查一次为什么不算数：被提及率的最低可行监测法

你问豆包一次”你们行业哪家好”，答案里没出现你，于是判定”GEO 白做了”。但这个”一次”恰恰是最没用的测量方式——AI 答案每次都不同，查一次只是从一条概率分布里抽了一个随机点。你抽到的”没被引用”，很可能不是你没被引，而是这次漏了。本篇给一套不花大钱、但能真正测出”被提及率”的最低可行监测法，核心就一条：把单次检测升级成重复采样，估的是分布，不是单点。

一、为什么查一次不算数：漏检的数学

假设你的真实被提及率是 20%（即任意一次运行，AI 有 20% 概率提到你）。”这次没提到”不代表你没做 GEO，只是踩中了那 80% 的没提到。NeuralAdX 的 30,504 次实测给了这条漏检曲线——测 N 次仍漏检的概率 = (1 − 20%) 的 N 次方：

复测次数 N	仍”漏检”的概率	你能说多少
1 次	80.0%	几乎不能下任何结论
5 次	32.8%	只能做探索，仍易漏间歇性可见
10 次	10.7%	检测力明显变好，但还不够稳
20 次	1.15%	间歇性可见基本不会整个漏掉

这张表的意义不是”要多测”，而是量化了单次检测有多不可信：测 1 次就下”没被引用”的结论，等于用 80% 是误判的概率去否定自己。所以可靠监测的单位从来不是”一次”，而是”某条 query × 某引擎 × 某次运行 × 某时刻”——四次维度缺一不可，缺任何一个，一堆结果就不能互相比较。

二、最低可行监测：四个要素，不花大钱也能跑

不需要 75000 品牌面板，也不需要专业工具。一套小样本法，四个要素钉死就够：

要素一：固定 query 池。选 20~40 条买家真实会问的问句（覆盖认知/比较/价格/选型四类意图），季度内变动别超过 10%。池子一改，前后数据就不可比了。

要素二：固定引擎 + 复测次数。对每个引擎（豆包/DeepSeek/通义，选你目标市场在用的），每条 query 跑 N 次。N 至少 10 次（对应上表 10.7% 漏检），有条件上 20 次。

要素三：滚动时间窗 + 间隔。别只看某一天，看 7~14 天趋势；复测之间要拉开间隔——连在一起测会共享同一套索引状态、同一份检索缓存，结果彼此相关，统计上不算”独立重复”（NIST 的自相关警告）。间隔比次数更被低估。

要素四：提及率与引用率分两条线。这是最容易混的地方：AI 答案里出现你品牌名 = 提及，AI 把链接指回你某个 URL = 引用（172 期讲过 46% 的提及不带引用页）。两条线分开记，差值就是你离”可引用生产源”还有多远（171 期）。

三、为什么先盯”研究阶段”的提及率

Victorious 的季度跟踪（1.65 万条回答）显示：用户提问是有顺序的——先问”这类产品怎么选、有什么区别”，再问”我这种情况找哪家”。在前一类（研究阶段）被 AI 念到名字的品牌，构成后一类（购买阶段）的候选池。被引用品牌里有 94% 也出现在购买答案里，没被引用的品牌只有 50%。所以监测的优先级很清楚：先盯研究阶段问句的提及率，它涨不上去，购买阶段的比较你根本没资格进（呼应 170 期”意图条件化”——不同意图状态，引用结果完全不同）。

四、能测多少，就诚实说多少

最后一条纪律：别把监测结果当精确数字对外报。AI 流量里只有约 20% 能被直接归因到来源（其余显示为 Direct），所以这套小样本法的定位是方向判断，不是绝对值。资源有限时先跑 30 问句 × 3 引擎看基础趋势（即推学院的最低样本分层），把结论写成”提及率从 X 走到 Y、方向向上/向下”，而不是”精确到 32.7%”。样本扩了再谈精度。

FAQ

Q：和 25068 期”答案是流动的、要复测”是一回事吗？
A：那是结论，本篇是操作。25068 告诉你”别只查一次、答案会漂”；本篇给”到底复测几次、池子多固定、间隔拉多开、提及/引用怎么分两条记”。一个是”要测”，一个是”怎么测到能信”。

Q：20 次复测太贵，普通商家跑不起怎么办？
A：不用每条 20 次。分层——核心 5~8 条 query 各 20 次（保精度），长尾 20~30 条各 5 次（够看方向）。总预算可控，核心问句拿到的是可信区间，长尾拿到的是”有没有完全缺席”的粗筛。完全缺席的那些（0 提及）反而是最快的优化靶点。

Q：提及率上去了，引用率还是 0，说明什么？
A：说明你”被认知”但”没被可引用地指到”——品牌在生态里被提，但 AI 拿你的说法时找不到你的可引用一手链接（171/172 期机制）。补法是给生态提你的地方挂一条带数据、带出处的一手链接，把”提及”转成”引用”，别只发品牌口号。

Q：多久该重测一轮？
A：看趋势节奏：日采集、7~14 天看趋势、月度做策略复盘（即推/GEO Scout 的建议节奏）。但复测之间要拉开间隔避开自相关。引擎更新/你发新内容前后，加测一轮对比，判断变化是”你自己动”还是”引擎动了”。

延伸阅读

• 外链没用了，被谁提了才有用——被提及 ≠ 被引用（172 期）
• 一条内容，十个意图，十种命——意图条件化（170 期）
• AI 的答案是流动的：GEO 没有做完，只有复测——为什么要复测（25068 期）

{
“@context”: “https://schema.org”,
“graph”: [
{
“@type”: “Organization”,
“@id”: “https://www.geoshizhan.com/#org”,
“name”: “GEO实战”,
“url”: “https://www.geoshizhan.com/”
},
{
“@type”: “WebSite”,
“@id”: “https://www.geoshizhan.com/#website”,
“url”: “https://www.geoshizhan.com/”,
“publisher”: {
“@id”: “https://www.geoshizhan.com/#org”
}
},
{
“@type”: “Article”,
“headline”: “查一次为什么不算数：被提及率的最低可行监测法”,
“description”: “AI 答案每次都不同，查一次\”被没被引用\”只能抽到分布里一个随机点。NeuralAdX 30504 次实测给出漏检公式：真实提及率 20% 时，测 1 次漏检 80%，10 次降到 10.7%，20 次才 1.15%。最低可行监测=固定 query 池×固定引擎×N 次复测×滚动时间窗，提及率与引用率分两条线记。这篇给一套不花大钱的小样本法。”,
“datePublished”: “2026-11-08”,
“dateModified”: “2026-11-08”,
“author”: {
“@type”: “Organization”,
“name”: “GEO实战”
},
“publisher”: {
“@id”: “https://www.geoshizhan.com/#org”
},
“image”: “https://www.geoshizhan.com/wp-content/uploads/2026/11/geo_173_cover.png”,
“mainEntityOfPage”: “https://www.geoshizhan.com/geo-minimal-mention-rate-monitoring-2026/”,
“isPartOf”: {
“@id”: “https://www.geoshizhan.com/#website”
}
},
{
“@type”: “FAQPage”,
“mainEntity”: [
{
“@type”: “Question”,
“name”: “和25068期答案是流动要复测是一回事吗？”,
“acceptedAnswer”: {
“@type”: “Answer”,
“text”: “那是结论，本篇是操作。25068告诉你别只查一次、答案会漂；本篇给\”到底复测几次、池子多固定、间隔拉多开、提及/引用怎么分两条记\”。一个是\”要测\”，一个是\”怎么测到能信\”。”
}
},
{
“@type”: “Question”,
“name”: “20次复测太贵，普通商家跑不起怎么办？”,
“acceptedAnswer”: {
“@type”: “Answer”,
“text”: “不用每条20次。分层——核心5~8条query各20次保精度，长尾20~30条各5次够看方向。总预算可控，核心拿到可信区间，长尾做\”有没有完全缺席\”粗筛。完全缺席的0提及反而是最快优化靶点。”
}
},
{
“@type”: “Question”,
“name”: “提及率上去了引用率还是0，说明什么？”,
“acceptedAnswer”: {
“@type”: “Answer”,
“text”: “说明被认知但没被可引用地指到——品牌在生态被提，但AI拿你说法时找不到可引用一手链接（171/172期机制）。补法是给提你的地方挂带数据带出处的一手链接，把提及转成引用，别只发品牌口号。”
}
},
{
“@type”: “Question”,
“name”: “多久该重测一轮？”,
“acceptedAnswer”: {
“@type”: “Answer”,
“text”: “日采集、7~14天看趋势、月度做策略复盘（即推/GEO Scout节奏）。但复测之间拉开间隔避开自相关。引擎更新或你发新内容前后加测一轮对比，判断变化是你自己动还是引擎动了。”
}
}
]
}
]
}