GEO项目最容易被做废的一种方式,是先定一个漂亮的目标数字,再倒推团队怎么去凑它。比如把"AI品牌提及率"定成季度目标,看起来可量化,实际上没人能说得清分母是多少、答案在哪几个平台采集、什么算提及,最后这个数字既不能复现也不能归因,年底复盘时变成一场各说各话。更麻烦的是,AI答案本身有随机性,同一个问题在不同时间生成的结果可能不同,这使得单一结果型指标天然脆弱。所以GEO的KPI设计有一条硬规矩:每一个写进考核表的数字,都必须能回答"谁、在什么时间、用什么方法、采到多少条样本、得出什么结论"。答不上来的,就不能当指标。
结果型指标:从被提及到变成询盘
结果型指标回答的是"做这些事有没有产生业务价值"。它们放在考核表的顶层,但每一个都必须有明确的采集口径。
| 指标 | 定义与采集方式 | 复测频率 | 责任人 | 阈值设定原则 |
|---|---|---|---|---|
| AI提及率 | 固定问题集中,答案正文出现品牌名的问题条数占总条数比例;每条问题在每个平台各采一次,记录出现即计1 | 月度 | 监测分析 | 以基线为起点设相对提升目标,不设固定数值承诺 |
| AI引用率 | 答案给出的引用链接中,落地页属于自有域名的条数占比;需记录每个引用链接以便核对 | 月度 | 监测分析 | 与提及率同步看,引用率是提及率的质量修正项 |
| AI推荐率 | 答案以候选名单形式把品牌列入推荐对象的条数占比;判定需按统一说明执行 | 月度 | 监测分析 | 单独设阈值,不与提及率合并计算 |
| AI来源合格询盘数 | 表单来源标记为AI渠道且符合预设资质条件(行业、规模、需求明确)的询盘条数 | 周度 | 销售运营 | 按业务价值加权计数,高价产品线索单独统计 |
| 询盘质量分 | 对AI来源询盘按信息完整度、需求具体程度、采购阶段打分后的加权均分 | 月度 | 销售运营 | 与自然搜索来源的询盘横向对比,判断质量是否提升 |
关于询盘来源的标记,这里有一个技术前提值得强调:要在表单里埋入来源字段,并且在落地页按渠道参数区分落地。如果访客从AI答案点进官网时URL里没有任何渠道标识,销售在电话里问"您是从哪里知道我们的",得到的回答常常是"搜索引擎",这份数据就没法用于归因。渠道标记这件事成本很低,但缺了它,GEO最靠近业务的那一段就是黑箱。
过程型指标:把结果拆成可控的动作
结果型指标有个共同问题:变化慢、归因难,而且不受单次动作影响。所以需要一组过程型指标来承接日常管理。它们的特点是采集成本低、频率高、责任人明确,出问题能立刻定位到环节。
| 指标 | 定义与采集方式 | 复测频率 | 责任人 | 阈值设定原则 |
|---|---|---|---|---|
| 可抓取URL覆盖率 | 被目标AI爬虫成功抓取过的关键页面数,除以关键页面总数;通过服务器日志统计 | 周度 | 技术实施 | 设为硬性门槛,未抓取的关键页必须清零 |
| 结构化数据覆盖率 | 已部署且通过校验的Schema页面数,除以应部署页面数 | 月度 | 技术实施 | 与页面类型绑定,每类页面都应有对应Schema |
| 过期页面数 | 内容中包含已失效信息的页面数量,含价格、产能、资质、地址等过期字段 | 月度 | 结构化数据维护 | 设为上限值,超出即触发清理流程 |
| 爬虫抓取频次 | 目标AI爬虫对站点的日均抓取次数与新增页面被抓取的时间间隔 | 周度 | 技术实施 | 关注新增页面的抓取延迟,延迟过长说明存在收录障碍 |
| 内容可答率 | 已完成改造的页面中,能够对目标问题给出完整、可独立成句答案的比例 | 月度 | 内容编辑 | 按页面类型分别设线,不用统一数值 |
这五个过程型指标构成一条完整的诊断链:页面能不能被抓到、抓到后有没有结构化信号、信号里的字段是不是过期、过期内容有没有被回答出去。任何一个环节出问题,结果型指标都不会动,但过程型指标会先动。管理层看结果型指标定方向,执行层看过程型指标找原因,这是两类指标各自的用途。
两类指标怎么配比,怎么定阈值
结果型指标用来对业务负责,过程型指标用来对执行负责。一份合理的考核表通常把权重倒过来配:过程型指标占大头,结果型指标占小头。原因是结果受AI产品迭代、竞品动作、市场季节性影响太大,把它设成主要考核项,等于让执行团队为不可控因素承担压力,最直接的后果就是刷指标——把品牌词硬塞进标题、多写几篇互相重复的稿子,数字好看,业务没有变化。
阈值设定有四种方法,按适用性排序:
- 基线相对法(最推荐)——先测基线,再按季度设定相对提升目标,比如"提及率在问题集规模不变的前提下提升若干个百分点"。它的前提是问题集和采集条件固定,否则相对值也没有意义。
- 门槛法——用于过程型指标,很多指标本身就是"必须达到"而非"越高越好",比如可抓取URL覆盖率的目标页全部被抓到、过期页面数为零。
- 分位数法——在有竞品对照数据时,把目标设在竞品分布的中位或上四分位,比拍一个数字更有参照系。
- 固定数值法——慎用。只有当企业自身有足够长的历史数据、且业务规模和产品结构稳定时才适用,否则外部环境一变,指标就失去意义。
阈值还要留一条规则:新增问题集版本时,指标要重新计算分母。往问题集里加了十条新问题,提及率的分母就变了,直接和上期数字比较会得出错误结论。规范做法是每次复测同时跑新旧两个版本,用旧版本做可比口径,用新版本观察结构变化。
把指标变成可执行的看板
指标写完还要能落到日常动作上,否则就是一份没人看的文档。落地时有三个要点。
第一,每个指标必须绑定唯一的责任人。"内容团队负责"不算,要落到具体岗位或具体的人,否则看板上出现异常时没人认领。
第二,每个指标必须有触发动作。这是过程型指标区别于结果型指标的关键:过程型指标一旦越过阈值,要对应一个明确的处理动作。比如爬虫抓取频次连续两周下降,触发动作是检查服务器日志与robots规则变更记录;过期页面数超过上限,触发动作是清理任务派单并复核。把阈值和动作绑在一起,看板才是活的。
第三,采集方式要写进看板本身,不能靠口头交代。看板上每行指标旁边标一行小字:数据来源、样本量、采集时段、判定口径。这样即使执行人换岗,指标也不会变形。
还要提醒一个常见误区:不要把指标数量当成严谨的证明。一张放了三十二个指标的看板,看上去专业,实际上没人能同时盯住,最后只剩两三个被看。合理的数量是结果型三到五个、过程型五到八个,其余数据留在明细表里按需查阅。指标的价值在于能驱动决策,不在于数量。
铭赞经验:GEO项目里最常见的一种自欺,是把"AI提及率"当唯一指标追了半年,最后发现基数一直很小——问题集只有二十条,其中十几条是极窄的长尾词,提到一次就是几个百分点的跳变,涨跌全看运气。我们的做法是给指标加一个配套的"样本量与置信度"注记:同一个百分比,分子分母各是多少、样本波动有多大、这个变化是超出随机波动范围还是落在噪声里。没有这个注记的指标,数字越大越容易误导决策。
下一步行动
想给自己企业定一套能落地的GEO考核指标?铭赞提供免费行业AI可见性诊断,先按分层问题集跑出基线,再据此给出结果型与过程型指标的建议阈值、采集方式与责任人分工表。电话 13991172090,或访问 xamz.cn/geo/diagnosis.html 在线申请。
铭赞网络的服务范围覆盖GEO优化、SEO、网站建设和外贸营销,服务电话 13991172090。