测量这件事，最大的障碍不是技术，是坚持。大多数人问一次、发现没提到，就放弃了。而单次结果本身没有意义——模型每次的检索结果都不同。
下面这套方法成本很低，但要求严格执行。
第一步：建问题集
选 10 到 15 个问题，覆盖四类：
- 品牌认知：「XX 公司是做什么的」「XX 公司怎么样」（3-4 个）
- 品类推荐：「XX 市哪家公司能做 YY」「做 YY 找哪家」（3-4 个）
- 具体信息：「YY 大概什么价」「YY 要多久」（2-3 个）
- 对比型：「YY 和 ZZ 有什么区别」「做 WW 用哪种方案」（2-3 个）
要求：问题用客户的真实说法，不要用行业术语改写；一旦定下来，三个月内不要改，否则数据不可比。
第二步：固定测试条件
要固定三件事，否则数据没法比：
- 用哪几个助手：选 3 个左右主流的，每次都用同一组
- 是否开启联网：开和不开的结果完全不同，固定一种
- 提问方式：一字不改地复制问题，不要临时加限定词
第三步：记录四项
每个问题每次测试，记录四个值：
| 字段 | 取值 | 说明 |
|---|---|---|
| 是否提及 | 是 / 否 | 答案里有没有出现公司名或品牌名 |
| 描述准确度 | 准确 / 部分准确 / 错误 / 未描述 | 说对了业务就算准确 |
| 是否给出链接 | 是 / 否 | 有没有指向你的站 |
| 同时提到了谁 | 竞品名 | 了解竞争格局 |
「部分准确」要备注具体哪里不对，这是后续修内容的依据。
第四步：看三个比率
不要看单个问题的结果，看比率的变化：
- 提及率 = 提到的问题数 / 总问题数
- 准确率 = 描述准确的问题数 / 提到的问题数
- 链接率 = 给出链接的问题数 / 提到的问题数
三个比率的含义不同：提及率反映你在这类问题里有没有位置；准确率反映你的资料一致性做得如何；链接率反映你的页面是否可访问、是否被认为是合适的来源。
怎么解读
提及率高、准确率低
好消息是你被记住了，坏消息是记错了。优先修事实统一，这是最容易见效的。
提及率低、准确率高
说明偶尔被提到时说得对，但覆盖面不够。需要补内容，把更多问题类型覆盖到。
都低
先查可抓取性和站点基础，而不是急着发内容。
都高但链接率低
模型知道有你，但不愿意给出链接。可能是页面打不开、内容太薄、或者它更愿意引用第三方。
几个执行上的建议
- 用表格记录，不要用脑子记。三个月后你会需要对比。
- 保存原始回答截图或文本。记录表是摘要，细节在原文里。
- 每月固定一天做。不定日子就会一直拖。
- 不要每天测。日常波动很大，看不出趋势。
- 把结果给业务方看，不只是自己看。销售最清楚哪些问题是客户真会问的。
常见问题
要不要用专门的监控工具
工具有用，适合问题集大、需要频繁监测的场景。但对多数中小企业，手工测 10 到 15 个问题，每月一次，成本更低且更贴近真实使用场景。工具真正省的是时间，不是准确性。
测出来没提到，要不要紧张
先看基线。如果一开始就是零，那不是退步，是起点。重要的是三个月后有没有变化。
相关阅读：GEO 优化多久能看到变化、GEO 落地的四步顺序。
测量时会遇到一个绕不开的问题：同一个问题在不同平台答案不一样，该以哪个为准？原因见为什么各家答案不同；另外「被提到」和「被引用」要分开记，见两种形态的价值差。