GEO 指标

1. GEO 为什么需要一套新的指标

传统 SEO 的几个 KPI（CTR、SERP 平均位置、展现量）都建立在同一个假设之上：用户面对一列排好序的链接，自行决定要不要点击。生成式回答彻底改变了这个前提。

新的场景有三个根本性的差异：

1. 多源聚合：一次回答会同时引用 3–10 个来源，「我排第几」本身已经失去意义
2. 零点击：用户不进入页面就拿到答案，传统 CTR 无从测起
3. 提及与引用解耦：品牌可以出现在回答正文里（mention，提及），却没有任何链接（citation，引用）

衡量的对象随之改变：要问的不再是「用户有没有到达我的页面」，而是「AI 在组织答案时有没有引用到我的内容」。背景见 GEO 概念条目 与 零点击搜索。

衡量什么，决定了资源会投向哪里。指标体系是任何 GEO 策略的地基，相关讨论见 GEO ROI 模型。

2. 10 项指标速览

下表把 10 项核心 GEO KPI 集中呈现，便于先建立整体认知。

#	指标	度量对象	单位	对应 SEO 指标	哪些厂商在用
3.1	Visibility Score（可见度）	头号出现率	% 或 0–100 指数	≈ 搜索可见度指数	Profound、Otterly、Semrush（头号 KPI）
3.2	Citation Rate（引用率）	单话题引用可见度	%	≈ CTR	Otterly、Ahrefs
3.3	Citation Share（引用份额）	竞争性可见度	%	≈ 反向链接份额	Ahrefs、Profound
3.4	Share of Voice（声量份额）	综合存在度	%	≈ 公关 SOV	Otterly、Ahrefs、BrightEdge
3.5	Average Position（平均位置）	权威度信号	1.0–N.0	≈ SERP 平均位置（偏弱）	Otterly
3.6	Mention Frequency（提及频次）	趋势跟踪	次/月	≈ 品牌搜索量	多数厂商
3.7	Answer Inclusion Rate（回答包含率）	查询级覆盖度	%	≈ 关键词覆盖	Otterly（Brand Coverage）
3.8	First-Cite Rate（首位引用率）	权威度信号	%	≈ SERP 第一位率	部分平台 API
3.9	Brand Sentiment（品牌情感）	感知质量	−100…+100	≈ 公关情感	Otterly、Profound
3.10	Source Diversity Score（来源多样性评分）	平台风险对冲	数量 / %	（无对应）	多为自研

关于命名与出处的说明：业内并不存在一套权威的「标准」GEO KPI。这份清单是 GEO Wiki 的综合梳理，汇集了当前商用领域（Profound、Otterly、Ahrefs、BrightEdge、Similarweb）实际在用的词汇。学术文献（Aggarwal et al. 2024）只给出 3 项指标，且命名也不同（Word Count、Position-Adjusted Word Count、Subjective Impression），并不是这 10 项分类的出处；其他已发布的清单（如 Search Engine Land 的「8 GEO metrics」）又是另一套口径。这里采用商用名，便于与你实际采购的工具一一对应。

Visibility Score、Citation Rate 与 Answer Inclusion Rate：这三项最容易被混为一谈。Visibility Score（§3.1）是各家对外主打的头号数字，只看「品牌有没有出现」（提及或引用都算），并且通常是一个复合指标。Citation Rate（§3.2）的口径严格得多，只统计显式引用了你域名的回答。Answer Inclusion Rate（§3.7）则是同一件事的二值版本，去掉营销包装、按查询逐条统计。许多厂商的「Visibility Score」实质上就是 Answer Inclusion Rate 再加一层位置加权。要分清三者，最可靠的做法是看公式，而不是看名字。

3. 10 项核心指标详解

3.1 Visibility Score（可见度）

定义：用于回答「品牌究竟有没有在 AI 回答里出现」的头号指标，各家对外主打的就是它。常见口径是：在被监测的提示词（prompt）或回答中，品牌以提及或引用形式出现的比例。部分厂商不给原始百分比，而是给出一个复合指数（出现 + 位置，有时再加情感）。

公式（常见的百分比形式）：

Visibility Score = prompts_where_brand_appears / total_tracked_prompts × 100%

复合形式（Otterly 公开的「Brand Visibility Index」，KPI 定义页）：

Brand Visibility Index = 10 + ((5 − avgPosition) / 4) × 90

单位：%（原始形式）或 0–100 指数（复合形式）

用途：向管理层汇报时通常拿出的就是这一项数字。它回答的是：在监测范围内，品牌在 AI 回答中的整体存在度有多高。

厂商差异：

• Profound（Answer Engine Insights）在产品首页就把「Visibility score and share of voice metrics」摆在显著位置，Visibility Score 是其头号 KPI，公式未公开
• Otterly 公开了复合的 Brand Visibility Index，由 Brand Coverage 与 Avg. Position 构成（公式见上）
• Semrush、Quattr 等 各自提供「AI Visibility Score」，对多个因素做归一化，但没有统一公式（行业综述）

对应的 SEO 指标：≈ SEO 套件（Sistrix、Semrush）输出的那个「搜索可见度／可见度指数」头号数字。

关键区别：Visibility Score 只要出现就算（含提及），Citation Rate（§3.2）则要求显式引用，两者不能互换。如果某家的「Visibility Score」实际上只统计了出现率，那它与换了名字的 Answer Inclusion Rate（§3.7）并无二致。在跨工具对比之前，先把厂商的公式核对清楚。

陷阱：

• 没有标准化公式：原始 %、复合指数、位置加权三种口径无法相互换算
• 复合指数（例如 Otterly 的）会把多个输入合并成一个数值，依据它做决策之前，最好先把组成项拆开来看

3.2 Citation Rate（引用率）

定义：某一话题下，显式引用了你的域名（带来源归属）的 AI 回答所占比例。

公式：

Citation Rate = cited_answers / total_answers_about_topic × 100%

单位：%（一般落在 0%–30%；超过 30% 通常说明话题划得太窄）

用途：单品牌、单话题的引用可见度基线。它回答的是：在 AI 回答某一话题的问题时，有多大比例的答案引用了我。

厂商差异：

• Otterly 用 Domain Coverage 来衡量：prompts that cite my domain / all prompts in selected time window（KPI 定义页）。注意 Otterly 另有一个名字相近的「Domain Citation」，那不是这个比率，而是一个绝对的计数（见 §3.6）
• Ahrefs Brand Radar 把「Citations」直接定义为「至少一次将该实体作为来源引用的 AI 结果」（见 Brand Radar 帮助），与上述 Citation Rate 定义一致
• Profound 的头号 Visibility Score 不是这个指标，它把提及也计入（见 §3.1）

对应的 SEO 指标：≈ CTR，但分母换成了「关于某话题的回答数」，而非「搜索展现量」，所以这个类比并不严谨。

陷阱：

• 分母（话题或查询集合）的选择极其敏感：同一个品牌换一组查询，Citation Rate 可以相差 5–10 倍
• 采样来源与时间窗口必须公开，否则数据无法复现

操作 playbook 见 AI 引用追踪；引用与提及的区别见 Citation vs Mention。

3.3 Citation Share（引用份额）

定义：在一个固定的竞品集合内，你占全部引用的份额。

公式：

Citation Share = your_citations / total_citations_in_competitor_set × 100%

单位：%

用途：竞争性可见度。它回答的是：在这个细分领域里，AI 给出的引用有多少属于我。

厂商差异：

• 商用命名并不统一：Ahrefs 的「AI Share of Voice」概念上有所重叠，但加权方式不同（见 §3.4）
• Profound 把它并入其 Share of Voice，并未单列 Citation Share

对应的 SEO 指标：≈ 反向链接份额（一组关键词的反链总数中你所占的比例），二者都属于相对份额型度量。

与 Citation Rate 的关键区别：CR 的分母是「所有回答」（绝对可见度），CS 的分母是「所有引用」（相对竞争位置）。Citation Rate 上升并不意味着 Citation Share 同步上升，也可能只是整个品类的盘子在变大。

3.4 Share of Voice（SOV，声量份额）

定义：在某一话题或竞品集合下，你的品牌在 AI 回答中出现的份额，同时计入引用与未链接的提及。

公式（Otterly 公开版本，KPI 定义页）：

SOV = number of my brand mentions / total number of all brand mentions × 100%

单位：%

用途：综合衡量品牌的存在度与心智份额。它回答的是：当 AI 谈到这个品类时，涉及我的内容占多大比例。

厂商差异：

厂商	名称	加权方式	是否公开公式
Otterly	Share of Voice	原始提及计数	✓ 完整公式
Ahrefs Brand Radar	AI Share of Voice	按 Google 搜索量加权（曝光估算）	✓ 见 Brand Radar 方法论
Profound	Share of Voice	未披露	✗ 仅营销文案
BrightEdge	Share of Voice	未披露（将其 SEO SOV 专利延伸到 AI）	✗ 见 2026 年 SOV
Similarweb	Brand Mention Share	样本量与公式未公开	✗ 见 GenAI Intelligence

Ahrefs 的曝光加权是一项值得关注的方法论取舍：它的 SOV 反映的是潜在曝光量，而非原始提及计数。一次提及若发生在搜索量更高的话题上，权重就更大，这种取舍更贴近 AI 可见度的商业价值。

对应的 SEO 指标：≈ 公关行业的 Share of Voice，口径从全媒体收窄到 AI 回答。

与 Citation Share 的关键区别：SOV 计入提及（含未链接的）；CS 只计入显式引用。参见 Citation vs Mention 与 品牌提及。

3.5 Average Position（平均位置）⚠️ 争议最大的指标

在 GEO 全套 KPI 里，这是歧义最大的一项；如果不附上限定条件，跨厂商的数字根本没有可比性。

目前在用的 3 种相互竞争的定义：

标签	定义	数据来源	你会在哪里看到
A. Citation Order	引用源列表中的排序位置（如 Perplexity 的 [1][2][3]）	平台 API 的 citations 数组顺序	引用透明的引擎（Perplexity、Metaso 等）
B. Mention Order	品牌在回答正文中被提及的先后顺序	对回答正文做 NLP 解析	基于回答文本采样的工具（如 Otterly）
C. List Position	列表式回答（“top 5……”）中的排名	文本解析 + 列表识别	ChatGPT 的列表式回答

GEO Wiki 推荐：默认采用 A. Citation Order，理由有三：（1）语义最稳定，直接对应平台返回结构；（2）跨平台可比性最强，多数主流引擎都暴露引用顺序；（3）它是 First-Cite Rate（§3.8）的计算基础。

但是：每次使用时都必须写明采用的是哪一种定义（A／B／C），否则跨工具的数字无法直接比较。

公式（按推荐的定义 A）：

Average Position = mean(citation_rank) for answers where the brand
                   appears as a cited source

单位：1.0–N.0（数字越低越好；N 通常为 8–10）

用途：比较权威度，第 1 位与第 3 位之间的语义差距是真实存在的。

Perplexity API 真值：根据 Perplexity Chat Completions API，citations 字段返回的是一个 URL 数组，正文中的 [1][2] 标注对应该数组的顺序。这一顺序是否「按相关性排序」，公开文档并未说明；若要将其当作质量信号使用，建议先自行验证。

厂商证据：

• Otterly 的「Avg. Brand Position」公式：sum of positions of the brand mentions across prompts / number of prompts where the brand appeared。文档并未说明此处的「position」属于 A、B 还是 C；但从其数据来源（对回答文本做采样）来看，更接近 B
• Profound、Ahrefs、BrightEdge 均未公开 Average Position 的精确定义

对应的 SEO 指标：≈ SERP 平均位置，但 GEO 版本作为权威度信号要弱得多，因为 AI 回答并非分页排名。

陷阱：定义 A 下的「position 1」与定义 B 下的「position 1」根本不是同一回事，把它们混在一起对比，得到的结果毫无意义。

术语条目见 GEO 术语表。

3.6 Mention Frequency（提及频次）

定义：在一段时间窗口内，AI 回答样本中品牌出现的总次数（绝对值，未做归一化）。

公式：

Mention Frequency = count(mentions) / time_window

单位：次/月（常见口径）

用途：早期用来自检品牌是否已经被 AI 注意到，长期用来跟踪趋势变化。

厂商差异：几乎每个 GEO 工具都会暴露这一指标（命名各异），真正的差异落在采样环节：选取哪些查询、采样频次多高、覆盖哪些引擎。

对应的 SEO 指标：≈ 品牌搜索量，但数据源不同：一边是搜索框，一边是 AI 回答。

陷阱：

• 绝对值无法跨品牌对比：体量更大的品牌天然就会累积更多提及
• 极易被查询集合带偏：精挑出来的 100 条查询代表不了整个领域

学术参照：Aggarwal 的「Word Count」指标是最接近的学术对应物，但它度量的是被引用句子的归一化词数，并非原始提及次数。

3.7 Answer Inclusion Rate（回答包含率）

定义：在一组目标查询中，AI 回答里至少出现一次品牌（提及或引用都算）的查询所占比例。

公式：

AIR = queries_where_brand_appears / total_queries × 100%

单位：%

用途：查询级覆盖度，颗粒度比 SOV 更细。它回答的是：在我所关注的这 N 条查询中，有多少条的 AI 回答里出现了我的品牌。

厂商差异：

• Otterly 把这一项叫「Brand Coverage」：prompts that mention my brand / all prompts in selected time window（KPI 页）
• 多数其他厂商并不单列，通常并入 SOV

对应的 SEO 指标：≈ 关键词覆盖率（追踪关键词总数中，进入前 N 名的关键词数）。

与 SOV 的关键区别：AIR 是「是否出现」的二值度量，SOV 度量的则是「出现时所占的份额」。

3.8 First-Cite Rate（首位引用率）

定义：在引用了你的回答里，你被列为首位引用源的比例。

公式：

First-Cite Rate = first_cited_answers / cited_answers × 100%

单位：%

用途：权威度信号；被排在首位，意味着 AI 在同类来源中更倾向于采用你。

厂商差异：

• 这一指标要求平台暴露引用顺序：Perplexity API 直接暴露（见 §3.5）；ChatGPT 与 Claude 仅在部分响应模式下才暴露
• 商用厂商中很少有单列此项 KPI 的，通常折入 Average Position（定义 A）

对应的 SEO 指标：≈ SERP 第 1 位率，但在 AI 回答场景下信号更弱，因为第 1 位与第 2 位之间的差距比传统搜索小得多。

陷阱：底数引用次数较少时噪声极大；若一周仅被引用 5 次，所谓的「20% First-Cite Rate」即便升至 40%，在统计上也基本没有意义。

3.9 Brand Sentiment（品牌情感）

定义：AI 引擎提到你的品牌时，那段描述的净情感倾向，通常即正面提及减去负面提及后的差值。

公式（Otterly 公开版本，KPI 定义页）：

Brand Sentiment = (positive_mentions − negative_mentions) / total_mentions × 100

单位：−100 … +100（或采用标签：正面／中性／负面）

用途：衡量感知质量，而不仅仅是存在与否。某个品牌的 Visibility Score 可以很高，Brand Sentiment 却为负（例如 AI 回答里反复出现「X 太贵了」）；体量类指标无法识别这种信号，Brand Sentiment 恰好可以。

厂商差异：

• Otterly 提供 Brand Sentiment，公式如上
• Profound（Answer Engine Insights）提供「Sentiment & Keyword Insights」（观察 AI 如何描述品牌），公式未公开
• 情感由模型生成，会随引擎与提示词措辞而变化，两者都需在报告中写明

对应的 SEO 指标：≈ 公关／社交聆听里的品牌情感，口径从全媒体收窄到 AI 回答。

陷阱：

• 对提示词措辞极其敏感：同一个品牌，用中性查询与用「X 有什么问题」一类的查询跑出来的情感可能完全相反
• 提及次数较少时，情感的波动在统计上同样没有意义（道理与 First-Cite Rate 一致）

3.10 Source Diversity Score（来源多样性评分）

定义：在你追踪的引擎总数中，至少引用过你内容的不同 AI 引擎有多少。

公式：

Source Diversity Score = distinct_engines_citing_you / total_engines_tested

单位：% 或绝对数（视追踪范围而定）

用途：对冲单平台风险，避免出现「只在 Perplexity 有存在感」这种局面。

厂商差异：

• 各家测试的引擎集合不同：Profound 覆盖 9+ 个引擎（ChatGPT、Perplexity、Claude、Copilot、Google AIO、Gemini、Grok、Amazon Rufus、Meta AI、DeepSeek），Ahrefs 与 Otterly 各覆盖 6 个，Similarweb 覆盖 6 个
• 引擎集合本身就是一个变量，必须明确写出

对应的 SEO 指标：没有直接对应物。SEO 时代 Google 一家独大，「引擎多样性」根本不成其为概念；到了 GEO 阶段，多平台并存让这一指标变得不可或缺。

中英文引擎覆盖差异见 多语言 GEO；引擎本身见 生成式引擎。

4. 厂商定义对照矩阵

下表汇总当前 5 家主流英文厂商对这 10 项指标各自的处理方式。需要先说明：只有 Otterly 与 Ahrefs 公开了完整公式，其余厂商提供的均为营销级描述。

指标	Profound	Otterly	Ahrefs Brand Radar	BrightEdge	Similarweb
Visibility Score	”Visibility Score”（头号，无公式）	“Brand Visibility Index” + 复合公式	—（用 AI SOV）	—	—
Citation Rate	—（并入 Visibility）	“Domain Coverage” + 完整公式	”Citations” + 公式	—	—
Citation Share	并入 SOV	并入 SOV	并入 AI SOV	—	—
Share of Voice	”Share of Voice”（无公式）	“Share of Voice” + 完整公式	”AI Share of Voice”（按曝光加权）	“Share of Voice”（无公式）	“Brand Mention Share”（无公式）
Average Position	—	“Avg. Brand Position” + 公式（定义 B）	—	—	—
Mention Frequency	”Citations”（绝对计数）	“Brand Mentions” / “Domain Citation” + 公式	”Mentions” + 公式	—	“Mention Share”
Answer Inclusion Rate	—	“Brand Coverage” + 完整公式	—	—	—
First-Cite Rate	—	隐含在 Avg Position	—	—	—
Brand Sentiment	”Sentiment & Keyword Insights”（无公式）	“Brand Sentiment” + 完整公式	—	—	—
Source Diversity	隐含覆盖 9+ 引擎	隐含覆盖 6 引擎	隐含覆盖 6 引擎	以 Google AIO 为主	隐含覆盖 6 引擎
公开样本量	”15 亿 prompt”（营销口径）	未披露	”每月 3.2 亿+ prompt”	全量解析 Google AIO	基于流量面板

关键观察：

• 公式透明度第一梯队：Otterly（7+ 项指标有完整公式，含 Brand Visibility Index 与 Brand Sentiment）、Ahrefs（4 项指标有公式，并辅以方法论博文）
• 公式透明度第二梯队：Profound、BrightEdge、Similarweb 仅提供营销描述，未公开公式
• 方法论差异：Similarweb 是唯一一家以实际引荐流量（面板法）追踪 AI 爬虫来源的厂商，其余厂商都是对 AI 回答做采样；Ahrefs 是唯一一家采用曝光加权的厂商；BrightEdge 则主要覆盖 Google AI Overviews

5. 与传统 SEO 指标的对照

下表把 10 项 GEO KPI 映射到最接近的 SEO 对应物，对有 SEO 背景的人尤其有用。

SEO 指标	GEO 对应物	关键区别
搜索可见度指数（Sistrix／Semrush）	Visibility Score	GEO 版本是「在回答中出现」，常为厂商复合指标
Click-through Rate (CTR)	Citation Rate	分母不同：SEO 是展现量，GEO 是回答数
SERP 平均位置	Average Position	GEO 有 3 种相互竞争的定义；作为权威度信号偏弱
Impressions（展现量）	Answer Inclusion Rate	GEO 中并不存在严格意义上的「展现」概念
Share of Voice（公关口径）	Share of Voice	GEO 版口径更窄、可量化（仅限 AI 回答）
反向链接数	Citation Share	引用 ≠ 链接，但承担相似的权威度信号角色
Domain Authority	Source Diversity Score	权威度由引用引擎的广度反推
关键词覆盖率	Answer Inclusion Rate	GEO 是查询级覆盖（query → answer），颗粒度更细
品牌搜索量	Mention Frequency	数据源不同（搜索框 vs AI 回答）
品牌情感（公关／社交聆听）	Brand Sentiment	GEO 版本由模型生成，对提示词敏感

完整对照框架见 SEO vs GEO。

6. 按 GEO 成熟度阶段选择指标

GEO 处在不同成熟度阶段时，所需的指标组合也不同。下表与 GEO 成熟度模型 的五级划分一一对应。

阶段	推荐指标	原因
L1 起步（无基线）	Visibility Score + Mention Frequency + Source Diversity Score	先确认 AI 是否已经认识你，重点在定性判断，无需引入竞品集合
L2 起跑（已建立基线）	+ Citation Rate + Average Position（定义 A）	基线既已就绪，开始跟踪随时间发生的改进
L3 加速（对比竞品）	+ Citation Share + Share of Voice	引入竞品集合，只看绝对值已经不足以反映竞争位置
L4 优化（精调）	+ First-Cite Rate + Answer Inclusion Rate + Brand Sentiment	进一步追求首位引用、完整查询覆盖与正面表述
L5 领先（行业标杆）	全部 10 项 + 自定义复合指标	进入成熟阶段，可以由你来定义内部基准

操作步骤见 GEO 审计 playbook 的指标快照章节。

7. 常见陷阱与混淆

发布报告或解读厂商数据之前，逐条核对一遍这 7 类错误：

1. 「引用率」在口头交流中含义模糊：有时指 Citation Rate（绝对），有时指 Citation Share（相对）。务必把英文术语一并标出
2. 未标定义（A／B／C）的 Average Position 跨工具无法比较：这是出现频率最高的错误
3. 样本偏差：查询集合的选择可让结果相差 5–10 倍，采样方法必须公开
4. 时间窗口偏差：AI 回答刷新很快，30 天窗口与 7 天窗口的结果差异极大，务必声明所使用的窗口长度
5. 多语言混在一起核算：中文与英文查询的结果不能直接相加，AI 引擎在中英来源池上的差异极大
6. SOV 与 CS 混淆：是否计入提及，决定了二者属于两个完全不同的指标，结果可相差 2–3 倍；Otterly 的 SOV ≠ Ahrefs 的 AI SOV ≠ BrightEdge 的 SOV
7. 「Visibility Score」缺乏统一标准：作为最顶层的汇总指标，它也最容易被误读。有的厂商把它当作原始出现率（= Answer Inclusion Rate），有的把它做成「出现 + 位置」的复合指数（Otterly 的 Brand Visibility Index），但它不是 Citation Rate。在跨工具对比之前，先确认这个「Visibility」究竟是把提及计入，还是仅统计引用

8. 延伸阅读

• 配套概念：Citation vs Mention、品牌提及、GEO 术语表
• 配套操作：AI 引用追踪（如何采集这些指标）、GEO 审计（端到端审计流程）、GEO 成熟度模型（按阶段演进的指标组合）
• 商业视角：GEO ROI 模型（指标如何映射到业务结果）
• 学术参照（只定义 3 项指标，并非本分类的出处）：Aggarwal et al. 2024：GEO: Generative Engine Optimization（KDD ‘24 论文摘要 + 关键数据）

参考资料

学术：

• Aggarwal, P. et al. (2024). GEO: Generative Engine Optimization. KDD ‘24. arXiv:2311.09735 · ACM DL

厂商文档（截至 2026-05）：

• Otterly.ai — Brand Report KPI Definitions
• Ahrefs — Brand Radar Help · Brand Radar Methodology
• Profound — Answer Engine Insights
• BrightEdge — Share of Voice in 2026
• Similarweb — GenAI Intelligence

API 真值：

• Perplexity — Chat Completions API Reference

行业综述：

• TigerTracks — The Definition of AI Visibility Score (2026)