业 GEO 自检清单（12 项） · 承诺边界说明