做 GEO 最尴尬的场景是：做了几个月，老板问"效果怎么样"，只能说"感觉有变化"。
原因通常不是没效果，而是没有可对比的基线。引用率就是为解决这件事而生的指标。
定义：把"被提到"变成可数的分子
一个可操作的算法：
AI 引用率 = 品牌被提及的问题数 ÷ 实测问题总数
例如固定 20 个问题，在 3 个平台上各问一次，品牌出现在 24 个"问题×平台"组合中的答案里 → 引用率 = 24 / 60 = 40%。
关键点有三个：
- 问题清单固定：每次测同一批问题，才能比较变化；
- 多个平台分别测：不同平台的信息源与更新节奏不同，混在一起看不出问题；
- 回答里"出现"即可，不要求排第一：先解决"有没有"，再谈"排第几"。
问题清单怎么设计
清单质量直接决定这个指标有没有意义。建议按四层铺开：
| 层级 | 示例提问 | 说明 |
|---|---|---|
| 品类词 | "GEO 优化是什么，有什么用" | 看认知层是否被覆盖 |
| 方案词 | "怎么让品牌在 AI 搜索里被推荐" | 看方案层是否被匹配 |
| 对比词 | "AI 搜索优化和传统 SEO 有什么不同" | 看专业度是否被认可 |
| 品牌词 | "某某公司怎么样" | 看品牌实体是否被正确描述 |
每层 5 个问题、合计 20 个，是一个可维护的规模。问题要写成用户真实会问的口语，不要写成关键词堆叠。
记录表格怎么设计
最小可用字段：
- 日期
- 问题编号
- 平台（豆包/DeepSeek/元宝/通义/文心…）
- 是否提及（是/否）
- 提及位置（第几个被提到 / 是否在推荐列表）
- 描述是否准确（有无错误信息）
- 备注（原话摘录）
务必留存原始截图或文本摘录。"是否提及"这种判断，几周后回看很容易争议，有原文才可复核。
三类常见误读
误读一：拿单次结果下结论。 同一个问题在不同时间问，答案会变。要看同一问题在多次测量中的稳定性。
误读二：把"答案里出现"当成"被推荐"。 出现在对比段落里和出现在"推荐你去了解"的句子里，价值完全不同，建议分开记录。
误读三：问题清单中途大改。 中途换题会让前后数据不可比。要新增问题可以，但老的必须保留。
顺带说一句：清单里的"品牌词"那一层，答案质量往往取决于大模型对你品牌的既有认知，也就是品牌知识图谱是否完整——图谱缺失时，引用率再高也可能引用的是错信息。
与其他指标的关系
引用率是"过程指标"，不是"结果指标"。它反映的是品牌在 AI 回答空间中的可见度，最终仍要落到咨询量、线索质量上。
一位客户的说法很实在："引用率涨了但没人来问，说明我们的内容只被读到了、没被信任。"这时候要看的是内容是否给出了足够的决策理由。
小结
- 引用率 = 被提及的问题数 ÷ 实测问题总数，固定问题清单是前提；
- 至少分平台、分层次记录，并留存原文；
- 它是过程指标，要和咨询质量一起看，别单独当成绩单。
想了解监测与迭代这一环如何嵌入整体流程，可以看解决方案；如果还没定义过"见效"的口径，建议先读GEO 优化多久见效。人工记录难以长期坚持时，要不要上工具、怎么挑，见GEO 工具怎么选。