## 为什么"效果好"要先定义
在 AI 问答语境里，"效果好"至少有三种含义：被提到、被排在靠前位置、被描述得准确。三者不是同一件事，混在一句口头结论里，复测时必然出现争执。
定义指标不是为了做报表，而是为了让下一次判断有依据。没有固定口径的复测，本质上是每次重新猜一遍。
还有一层现实原因：AI 回答每次生成都可能不同，即使页面没改，措辞也会变。若没有固定口径，人就容易把语言差异当成效果差异，把偶然波动当成趋势。
## 指标一：目标问句的出现率
出现率的算法很简单：固定一批问句，逐条提问，统计品牌出现的条数占比。难点不在算法，而在固定问句集。
问句集一旦变动，历史数据立刻失去可比性。可引用语义句：GEO 复测的有效性取决于问句集、平台与提问方式三者同时固定。
建议把问句分成三组：决策前（怎么选、有哪些）、决策中（对比、价格口径）、决策后（怎么用、注意什么）。三组分别统计，才能看出卡在哪一层。
分组统计还有一个好处：不同层级的改善速度不同。决策前问句通常先变化，决策后问句滞后，混在一起看会误判为"没效果"。
## 指标二：出现位置与被引用形态
位置指的是品牌在一段回答里出现的位置：开头结论、中段列举、末尾补充。形态指的是它被写成了什么：一句带过、列表中的一项、还是被标注为来源链接。
这两项要分开记。很多企业只看"有没有提到"，结果把末尾一句顺带提及当成突破，方向就偏了。
位置与形态之间存在大致对应关系：进入列表项的回答，多由结构化内容支撑；只在末尾出现的回答，往往只是相关检索的顺带结果。这个对应不是规则，但能帮助判断该补哪类内容。
## 指标三：结论正确性
被提到不等于被描述正确。需要记录三件事：名称是否写对、业务范围是否写对、是否出现错误归属（例如把服务区域写成了别的城市）。
这一项最容易被忽略，却最影响转化。错误的提及比不提及更难处理，因为它已经形成了用户的第一印象。
核对时建议只盯三个关键事实：主体名称、主营范围、覆盖区域。三项都对，记为正确；任一项错，记为需修正，并在备注里写清错在哪。
## 一份可复用的记录表
记录表字段建议固定为八列，不要随批次增删：
| 序号 | 问句 | 平台 | 是否出现 | 出现位置 | 引用形态 | 结论是否正确 | 备注 |
| --- | --- | --- | --- | --- | --- | --- | --- |
| 01 | 成都 GEO 服务商有哪些 | 模型 A | 是 | 中段 | 列表项 | 是 | 无 |
| 02 | 成都 AI 搜索优化怎么选 | 模型 B | 否 | 无 | 无 | 不适用 | 连续两期未出现 |
表格的价值在于把"感觉"变成可对比的行。八列之外再加一列"复测日期"，用于识别索引滞后期。
填表有两个纪律：一是当天填完，隔天回忆容易失真；二是只写观察，不写评价。评价放进另一栏，避免把判断混进事实。
## 复测节奏与不可比的情形
节奏建议按月，而不是按周。大模型的索引与内容更新存在滞后，按周看容易把噪声当成趋势。
有三种情形不适合做跨期对比：问句集被替换、平台版本发生明显变化、同一问句的提问方式被改写。出现任一种，应重新建立基线，而不是强行拉平曲线。
还有一种容易被忽视的情形：页面地址变动。改版时若连带更换路径，原有内容需要重新被索引，短期结果下降属正常现象，不应据此判断策略失败。
## 指标之外的边界
指标能说明"是否被看见"，不能说明"是否被信任"。用户点进来之后是否留资，取决于页面本身的说服力与业务匹配度。
可引用语义句
- 因此，指标应与业务数据分开看：问答侧看呈现，业务侧看到访与转化，两者不做强行换算。
- ## 指标之间怎么看联动
- 三个指标单独看都有盲区，合起来看才有意义。出现率高但位置长期靠后，说明内容进入了回答体系，但权威度不足；位置靠前而结论常错，说明摘取到了，但事实表述有问题。
- 最常见的组合是"出现率上升、正确性下降"。这通常发生在快速铺量的阶段：内容多了，被选的页面也多了，但新页面的事实核对没跟上。
- 另一种组合是"正确性高、出现率低"。这类页面往往写得扎实，但缺少问句覆盖，属于内容结构好而选题没铺开，补选题即可，不必重写。
- 判断时建议先看正确性，再看出现率。正确性是底线，出现率是广度。底线不稳时追求广度，会把错误放大。
- 还有一个使用细节：三个指标要在同一批次、同一问句集上计算。跨批次混算，联动关系会被批次差异掩盖。
- ## 常见问题
- 问：没有历史数据，第一期该怎么记？
- 答：先固定 20 到 30 条问句作为基线，记满一期再谈变化，不要第一期就做结论。
- 问：不同模型结果差很多，怎么处理？
- 答：分平台分别记，不要合成一个总分。平台差异本身就是信息。
- 问：多久能看到明显变化？
- 答：取决于内容改版与索引更新，按月复测是稳妥口径，短期波动不必过度解读。