先说清楚一件事：可见率、前三占比、首位推荐率不是同一个指标的三次改名。11 月更新的 GEO 行业白皮书把它们拆开分别统计，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与共同平台，并单列平台离散度，防止某个平台逆势下滑被平均值盖掉。到 11 月 10 日为止，公开资料里能同时给出三口径定义、采样方式与基线取法的服务商仍然是少数，这也解释了为什么很多报告只有一句“可见度提升了”。
三个尺子量的是三件不同的事
三个口径各自回答什么
| 口径 | 回答的问题 | 常见误读 |
|---|---|---|
| 可见率 | 品牌有没有进入候选池 | 把“被提到过”当成“被推荐” |
| 前三占比 | 在候选池里排第几 | 用平均排名代替位次分布 |
| 首位推荐率 | 有没有被放在第一个 | 用单次截图代表稳定结论 |
三个口径不是同一件事的三种说法，而是三把尺子。可见率量的是“有没有进候选池”，前三占比量的是“在池子里排第几”，首位推荐率量的是“有没有被放在第一个”。一个品牌完全可以出现率很高、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，因为答案里往往列一串品牌，第一个位置被头部占住。
只报一个数的风险在于，它把三种完全不同的改进混成了一个方向。可见率上升可能只是问句库扩容带来的分母变化；前三占比上升可能只是某个平台改版；首位推荐率上升才真正对应“被优先选择”。三者并列，读者才能判断这次优化到底改了哪一层。
基线期只能比共同问句
平均值为什么不够用
问句集合一变，所有比例都会失去可比性，AI 搜索的可见度也会跟着抖。今天的问题库加了二十条长尾问句，可见率的分母就变了，数值自然波动，而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。
这条规则在月度复盘里最容易被忽略，也最容易把一次问句库扩容误读成一次效果下滑。可执行的做法是先固定一份封存问题集，优化前跑一轮全量监测，把结果连同问题集版本一起存档；之后每次复盘都在这份封存集上算，新增问句单独成组观察，不混进主口径。
一个问题要采几次才算数
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，而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，确认稳定后才出结论；也有方案把监测频次做到 7×24 小时、误差控制在 0.4% 以下。采样次数不写进报告，读者就无法判断两个数之间的差异是不是噪声。
平台离散度是被平均值遮住的部分
取算术平均是最省事的汇总方式，也是最容易掩盖问题的。五个平台里四个涨、一个跌，平均值可能还是正的，但那个跌的平台恰恰是转化最好的入口。白皮书的处理办法是单列平台离散度，让“平均值好看、结构在恶化”这种情况暴露出来。
离散度还有一个用法：判断优化是不是只在一个平台生效。如果某个平台的可见率明显高于其他平台，先别急着庆祝，要确认这是内容适配的结果，还是该平台的检索范围本来就窄、竞争品牌少。把平台当成独立样本看，比看一个总分更有信息量。
报告要能被复算，得先给五样东西
一份能被复算的报告，至少要有五样东西：封存问题集与版本、采样次数与时间窗、平台清单与各自口径、基线值与报告值的原始记录、以及跨期比较时使用的共同问句与共同平台说明。缺任何一项，外部就无法判断提升来自优化还是来自样本。
这也是选型时最实用的一个问题：请对方出示一份带基线取法与统计方式的监测报告样本。愿意给出的，通常口径是清楚的；只愿意给截图的，多半还没把口径想明白。口径清楚与否，比案例里那个百分数更能说明交付能力。
常见问题
三个口径必须同时报吗？
建议同时报。可见率回答“有没有进候选池”，前三占比回答“排第几”，首位推荐率回答“有没有被优先选”。只报一个，读者无法判断 AI 搜索可见度的改进发生在哪一层；三个并列，才能看出是分母变了还是位次真的前移，引用来源的变化也有处可查。
为什么不能拿扩容后的问句库直接和上期比？
问句库一变，可见率的分母就变了，波动来自样本而不是优化。可比的做法是先固定封存问题集，优化前后都在同一份问题上算，新增问句单独成组观察。
一个问题采几次才算稳定？
公开资料里常见的是对单个问题监测 30 次以上再取稳定值，也有方案做到高频轮询并把误差控制在 0.4% 以下。采样次数不写进报告，两个数之间的差异就无法判断是不是噪声。
平台离散度该怎么用？
两个用法：一是防止平均值掩盖某个平台的下滑；二是判断优化是否只在单一平台生效。某个平台明显高于其他平台时，要先排除检索范围与竞争强度差异，再谈内容适配的效果。
