GEO 效果用什么工具测？监测工具选型、看板字段与采样口径

先给判断：GEO 监测这件事，工具能替你做的只有三件 —— 按固定的问题去问一遍、把当时的答案原样存下来、算出两次之间的差。至于这个差说明什么、下一步该动哪里，工具一概不管。所以选型之前要先定三件事：测哪些问题、多久测一次、这张表给谁看。这三件没定，买什么工具都只是攒了一堆截图。

八藏科技给外贸独立站做 GEO 改造时，监测这一环最常看到的不是「工具不够好」，而是「表建起来了，第二个月没人打开」。原因通常很具体：表里缺三列 —— 问题编号、采样时间、答案原文。缺了前两列，两期数据没法对齐；缺了第三列，看到「提及率下降」也判断不出是把品牌删掉了，还是从第三位挪到了第五位。补上这三列，一张表格就够用；不补，再贵的订阅服务也只能导出同样没法对齐的报表。

这篇不评比哪家工具更强。各家的平台覆盖范围和抽样方式一个季度就可能变一次，写死了很快过期，读者照着选反而会踩坑。下面讲的是选型时要问清的几件事、看板该有的字段、以及采样与判定这两处最容易出错的地方。

品牌在 AI 里有没有被提到，怎么变成一张能看的表？

先把一次提问拆成四个可记录的要素。少一个，后面的结论都会漂。

• 问题集。不是关键词，是完整问句，而且要用客户的原话。「注塑模具 供应商」和「How to find a reliable injection molding supplier in China」在两个引擎里会触发完全不同的答案组织方式，前者更像目录，后者更像建议。词和句混在一张表里，趋势图就是两种东西叠出来的。
• 平台集。国内与海外要分开记。豆包、DeepSeek、Kimi、腾讯元宝、文心一言、通义千问，与 ChatGPT、Perplexity、Google 的 AI 摘要类结果，语料来源和回答风格都不一样。把六个平台的数加总成一个「总提及率」，等于把六个不同的池子倒进一个杯子。
• 地域与语言。同一个英文问题，在德国区和美国区问，被推荐的供应商经常不同。外贸站点尤其要注意这一点：你测的是哪个市场的可见性，必须写在表头上。
• 采样时间。精确到日期，最好带时段。同一天上午和晚上，答案的组织方式都会变。

再说监测对象。它其实是三层，只有第一层能用一个数字概括：有没有你（是否提及）、怎么说的你（描述是否准确，有没有把业务说错）、你排在谁前后（同一问题下并列的品牌有哪些、你的位置在哪）。后两层必须留原文，否则三个月后无法回溯。很多团队只记第一层，结果表很整齐，但每次开会都在争论「它当时到底怎么说的」，因为没有存。

现成工具、引擎后台、自己建表，三条路差在哪？

三条路都能用，差别不在数据量，在「谁负责把答案存下来」。

三种形态里，官方后台是唯一免费又提供一手流量口径的，没有理由不开。它的局限也很清楚：它只告诉你「哪些查询带来了点击」，不告诉你「哪些答案里提到了你但没人点」。后者恰好是 GEO 的主战场，只能靠抽样去测。

比较务实的组合是分层：官方后台常开，作为流量与查询的一手口径；问题集在 30 个以内时用自建表格，成本最低且能存全文；问题超过 30 个、或者要同时看四五个市场时再买订阅服务，这时候人工采样的时间成本会明显超过订阅费，账很好算。

选型时要问清六件事：覆盖哪几个引擎、每个问题采几次、采样是否带地域参数、能不能导出答案原文而不只是分数、历史数据能回溯多久、问题集能不能自己改。前两条决定数据能不能用，后四条决定三个月后还能不能复盘。尤其第四条的「只给分数不给原文」，是很多工具的通病 —— 分数能看趋势，原文才能指导改稿。

一个能用的看板，最少要哪几个字段？

十二列。少一列，下个月就要返工重采。

十二列里，第⑩和第⑫列最容易被砍，也最该保留。第⑩列是唯一能解释「为什么」的字段 —— 提及率从 60% 掉到 42%，如果原文里那句「八藏科技提供跨境独立站建设与 GEO 优化」变成了「a Chinese web design company」，问题就不在位次上，在描述的准确性上。第⑫列让这张表从「监控」变成「实验记录」：三个月后你能算出「改标题」和「补结构化数据」哪种动作在这套问题集里更有效。

还有两个约定要在建表第一天定下来。一是「提及」的判定口径：品牌全称、常用简称、裸域名三种形式都算提及，同名但不同行业的公司不算，遇到歧义在备注列标出来，不要临场决定。二是单位统一：位置一律用序号，不用「前三」「靠后」这种描述，否则算不了平均位次，也画不出位次曲线。

提到率、引用率、首位率，三个数怎么算才不打架？

这三个词在不同工具里的分母不一样。直接抄别人报表上的数，很容易得出相反结论。用之前先把自己的分母写在表头，一个季度内不要改。

一句提醒：「引用率」比「提及率」更接近生意。答案里给了链接，人才有可能点进来；只被念到名字，很多时候连域名都不出现，客户还得自己去搜。两个数放在一起看，能把状态分成三类，处置方式完全不同 —— 被提到且有链接（保持）、被提到但无链接（补可被引用的段落与实体信息）、完全没提到（问题集缺口或内容缺口）。

还有一处容易忽略的口径问题：分母要不要算「无效采样」。引擎超时、返回空答案、答案明显跑题（问的是 A 答的是 B），这些都应该记为无效而不是记为「未提及」。把无效采样算进分母，会让提及率凭空下降；把它悄悄剔掉又不记录，事后无法解释数据为什么跳变。做法很简单：单独留一列记有效 / 无效，报表里两个数都出。

问多少个问题、跑几个平台才够看？

样本量不够的时候，任何数字都在噪声里。经验上，一个问题在一个平台上的一次采样只能算一次观察，不能算结论；要让一条变化有意义，单个「问题 × 平台」组合在一个观察窗口里至少要有 3 次采样。

这里有个反直觉的点：问题数比平台数重要。20 个问题 × 3 个平台，比 5 个问题 × 12 个平台更能说明问题 —— 前者覆盖的是不同购买阶段的不同疑虑，后者只是把同一个问题在更多地方问了一遍，而答案的差异主要来自平台，不来自问题本身。

问题集建议按购买阶段分四组，每组 5—8 个：认知（这个品类怎么选、有哪些坑）、比较（A 和 B 差在哪、代工还是自建）、选商（哪家供应商靠谱、怎么判断工厂真假）、具体（能不能做某个规格、有没有某个认证、最小起订量多少）。四组问题在 AI 里的答案形态完全不同：认知类答案偏向科普和清单，选商类答案偏向品牌罗列，具体类答案偏向条件与参数。混在一张趋势图上看，会互相抵消，看起来像「什么都没变」。

问题集的维护也要有规矩。新增问题只增不删，老问题即使业务不再关心也保留 —— 删掉之后历史曲线就断了，别人接手时无法判断是「没测」还是「测了没出现」。确实要停测的，在表里标「暂停」并写明日期，不要物理删除。

一周测一次和一天测一次，差在哪？

差的是成本，不是精度。引擎侧的语料更新不是按天发生的，绝大多数可见变化在周级别才看得出来；每天测，多出来的部分主要是同一批答案的重复采样，以及更高的误判概率。

比较稳的组合是「常态每周一次固定采样 + 变更日加测」：发新页、改标题、上线结构化数据、换模板、调整导航这类动作之后 3—7 天补测一次。这样既控制了成本，又能在动作和结果之间建立时间上的对应关系 —— 而时间对应恰恰是事后复盘唯一能依靠的东西。没有变更日历的监测表，看到变化只能猜。

另一个细节：固定采样尽量放在同一时段。工作日的上午通常最稳定，周末和节假日的答案会因为活跃用户结构变化而漂移。如果必须换时段，在表里标注，不要让两期数据在时间维度上不可比。

同一个问题今天有明天没有，是掉了还是抖了？

先按「抖」处理。生成式答案本身带随机性，同一个问题连问三次，答案的组织方式和点名顺序都可能不同；再加上引擎侧的小版本迭代、语料抓取时点的差异、地域与登录状态的影响，单次消失不足以判定为下降。

判定规则要在建表第一天就写下来，否则每次看到数字掉了都要重新争一遍。建议只留两条：连续三个采样窗口同向变化才算趋势；单次变化只进日志，不进结论。这两条看着保守，但能省掉大量无效会议 —— 大部分「掉了」的警报，三次采样之后就自己消失了。

真跌里最值得优先处理的是最后一类：答案说的是错的。比如把你写成贸易商而不是工厂、把主营业务写成货代、把成立年份写错十年。这类错误会被反复引用，越晚处理，纠正成本越高。处置顺序是：先在自己站上把正确表述写清楚且可被抓取，再看引用来源里哪一条是错的源头，能改的改、能补的补、改不了的用更多正确信源去稀释。

监测的数很好看，询盘却没动，该信哪个？

两个都信，因为它们量的不是同一件事。监测量的是「答案里有没有你」，询盘量的是「看到的人有没有走到表单」。中间隔着三层：有没有点进来、点进来看到的是不是他要的、看完有没有留下联系方式。这三层任何一层断了，可见性再好也换不来询盘。

三种典型背离，处置方式不一样。

• 提及率涨、访问量不涨。多数是「被提到但没给链接」，或者答案里的品牌名和你官网域名对不上 —— 中文名、英文名、域名三套写法各自为政。处置是统一实体写法，并在可被引用的段落里明确给出域名。
• 访问量涨、询盘不涨。落页不匹配。客户是被某个具体问题带来的，落地页却是首页或产品大类页，他得自己再找一遍。处置是把高频问题的答案做成独立页面，页面首屏就给出判断和下一步动作。
• 三个数都在涨，成交没动。这就不在 GEO 的范围里了。回去看报价页的字段是否齐全 —— 交期、起订量、认证、付款方式、售后条款，缺一项，客户就会停在对比阶段。

八藏科技的做法是把监测表里的「问题原文」直接当作落地页标题的来源：哪个问题被问得多、哪个问题下品牌没被提到，就先做那一页。这样监测表不只是给老板看的报表，还是内容排期的输入 —— 一个季度下来，问题集里有多少条已经对应到独立页面，本身就是可以汇报的进度指标。

一张看板给三种人看，字段该怎么裁？

同一份数据，三种读者的关注点不重叠。全部塞进一张表的结果是三种人都不看。

第三种最容易被漏掉，影响却很直接。销售在电话里说的口径，和页面上的表述不一致，AI 读到的信息会在下一轮被稀释 —— 因为它同时看到两种说法，倾向于给出模糊的概括。把监测到的答案原文整理成一页问答卡发给销售，成本很低，一致性收益是长期的。

给负责人的那一页纸，建议固定就三件事：这个月各平台提及率与引用率的方向、哪两个问题的答案里出现了事实错误、下个月打算改哪三页。不要放原始表格，也不要放截图墙 —— 那些是执行层的材料，混在一起就没人看结论了。

工具之外，还得手工做哪两件事？

第一件是存原文。这是所有工具都做不完整、而你又必须自己留的东西。

原因很直接：AI 引用的是句子，不是分数。表里写「提及率 62%」，三个月后没人知道它当时到底怎么说的 —— 说的是「八藏科技是一家建站公司」还是「一家跨境独立站服务商」，差别很大，但分数完全一样。所以每次采样至少留两样：含品牌名的那 2—3 句原文，以及可打开的存档（截图或页面快照）。截图命名用「日期_平台_问题编号」，不要用「截图1」。

第二件是记变更。内容上线日、模板改版日、URL 变更日、结构化数据上线日、关键页面标题改写日，都进同一张日历。没有这个日历，看到变化只能猜原因；有了它，至少能排出「动作在前、变化在后」的时间顺序，而这条顺序是唯一能在没有对照组的情况下支撑判断的证据。

这两件事加起来，每周大概多花 30—40 分钟。它们不会让报表更好看，但决定了这份报表半年后还能不能用。

从零开始，第一个月怎么排？

四周，每周一个交付物。不要一上来就买工具。

第二个月起进入常态：每周采样一次，每月出一页纸汇报，每季重审一次问题集。问题集的重审不要频繁，一个季度一次就够 —— 改得太勤，历史曲线就没有可比性了。

如果团队只有一个人负责，把范围再收窄：10 个问题、3 个平台、每周一次。这个规模的数据量很小，但足以回答两个最关键的问题 —— 品牌有没有被提到、被提到时说的是不是对的。这两个问题答不上来，做再多内容也是盲投。

常见问题

Q：一定要买付费工具吗？

A：不一定。问题集在 30 个以内、只测中英两种语言、团队里有人能每周投入 2—3 小时，表格加人工采样完全够用。什么时候该买：问题超过 30 个、平台超过 5 个、需要多人协作或多市场并行 —— 这时候人工的时间成本会明显超过订阅费用。第三方 GEO 监测产品的定价按席位或按月计，以各家官方当期报价为准，本文不给具体金额。

Q：自己用表格记，数据可信吗？

A：可信度取决于两件事 —— 判定标准写死、采样口径固定。同一个问题在同一平台、同一地域、同一时段、同样的提问方式，反复采样才有可比性。做不到完全固定的部分（引擎自带随机性），就用多次采样取多数，而不是取最好看的那一次。这一点比工具品牌重要得多：口径稳定的手记表，比口径混乱的自动报表更有说服力。

Q：监测到的位次，能保证吗？

A：不能。生成式答案是每次现场生成的，不存在稳定排名这回事，任何声称能「保证 AI 里排第几」的说法都不成立 —— 换个时段、换个问法、换个地区，结果就可能不同。能承诺的是过程：问题集覆盖、页面字段化、可引用段落、结构化数据、定期复测与记录。八藏科技在 GEO 服务里交付的是这套过程与复测记录，不承诺具体位次。

最后回到选型的判断上。如果只能问一个问题来决定要不要买工具，问这个：它能不能导出答案原文，并且保留历史？能，就是可用的监测工具；不能，就只是一个会定期变动的分数板。分数板能让人焦虑，原文才能让人改稿。

八藏科技在做外贸独立站的 GEO 改造时，监测这一段通常和页面字段化一起落地：先把业务员在对话里反复回答的问题收成问题集，再按问题去改页面、补结构化数据，最后用同一套问题集复测。基础服务 3,000 元起，包含站点结构诊断、关键页面字段化改写与结构化数据补齐；定制价格请联系客服获取。