衡量 LLM 影响的两类指标
衡量 GEO（Generative Engine Optimization，即生成式引擎优化），就是跟踪你的品牌在 ChatGPT、Perplexity、Gemini、Copilot 或 Google 的 AI Overviews 回答中所占的位置。整套方法建立在一个简单的区分上。呈现类指标衡量的就是这一位置：变化快，用来指导日常工作。成效类指标衡量对业务的真实影响：潜在客户、注册、成交，通常滞后数周。前者证明投入值得，后者证明预算合理。两者缺一不可。
呈现类指标：提示词监测
提示词监测，就是每天在多个模型上重放一个能代表你的业务和产品目标的问题库，然后记录回答中关于你品牌的说法。比如，如果你销售电子发票软件，这些就是财务总监在选型前会问的问题：「中小企业该选哪款电子发票软件？」「哪些方案符合改革要求？」。这些问题可以从销售会谈、客服工单，以及改写成自然语言的 Search Console 查询词中提取。把直接点名你品牌的提示词单独归类：它们几乎总会提到你，会抬高所有分数。
Peec、Profound 或 Otterly 之类的提示词监测工具会把这项收集工作自动化，并在每条回答中记录三项数据：提及（你的品牌被点名）、排名（你的品牌在回答所列品牌中的位次）和引用（模型显示为来源的页面，无论属于你还是第三方）。
从提及及其排名中，我提炼出五个指标。引用留到下文，用于定性观察。
| 指标 | 计算方式 | 它说明什么 |
|---|---|---|
| 声量份额 | 你的提及数占所有被监测品牌（包括你自己）提及总数的比例 | 你相对其他品牌的表现。本身没有商业含义，但其趋势能验证你的努力是否有效。 |
| 可见度 | 在已重放的提示词中，提及你的比例 | 你对提示词库所定义范围的覆盖程度。很好的驾驶舱指标。 |
| 位置 | 仅在你出现的提示词中，你的提及在所列品牌中的平均排名 | 被最先提及很可能意味着更高的可信度。单独看，它会美化现实：从你原本排名靠后的提示词中消失，反而会让它变好。 |
| 加权提及 | 所有提示词（包括未出现的）上排名倒数的平均值，折算为百分制（公式见表下） | 把覆盖度和排名合成一个数字。每天跟踪，它就是驾驶舱指标，也是最能说明问题的一个。 |
| 加权声量份额 | 你的加权提及占所有被监测品牌加权提及总和的比例 | 覆盖度与排名合计之下，你在回答中相对整个市场的权重。比传统声量份额更丰富，两者互补。 |
加权提及值得写出公式，因为它是指导工作的核心。对每个提示词，你的提及按排名的倒数计分：第一名记 1，第二名记 0.5，第三名记 0.33，未出现记 0。把这些得分在整个提示词库上取平均再乘以 100，就得到该指标。以 100 个提示词为例：30 次第一、20 次第二、10 次第三，其余 40 次未出现，即 30 × 1 + 20 × 0.5 + 10 × 0.33 + 40 × 0 = 43.3 分（100 个提示词），也就是加权提及 43（满分 100）。那 40 次缺席是有分量的：这正是该指标与位置的区别。先按模型逐个计算，再取平均：ChatGPT 和 Perplexity 给你的排名并不相同，两者之间的差距往往能说明一些问题。
再加两项定性观察。先看引用：被引用的页面会影响模型的叙事。找出哪些页面有效，用它们来论证投入或排定行动的优先级：先去影响哪些讨论帖、联系哪些视频创作者。同时也观察竞争对手的引用。再看情感：模型谈论你的方式。如果你定期向会谈及你品牌的第三方供料，就跟踪每个事件（比如新获得的认证）对整体或分产品情感的影响。
四个补充来源：搜索引擎、日志、样本面板、AI Overviews
这四个来源既不衡量呈现，也不衡量成效：它们照亮的是两者之间的机制，爬虫读了什么、搜索引擎展示了什么、访客从哪里来。每月查看一次即可，或者在提示词监测的某个数字无故变动时再看。
| 来源 | 用途 |
|---|---|
| 搜索引擎的数据 | Bing Webmaster Tools 和 Google Search Console 各自发布你的页面在其生成式回答中所占位置的数据，一边是 Copilot，另一边是 AI Overviews 和 AI Mode。这些数据主要用来论证预算分配，或深入研究某个具体问题。 |
| 服务器日志 | 在日志中筛选出 LLM 的爬虫，并把它们分成两类：一类是训练和索引爬虫（GPTBot、ClaudeBot、PerplexityBot、OAI-SearchBot），为模型及其索引供料；另一类是回答爬虫（ChatGPT-User、Perplexity-User、Claude-User），在模型撰写回答的那一刻读取页面。后者能逐页证明你被用作来源。而当你上线一项帮助模型理解网站的技术改进时，它在抓取端的效果就要在这里看。 |
| 第三方数据 | 一些样本面板，比如 Similarweb，会估算你的访客中有多大比例在同一天也使用了 ChatGPT 或 Perplexity，以及相比竞争对手，每个助手给你带来多少访问。这些估算需谨慎对待，但这种外部且可比的视角很宝贵。 |
| AI Overviews 监测 | 你的排名跟踪工具（Semrush、Ahrefs 或 SE Ranking 都提供）会逐个关键词显示是否出现 AI Overview，以及你的网站是否在其中被引用。衡量网站改动效果的好用驾驶舱指标：新内容、新排版。 |
成效类指标：对潜在客户的真实影响
先问声明。「您是怎么知道我们的？」这个问题衡量真实的商业影响，其结论常与归因模型相左。少了它，你会错过最常见的场景：有人在 LLM 里读到推荐，去 Google 搜索你的品牌，点击付费或自然链接。任何归因模型都看不见这条链路。
再看分析工具。在 GA4 中创建一个名为「LLM」的自定义渠道组，用会话来源上的正则表达式定义：chatgpt.com、perplexity.ai、copilot.microsoft.com、gemini.google.com、claude.ai、chat.mistral.ai。没有它，这些访问会淹没在「Referral」渠道里。访客点击回答中的链接而来时，你就可以归因。这个数字是一个下限：来自 AI Overviews 和 AI Mode 的点击算作 Google 自然流量，与传统搜索无法区分；而各家助手的移动应用往往不发送引荐来源，这些访问就落入直接流量。再结合 cookie：如果潜在客户先访问你的网站、转到 LLM、又回来，「转化路径」报告会把这一步显示为中间触点，无论你采用哪种归因模型。
最后是间接信号。品牌流量和直接流量无法解释的上升，往往反映的是与声明数据相同的场景：读到一条推荐，然后去搜索。每天让系统分析销售团队的通话记录，找出把 LLM 列为来源的潜在客户；一个小自动化就够了，一段脚本对每份通话记录向模型只问一个问题，「潜在客户是否说自己是通过 AI 发现这个品牌的？」，回答为是时就勾选 CRM 中的一个字段。同时留意公开或付费的调研报告，它们记录人们如何搜索：总有启发。
| 信号 | 捕捉什么 | 局限 |
|---|---|---|
| 声明数据 | 潜在客户认识你的真实渠道 | 取决于受访者的记忆和诚实 |
| 分析工具（GA4） | 来自 LLM 回答的直接点击 | 看不见先读推荐再搜品牌的场景，也看不见没有引荐来源的点击 |
| 间接信号 | 品牌流量、销售通话记录、调研 | 只是相关性，单独不构成证据 |
汇总一切，以及从哪里开始
最后一环最简单，前提是遵守一个顺序。第一天，先布置免费且历史无法补回的东西：表单里的「您是怎么知道我们的？」这个问题，以及 GA4 中的 LLM 渠道组。第一周，建立提示词库并启动监测。第一个月，接入补充来源。
然后，把所有这些数据汇集到一处，起步阶段一张电子表格就够了，交给一个 AI 助手（我用的是 Claude）每周分析一次，并以 Slack 消息发送趋势的简短摘要。三种阅读节奏：加权提及每天看，由做具体工作的人负责；摘要每周看，由市场团队负责；呈现与成效并排每季度看一次，面向管理层，因为正是这一对比决定预算。只有每周有人读，测量才有价值。
2026 年，LLM 对潜在客户获取的影响读不出自任何现成的仪表盘。它要一个指标一个指标地重建，一边是呈现，一边是成效，直到两条曲线讲出同一个故事：这个季度加权提及上升，下个季度声明来自 AI 的潜在客户比例上升。只要两者背离，你就知道该往哪里找：有呈现没成效，说明你被提及的那些提示词带不来你的买家；有成效没呈现，说明你的提示词库没有覆盖他们真正在问的问题。
常见问题
更多关于 GEO 测量与生成式搜索的分析，见日志中的文章。