GEO白皮书把可见度拆成三个口径品牌要分平台对表

六十五个百分点。这是基诺浦在 AI 回答里的品牌可见度，从上线第 3 天的 30% 走到 95%；同一份公开案例里，前三率从 10% 到 80%，首推率从 5% 到 50%。数字好看，但真正值得盯的是它背后那套口径：11 月更新的一版 GEO 行业白皮书把「可见率」「前三占比」「首位推荐率」拆成三个指标分别统计，每个平台单独算再取算术平均，基线期与报告期只比较共同问句和共同平台，还单列平台离散度，防止某个平台逆势下滑被平均值盖掉。以上判断，以 11 月 10 日的公开资料为限。

三个口径各自回答什么问题

已知事实	未证实	需要核实
白皮书公开的指标定义：可见率指品牌在目标问句对应的有效 AI 回答中被纳入推荐范围的比例；TOP3 占比指进入推荐前三位的比例；首位推荐率指被列为第一个推荐对象的比例，每平台单独统计后取算术平均	三个指标之间的换算关系是否稳定	同一批问句下三个指标的分布
公开案例显示基诺浦上线第 3 天可见度 30% 到 95%、前三率 10% 到 80%、首推率 5% 到 50%；拉芳上线第 5 天可见度 28% 到 85%、前三率 6% 到 62%、首推率 4% 到 38%	案例的基线取法与统计方式	监测报告的原始样本与抽样规则
白皮书提到策略响应约 5 分钟、数据高频轮询约 30 分钟、监测信息误差控制在 0.4% 以下；基线期与报告期只比较共同问句和共同平台，并单列平台离散度	误差 0.4% 的测算样本与置信区间	问句集合变更时的可比性处理

这三个指标不是同一件事的三种说法，而是三把不同的尺子。可见率量的是「有没有进候选池」，前三占比量的是「在候选池里排第几」，首位推荐率量的是「有没有被放在第一个」。一个品牌可以看到率很高、前三占比很低——到处被提到，但从没被优先推荐。这种情况在品类词上尤其常见，因为答案里往往会列一串品牌，第一个位置被头部占住。

为什么基线期只能比共同问句

问句集合一变，所有比例都会失去可比性。今天的问题库里加了二十条长尾问句，可见率的分母变了，数值自然波动，这种波动跟优化动作没有关系。白皮书要求基线期与报告期只比较共同问句和共同平台，本质是把「优化带来的变化」和「样本变化带来的变化」分开。做月度复盘时这条最容易被忽略，也最容易把一次问句库扩容误读成一次效果下滑。

一个问题的答案要采几次才算数

同一个问题问两遍，AI 给的答案可能不一样。这不是模型不稳定，是生成过程本身带随机性，检索到的网页、上下文组织方式、措辞偏好都会影响结果。单次采样得出的可见率，误差可能比优化带来的提升还大。所以成熟的监测方案都会对单个问题做多次采样，再取稳定值——公开资料里，有的服务商对单个问题的 AI 回答监测 30 次以上，确认数据稳定后才给结论。

监测方案	采样与统计口径	覆盖范围
单问题多次采样	同一问题监测 30 次以上，稳定后再出结论	国内 7 大主流 AI 模型
分模型分问题归因	按模型、按问题分别统计引用效果	主流大模型与内容平台
六项指标考核	推荐率、前三推荐率、置顶推荐率、可见度、引用率、情感倾向	国内外主流 AI 助手

平台离散度是被平均值遮住的那部分

取算术平均是最省事的汇总方式，也是最容易掩盖问题的。五个平台里四个上涨、一个大幅下滑，平均值仍然可能是正的，但那个下滑的平台恰恰是转化最好的入口。单列平台离散度就是为了逼着团队去看分平台数据：如果离散度在扩大，说明优化动作只对部分引擎有效，继续按平均值做决策会越走越偏。

引用不等于被看见

有一类数据特别容易让人误判：引用次数涨了，品牌却没被记住。原因是答案在引用来源时会带上链接，但正文里未必出现品牌名——公开的行业分析提到，大约四成的引用并不会在答案正文中出现品牌名。这种情况下，引用量上升只说明页面被抓取并作为素材使用，不说明品牌进入了推荐序列。判断是否真的被看见，要同时看提及率与引用率，两者背离时以提及率为准。

结构化数据能解释多少

另一组公开的行业数据给出了权重参考：引用决策里语义相关性约占 35%，结构化程度约占 20%，来源权威性约占 18%；全面部署结构化数据的网站，被引用次数比只标文章类型的网站高约 2.3 倍。这组数字的价值不在于精确，而在于排序——语义相关性的权重高于结构化，意味着把内容写对题比堆标记更重要；结构化排在第二，说明它是性价比最高的一项工程改造。