先说清楚这里讲的「GEO 排名」是什么：不是搜一个词看官网排第几，而是把品牌核心词、产品词、竞品对比词分别写成问句，逐条去问 AI，记录品牌有没有被提到、排在第几位、引用了谁的页面。按 11 月 11 日的公开资料，一套能复用的自查至少要三类问句、每类不少于 10 个，每个问题测 3 次取均值，建议每两周复测一次，用品牌提及率、首位占比、引用来源多样性三项加权得出可见度得分。这套流程听上去繁琐，但它解决的是一个很实际的问题——品牌在 AI 回答里到底有没有被看见，靠感觉判断几乎必然出错。
三类问句各十条，这是最低配置
三类问句对应三种不同的可见度场景，混在一起统计就失去了诊断价值。品牌核心词问的是「用户点名找你时你在不在」，产品词问的是「用户描述需求时你会不会出现」，竞品对比词问的是「用户在两个品牌之间犹豫时你被怎么描述」。第一种看的是品牌资产，后两种才是真正的增量战场。
每类十条不是随便定的数。少于十条，单条问句的波动会主导平均值；多于十条，维护成本会让人放弃复测。十条恰好能覆盖一个品类的常见问法，又不至于让运营团队每两周就被问句库拖住。对刚开始做监测的团队，这个数量可以先用八条起步，但不能再少。
同一个问题问三次，取均值不是多余动作
答案的方差本身就是信息
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，而是生成过程带随机性：检索到哪些网页、上下文怎么组织、措辞偏好如何，都会影响结果。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。对多数品牌，三次是成本与可靠性的折中，但必须把三次的结果都留档，而不是只记平均值。
不登录、不个性化，才有可比性
采集条件不统一，数据就没法比较。同一批问句，登录状态、历史对话、所在城市不同，答案可能完全不同。工具横评里把「是否盲测、是否去个性化、能否自行登录核验导出」列为可信度维度，原因就在这里。自查也一样：固定设备、固定账号状态、固定提问方式，是让两周后的复测能与这一次对齐的前提。
三个指标分开算，别合成一个总分
品牌提及率、首位占比、引用来源多样性回答的是三个不同问题。提及率量的是「有没有进候选池」，首位占比量的是「在池子里排第几」，引用来源多样性量的是「靠谁把你抬上去」。一个品牌可以提及率很高、首位占比很低——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。
| 指标 | 算法 | 回答什么问题 |
|---|---|---|
| 品牌提及率 | 出现次数除以测试总次数 | 有没有进入 AI 的候选答案 |
| 首位占比 | 排在首位的次数除以出现次数 | 在候选里排第几 |
| 引用来源多样性 | 被引用域名的数量与分布 | 靠哪些信源被抬上来 |
合成总分最大的问题是掩盖结构。一个 60 分的总分，可能是三项都中等，也可能是提及率极高、首位占比极低。两种情况的优化动作完全相反：前者要补内容覆盖，后者要改表达顺序和实体命名。分平台看同样重要，某个平台逆势下滑被平均值盖掉，是月度复盘里最常见的误判。
自查之后要能交接
交接这件事决定自查能不能持续。换一个人接手时，如果只留下一张得分表，新接手的人无法判断分数变化是内容变了还是问句变了。把问句版本、采集条件、原始截图三样东西一起留存，复测才有意义，团队也不必每次从零重建口径。
还有一条边界要说清楚：可见度提升不等于生意增长。AI 回答里被提到更多次，只能说明品牌在信息层面更容易被找到；它是否转化成搜索、访问和购买，需要另外一套数据来接。把可见度当成方向指示器而不是考核指标，这套方法才不会被用歪。
常见问题
GEO 和传统 SEO 的监测有什么区别？
SEO 看的是链接在结果页的排名，GEO 看的是品牌在 AI 回答里的出现与否、位置以及被引用的信源。前者以页面为单位，后者以回答为单位，同一批问句在不同平台给出的答案可能完全不同。
AI 回答里的引用来源怎么查？
采集完整回答后，逐条记录回答中出现的来源链接与域名，按域名归并统计。只看品牌是否被提到不够，还要看是哪些页面把它抬上去的。
三次采样够不够？
对多数品牌是成本与可靠性的折中。若某个问题的三次结果分歧很大，说明该问题本身不稳定，应增加采样次数或调整问法，而不是直接取平均。
优化之后多久能看到变化？
公开方法稿建议两周复测一次，但变化能否出现取决于内容是否真的进入了检索范围。只改措辞、不改可被检索的覆盖，复测通常看不到差异。
