GEO 的 KPI 怎么设：三个指标与四种数字游戏
GEO 的 KPI 是指用来衡量「AI 在回答用户问题时，有没有提到你、排在第几、说得对不对」的一组统计量。行业里目前通行的只有三个：品牌/产品提及率（SOV）、TOP1/TOP3/TOP10 推荐率（SOR）、品牌信息准确率。
但这三个指标有一个共同前提：必须绑定一套固定的提问集和固定的采样次数。不绑定的数字不能比——同一件事，换一套问题、换一个模型，结果能差 3 倍以上。这是 GEO 采购里最容易吃亏的地方。
这篇写给两类人：要给 GEO 服务商定 KPI 的品牌方，和要向老板证明这笔钱花得值（或花得不值）的市场负责人。不谈模型原理，只谈指标怎么定、怎么验、哪里能被人做手脚。
为什么 GEO 的 KPI 比 SEO 难设？
SEO 有一套现成的、不可争辩的度量：排名、点击、收录数。这些数据来自搜索引擎自己的后台，谁都改不了。GEO 没有对应的东西。
三个结构性差异决定了这件事：
- 答案不可复现。同一个问题问两次，措辞可能完全不同，推荐的品牌顺序也会变。所以「某一次提问的结果」不能当 KPI，它只是一个样本。
- 后台不可见。没有任何一家大模型会给品牌方开放「你的内容被引用了多少次」这个数据。所有数字都必须靠外部采样推算出来。
- 语境决定价值。「提到了你」和「推荐了你」是两件事。AI 完全可能在一句「这几家的售后口碑一般」里带上你的名字，这种提及是负资产。
这三条合起来，意味着 GEO 的 KPI 只能是一种抽样统计。它的可靠性完全取决于抽样方法有没有被固定下来——方法一变，数字就失去可比性，也就失去了考核的意义。
三个指标各自回答什么问题？
它们不是并列关系。三个指标对应两类完全不同的词，考核目的也不同：
| 词类型 | 考核指标 | 回答什么问题 | 典型提问 |
|---|---|---|---|
| 品类词 | 品牌/产品提及率（SOV） | 这个市场里，我被算作选项之一吗 | 「20 万左右的新能源 SUV 有哪些」 |
| 品类词 | TOP1/TOP3/TOP10 推荐率（SOR） | 我排在第几位，能不能被第一个看到 | 「20 万新能源 SUV 推荐哪几款」 |
| 品牌词 | 信息准确率 | AI 说起我的时候，说得对不对 | 「XX 品牌的车怎么样，多少钱」 |
把这张表压缩成一句话：品类词考核份额，品牌词考核准确。
反过来的用法都是错的。用品牌词算提及率没有意义——用户已经在搜你了，AI 当然会提到你，这个数字永远接近 100%；用品类词算准确率也不合理——用户还没锁定品牌，AI 泛泛而谈，谈不上准确与否。
提及率（SOV）怎么算才不会被糊弄？
公式本身没有争议：
提及率 = （提到某品牌的次数 ÷ 所有品牌被提及的总次数）× 100%
问题全在分子和分母怎么取。三个必须在合同里写死的约定：
| 约定项 | 不写清楚会怎样 | 应该怎么定 |
|---|---|---|
| 提问集 | 每次用不同的问题，专挑能提你的那几条 | 固定 30–50 条品类词问题，带版本号，中途增删需双方确认 |
| 采样次数 | 每题只问 1 次，恰好撞上提到你的那次 | 每题跑 3 次，取并集统计；报告里注明「3 次采样」 |
| 模型范围 | 只测一个模型，等于只测了一家公司的偏好 | 固定 3 个主流模型，分开报，再给加权平均 |
第三条最容易被忽略。同一个问题，不同模型给出的品牌清单可能差一半以上——有的偏好引用新闻，有的偏好引用垂直站，有的偏好引用问答社区。只测一个，测出来的不是「AI 怎么看你」，是「某一个模型怎么看你」。
还有一个细节：多轮对话里的提及要不要算？我们的做法是不算。用户的追问会把话题带偏，样本不可控。只统计首轮提问的回答。
排名率（SOR）为什么比提及率更该考核？
因为用户不会看完。AI 给一个十项清单，前三个被点开的概率远高于第四个之后。被提到但排在第八位，商业价值接近于零——你只是「也在名单里」，不是「被推荐」。
推荐率 = （出现在 TOP1 / TOP3 / TOP10 的次数 ÷ 提问次数）× 100%
| 指标 | 算法 | 它说明了什么 |
|---|---|---|
| TOP10 率 | 进入前 10 名的次数 ÷ 提问次数 | 你有没有「入场资格」。低说明 AI 根本不知道你存在 |
| TOP3 率 | 进入前 3 名的次数 ÷ 提问次数 | 你有没有「被推荐资格」。这是最该盯的一个数 |
| TOP1 率 | 排第一的次数 ÷ 提问次数 | 你有多少「首选份额」。波动最大，不宜单独考核 |
这三个数字要一起看，不能只看一个。TOP10 高但 TOP3 低，是很典型的一种状态：内容覆盖面够了，AI 知道有你，但推荐时不排你——通常意味着缺对比内容、缺可引用的证据、缺第三方背书。
TOP1 率我们不建议单独写进目标。它受提问措辞的影响太大，换个问法就能从第一掉到第五，把它当考核指标会让团队去优化措辞而不是优化内容。
信息准确率怎么判定，谁来判定？
这是三个指标里唯一需要人工介入的，也是最容易做假的一项。
信息准确率 = （信息正确的次数 ÷ 总推荐次数）× 100%
「正确」必须有基准。基准只能来自品牌方自己确认过的一份事实清单——成立时间、产品线、价格区间、渠道、资质、主力型号。没有这份清单，准确率就没法计算，只能凭感觉打分，而凭感觉打出来的分数没有验收价值。
| 错误类型 | 例子 | 危害 |
|---|---|---|
| 事实错误 | 价格、参数、成立年份说错 | 高——直接影响成交判断 |
| 归属错误 | 把竞品的产品算到你名下，或反过来 | 高——用户会买错，然后怪你 |
| 定位错误 | 把高端线描述成性价比品牌 | 中——拉低品牌位置，且很难纠正 |
| 信息缺失 | 只提到一条老产品线，漏掉主力新品 | 中——AI 的认知落后你两年 |
| 过时信息 | 引用已停产型号、已调整的价格 | 中——通常是网站没更新导致的 |
验收标准建议写成「关键事实零错误」，而不是一个百分比。因为 95% 准确率听起来不错，但如果那 5% 是把你的旗舰产品和竞品搞混了，这 5% 就是致命的。百分比会稀释掉最要命的那几条。
一份能写进合同的 KPI 长什么样？
把上面三块拼起来，一张表就够。重点是「怎么测」这一列，不是目标值定多高：
| 指标 | 基线（签约前必测） | 3 个月目标 | 怎么测 | 谁验 |
|---|---|---|---|---|
| 品类词提及率 | 先测，常见落在 5%–20% | 提升 10 个百分点以上 | 40 条固定问题 × 3 次采样 × 3 个模型 | 双方各测一次，差异超 15% 时复盘 |
| TOP3 推荐率 | 先测，多数新品牌低于 10% | 达到 20%–30% | 同上，按模型分开报 | 同上 |
| 关键事实准确率 | 先测，常有 2–5 条硬错 | 关键事实零错误 | 事实清单逐条比对，人工核 | 品牌方自己核，不外包 |
| 复测周期 | — | 改完 4–6 周复测 | 同一套提问集，同一批模型 | 固定季度节奏 |
「基线必须签约前测」这条要单独强调。很多 GEO 合同出问题，不是因为目标定得太高，而是因为签的时候没测基线，三个月后双方对「提升了多少」各执一词，最后只能靠感觉结账。
四种常见的数字游戏
知道这些不是为了防人，是为了把验收标准写清楚。四种手法都很常见，而且单看每一份报告都挑不出毛病：
| 手法 | 具体表现 | 怎么识破 |
|---|---|---|
| 换提问集 | 这个月换了新的 40 条问题，恰好都能提到你 | 要求提问集带版本号和完整清单，增删需确认 |
| 只报绝对数 | 「提及次数从 12 涨到 47」，不提总次数也涨了 | 一律要求分子分母同时给 |
| 混算排名 | 把「出现在回答里」统计成「被推荐」 | 要求 TOP1/3/10 分开列，不允许只报一个「曝光率」 |
| 挑模型报 | 只报表现最好的那个模型的结果 | 要求三个模型分开列，并注明加权方式 |
还有一种更隐蔽的：把负面提及算成正面提及。「这几家不建议买」里出现你的名字，也被统计进了提及率。识破办法是要求提供原始问答摘录，而不是只给统计表——这也是我们坚持报告里必须附原文的原因。
我们怎么看这件事？
行业里定 GEO 的 KPI，注意力基本都在提及率上。因为它是最好讲、最容易做出增长曲线的数字。我们觉得这个顺序该反过来。
我们的判断是：三个指标里最该被考核的不是提及率，是信息准确率。提及率可以靠几篇爆款内容和一批铺量稿在两个月内冲上去，准确率只能靠网站本身把事实讲清楚——前者买的是流量，后者攒的是资产。而且一个说错你产品参数的 AI 答案，比不提到你更伤：不提到只是没机会，说错了是主动把人送走。
— 怡亚科技 · 全域智能洞察团队这个判断改变了我们的执行顺序。常规做法是先做内容铺量、把提及率拉起来，再回头修网站；我们是反的——第一个月先测准确率，把事实清单和页面上的硬错修掉，第二个月才开始做内容。
听起来慢，但有个实际好处：准确率修好之后，后面每加一篇内容，带来的提及都是加分的；反过来，如果事实是错的，铺得越多、被引用得越多，错得越广，纠正成本越高。我们处理过一个客户，一款产品的参数在三个平台上写错了两年，AI 全部学了过去，纠正花了四个月。
常见问题
GEO 的 KPI 和 SEO 的 KPI 能放在一起考核吗？
提多少个问题才算够？
为什么每个问题要问 3 次？
要测哪几个模型？
多久能看到提及率的变化？
如果服务商说「AI 排名波动太大，没法承诺具体数字」怎么办？
信息准确率能不能自动化测？
预算有限，只能考核一个指标，选哪个？
KPI 定下来之后，真正决定数字能不能动的还是内容和站点结构。这两块我们的做法可以看 内容与新媒体运营；如果 AI 说错你的根本原因是品牌自己没把定位讲清楚，那要先解决 品牌策略与品牌设计 这一层。