一位做企业服务的市场负责人，上周和客户开了个有点尴尬的会。他把自己做的 GEO 报告投在屏幕上：某平台里，品牌已经被推荐了。客户当场打开手机，同一句话再问一遍——答案里没有他。
两个人对着两块屏幕，谁也没说错。问题出在：他们都在用「查一次」的方式，去衡量一个本来就不稳定的东西。
一、先看三个让人冷静的数字
2026 年 10 月，有两篇研究把这件事说得很清楚：
- 一篇分析了 15.8 万条 AI 答案、46.8 万条引用，结论是：页面自身的属性只能解释同一站点内引用差异的约 2.8%，而引擎自己的检索行为能解释约 32%。换句话说，页面被引用，首先取决于「它有没有被搜到」。
- 另一篇发现，用精确网址去追踪被引页面，只能找回大约四分之一真正被引用的链接。剩下四分之三，你根本看不见。
- 还有一组一万条查询的重复测试：同一个问题在同一个平台反复搜，被引网址的重合度不到一成，其中两成多的搜索，两次结果完全不重合。
再加上一个更朴素的实验：让几百位志愿者把同一批问题跑上几千次，两次拿到完全相同的品牌名单的概率，低于百分之一。
把这些放在一起，结论只有一个：AI 引用是一个分布，不是一个名次。
二、为什么「查一次」这个方法不成立
左边的面板是大多数人的做法：问一次，看到答案里没有自己，就得出「没被引用」的结论。这是一次抽样，样本量是一。右边的面板是把同一批问题重复跑二十次——出现的次数加起来，才叫出现率。
还要区分两件常被混为一谈的事：被检索到不等于被采信进答案。有平台的实测是，三轮检索返回了约一百多条信源，最后写进结论的只有二十来条。你在候选池里，不等于你在答案里。
三、换一套能用的测法
把测法从「查一次看排名」换成下面这五项，数据立刻能对得上：
| 测什么 | 怎么测 | 看什么口径 |
|---|---|---|
| 品牌出现率 | 固定问题集，同一平台重复跑多次 | 出现次数 ÷ 总次数 |
| 口径一致性 | 抓取答案里对你的描述，与官网原文比对 | 名称、定位、数字是否同一个版本 |
| 被引来源分布 | 记录被引的域名，而不是精确链接 | 自有站点与站外来源分别占多少 |
| 竞品对照 | 同一批问题同时跑竞品 | 相对出现率，而不是绝对名次 |
| 变化趋势 | 固定周期重跑，把结论连成线 | 环比、月环比，不看单点 |
四、五类最常见的报告陷阱
如果你手上的 GEO 报告长成下面这样，先别急着下结论：
| 报告里的写法 | 问题在哪 |
|---|---|
| 「已优化，AI 已推荐」配一张截图 | 样本量是一，别人复现不出来 |
| 「当前排名第 3」 | AI 答案不显示排名，这是从传统搜索搬来的指标 |
| 「收录 30 篇，全部被引用」 | 被检索不等于被采信，候选池和答案是两回事 |
| 「本页已被引用（附链接）」 | 精确链接追踪只能覆盖约四分之一，不是全量 |
| 「两周内没变化，说明无效」 | 采样次数不够，把正常波动当成了结论 |
五、给执行团队的最小可行口径
不用上工具，用一份表格就能跑起来：
- 固定二十个真实客户问题，别用行业大词；
- 每个问题、每个平台，至少跑三次；
- 每次记录三件事：有没有提到品牌、被引的是哪些域名、答案里对你的描述和官网是不是一个版本；
- 主指标只看两个：出现率、口径一致率；
- 每月重跑一轮，把结果连成线，看趋势不看单点；
- 把平台模型换代的日期一起记在案——模型一换，引用分布会动，别把它误判成内容出了问题。
一句话结论
页面的位置是引擎给的，品牌的记忆是事实给的。测出来的数字对不上时，先看清楚自己测的是哪一个。
常见问题
那到底要测几个平台、几次
起步可以这样：选两三个你客户最常用的平台，固定二十个真实问题，每个问题每个平台跑三次，一个月一轮。次数不够的时候，你看到的波动多半是噪声。
为什么不能直接看「排第几」
AI 答案不提供排名，它给的是「提到了谁」。把传统搜索的名次思维搬过来，测出来的东西没有对应物。要测的是出现率、被引来源和口径一致性。
我们报告里那几条被引链接怎么办
保留，但别当成全量。精确的链接追踪通常只能找回一部分被引页面，有研究给出的比例大约是四分之一。所以更该记的是被引的域名、以及答案里出现的实体，而不是那一条链接。
模型换代会影响我的数据吗
会，而且幅度可能不小。Google 的 AI Mode 模型在四个月里换过四次，一次模型更新曾让同一语言下的引用在两天内变化四成以上。看趋势时把模型换代的日期一起记下来，避免把模型变化误判成内容出了问题。
延伸阅读
能被反复查到的，才叫效果；只被查到过一次的，叫运气。