GEO ROI 模型

1. 为什么传统 ROI 计算方法在生成式搜索下失灵

在生成式搜索下，点击不再是搜索的必然结果。仅这一条假设垮掉，建立在它之上的 ROI 计算方法也随之失灵。

零点击搜索 已经讲清楚了前提：Pew Research Center 的一次面板调研发现，页面顶部出现 AI 摘要时，用户点击任意搜索结果的比例约为 8%，没有摘要时约为 15%（接近一半），点击 AI 摘要内部链接的比例仅约 1%。Ahrefs 一份独立的相关性分析给出的数字是：被 AI Overviews 触发的查询中，原本排名第一的页面点击率平均下降约 34.5%。

点击端是这一组数据，宏观端的走向相同。Gartner 在2024 年 2 月发布的预测称传统搜索引擎的查询总量到 2026 年将下降 25%；BrightEdge 在 AI Overviews 上线一年的研究中给出的最新数字是 AI Overviews 现在出现在约一半的搜索结果里；Similarweb 的 2025 年生成式 AI 报告统计到生成式 AI 月度访问量同比增长 76%，2025 年 6 月一个月就贡献了 11 亿次以上的引荐访问（同比 +357%）。

在这样的条件下，标准 SEO 的 ROI 计算方法里有三条假设已经不再成立：

1. 每一次答案被读取都对应一次可衡量的会话。 多数时候并非如此：答案本身就是那次会话。
2. Referrer 标头能携带来源信息。 ChatGPT、Claude、Perplexity 的 referrer 行为按客户端、按模式、按月份持续分化；机制层面（UTM 失效模式、服务器日志兜底、末次触点对协助归因）参见 AI 搜索归因。
3. 买家的第一触点发生在站内。 越来越多的情况下，第一触点就是答案本身。分析后台第一次看到这位买家的会话，往往是他后来直接搜索品牌词时的那一次。

实情是：仅统计来自 AI 的引荐转化，会把真实 GEO 价值低估约 5–10 倍，因为多数影响发生在零会话、只有提及、根本不进仪表盘的地方。GEO 指标 给出了填补这条缺口所需的 KPI 词表；本条目要回答的是如何把这些 KPI 折算成可入账的金额。

关于 GEO ROI 模型这个名字的说明：这是 GEO Wiki 的一份工作框架，并非行业标准命名。厂商的 ROI 计算器（BrightEdge、Conductor、Semrush）确实存在，但都使用自有的单分数评分，公式也不对外公开。下文的三种价值 × 三套行业模型为本条目原创的拆解，目的是给 CFO 沟通提供一份可复核的算账依据，而非另立一套行业评分标准。

2. GEO 价值的三种形态

一次生成式答案给品牌带来的价值有三种，三者不可互换。每种价值都映射到不同的归因形式（见 引用 vs 提及 vs 链接）、不同的核心 KPI、不同的兑现周期。

• 引用价值（Citation Value）：内容被 AI 显式引用所带来的价值，一面是权威信号的逐步累积，一面是少量的直接引流通路。要靠 可引用性（Citability） 来获取。
• 替代流量价值（Substituted Traffic Value）：原本在标准 SEO 下会发生的点击，如今通过把你的答案（提及或引用）写进 AI 输出，在零点击的场景里兑现的价值。这一项要从两个方向同时算：一面是借由出现在答案中所获得的影响价值，一面是页面层面被减去的流量。
• 品牌权威价值（Brand Authority Value）：无链接的提及沉淀进模型实体先验所带来的价值。三种价值中最慢、最难度量，在 B2B 中又往往是规模最大的一项。要靠 品牌提及 来获取。

三种价值与三种归因形式的对应：

价值	对应的归因形式	核心指标（详见 GEO 指标）	兑现周期
引用价值	引用（Citation）	引用率（Citation Rate）· 首位引用率（First-Cite Rate）	30–90 天
替代流量价值	提及或引用	答案纳入率（Answer Inclusion Rate）× 估计答案量	60–180 天
品牌权威价值	提及（含无链接提及）	声量份额（Share of Voice）· 提及频次（Mention Frequency）	180–540 天

三种价值不能互相替代。引用率高但实体识别度低的品牌处境脆弱：模型一旦迭代，其引流通路就可能随之改变。品牌权威高但从不被引用的品牌，则缺少直接转化的渠道。可辩护的 GEO 项目会同时投入这三项，按行业不同各有侧重，这正是 §4–§6 要逐一量化的内容。

3. 真正需要的五个代理变量

在任何模型之前，先把要采集的清单列清楚：五个变量，其中两个来自自有分析，两个来自第三方工具，一个是申报的假设。

1. 引用率          某一主题下，引用了你域名的答案占比
2. 答案纳入率      是否出现过的二值率
3. 估计答案量      年度搜索量 × AI 搜索采纳率
4. 估计候选影响    每一次提及或引用带来的考虑度提升；申报值
5. 基线转化率      对应 SEO 渠道的实际转化率

各变量的来源：

• 第 1、2 项来自 GEO 监测厂商：Otterly、Ahrefs Brand Radar、Profound、BrightEdge、Similarweb。GEO 指标的厂商对照矩阵 列出了各家的公式以及对同一指标的不同命名。
• 第 3 项是最容易估错的乘数。年度品类搜索量来自关键词工具；AI 搜索采纳率参考公开宏观数据：Similarweb 给出的引荐访问同比 +357%、BrightEdge 给出的约 48% AIO 触发率、Gartner 的 2026 年 −25% 预测。一个可辩护的 2026 年估计：品类查询中已有 25%–50% 经过了某种形式的 AI 中介答案。
• 第 4 项是软变量。每次提及究竟能带来多少考虑度提升，没有公开的行业平均值。保守的 B2B SaaS 默认区间在 1.5%–2.5%，B2C 电商更低，在 0.5%–1%。无论选什么数字，都要明确写下来。
• 第 5 项来自自有分析后台，是替代流量测算中的 SEO 真值基准。

任何无法直接取数的项，都按申报假设处理，并附上区间。§10 的 CFO 建议书模板会从结构上强制执行这条规则。

4. B2B / SaaS 的 ROI 模型：销售管道影响型

B2B 以提及为主。买家在调研阶段读到 AI 答案、并不点击，三到六个月后才以入站线索的形态浮现出来：往往是一次品牌词搜索、一次直访、或者来自同事的转介（而这位同事自己也曾被你推广过的内容触达过）。Forrester 在 2025 年的一项预测中指出：在使用生成式 AI 辅助过百万美元以上采购决策的 B2B 买家中，超过 90% 反馈结果是正面的；到 2025 年，89% 的 B2B 买家已经在使用生成式 AI。这些数字不会出现在分析后台里，要等到六个月之后，才会以销售管道中的线索形态浮现。

公式（代理变量版）：

GEO 销售管道价值 = 年度品类搜索量 × AI 搜索采纳率
                × 答案纳入率
                × 每次提及的候选影响
                × 销售管道转化率
                × 平均合同金额

算例：一家 ACV $80K 的 SaaS 公司，所在品类有 20 万次年度调研阶段查询，其中 35% 出现在 AI 答面，答案纳入率 18%，候选影响按申报区间，端到端的销售管道到 Closed-Won 转化率 14%。

变量	保守	中位	乐观
年度品类搜索量	200,000	200,000	200,000
AI 搜索采纳率	25%	35%	50%
答案纳入率	12%	18%	25%
每次提及的候选影响	1.5%	2.1%	3.0%
销售管道转化率（MQL→Closed-Won）	10%	14%	18%
平均合同金额	$80,000	$80,000	$80,000
年度 GEO 销售管道价值	$72K	$282K	$1.08M

区间故意拉宽，这是可信度的来源，并不代表模型有弱点。仅给出一个 $282K 的点估计站不住脚；表述为最差 $72K、最好 $1.08M、中位 $282K，才站得住。软变量在于候选影响：先申报、再辩护，随后用一个季度的实际数据回过头来校准。

模型不适用的情形：单笔合同太小（ACV 太低，承受不了变量方差）、纯销售线索驱动型且没有任何入站渠道、强监管行业，AI 在这里给出的来源极不稳定，谈不上偏向权威。落地手册参见 GEO for SaaS / B2B。

5. B2C / 电商 ROI 模型：购买影响型

B2C 的主导价值正好相反。产品对比、某类目最好的 X 之类的查询会触发清单与评测内容；只有被显式引用（而不仅仅是被提及），才会带来可测量的会话引荐，并且从搜索到转化的时间窗口也比 B2B 短得多。

公式（代理变量版）：

GEO 购买价值 = 年度品类搜索量 × AI 搜索采纳率
            × 引用率
            × AI 引荐 CTR
            × 站内转化率
            × AOV × 复购倍数

算例：一家 AOV $85 的美妆品牌，所在品类有 400 万次年度查询，其中 28% 出现在 AI 答面，引用率 6%，AI 引荐 CTR 在 Pew（摘要内点击约 1%）和 Ahrefs（顶部页面被 AIO 压缩约 34.5%）这两条公开边界之间取值，站内转化率 2.4%，含复购的乘数 1.8（一名用户的预期毛收入）。

变量	保守	中位	乐观
年度品类搜索量	4,000,000	4,000,000	4,000,000
AI 搜索采纳率	20%	28%	40%
引用率	4%	6%	10%
AI 引荐 CTR	4%	9%	15%
站内转化率	1.8%	2.4%	3.2%
AOV × 复购倍数	$153	$153	$153
年度 GEO 购买价值	$35K	$222K	$1.18M

这里的软变量是 AI 引荐 CTR。Pew 给出了下界（摘要内点击约 1%），Ahrefs 给出了上界（AIO 压缩之前，SERP 排名第一的基线 CTR 约 15%），一次被引用的商业类查询的真实 CTR 落在两者之间。把 AI 引荐 CTR 锚定在这两条已发表的边界之间，远比直接采用某家厂商的市场宣传数字稳妥。

模型不适用的情形：被电商平台主导的标品（最好的 USB-C 数据线之类查询，AI 会直接跳到 Amazon，而非 DTC 站点）、单价很高的考虑型购买（一张 $4000 的床垫、一份 $80K 的 SaaS 合同）；后者的购买行为更接近 B2B，已不适用于本模型。落地手册参见 GEO for E-commerce。

6. 媒体 / 出版商 ROI 模型：广告 + 信任 + 授权

对出版商而言，这种不对称的方向是反过来的，而且极为显眼。每一次被替代的点击都对应一次可测的亏损（少赚的一次 CPM 展示），而对冲收益（品牌权威、直访、授权）则到来得更慢。2023–2025 年间出版商一侧的诉讼与授权格局，正是这种不对称在法律层面的呈现：

年份	事件	来源
2023-07	AP × OpenAI：第一笔有规模的美国新闻 / AI 授权	Axios
2023-12	NYT 诉 OpenAI：版权诉讼立案	Washington Post
2023-12	Axel Springer × OpenAI 合作	OpenAI
2024-02	Reddit × Google 数据授权	Google
2024-05	Reddit × OpenAI 合作	OpenAI
2024-09	Wiley 披露累计 $44M 的 AI 授权收入	The Bookseller
2025-09	Penske Media 诉 Google：AIO 反垄断诉讼	TechCrunch

两份公式：损失侧与收益侧：

损失 = 被替代流量 × (RPM × 每次会话页面数)
收益 = (引用频次 × 引用带来的直访权威加成)
     + (品牌词搜索增量 × 直访价值)
     + (可选：授权收入)

算例：一家中型垂类出版商，月度自然访问 1200 万次，漏斗顶部查询上 AIO 触发率约 22%，受影响查询的点击压缩率约 30%，RPM $42，每次会话 1.8 个页面。

月度损失（被替代）= 1200 万 × 22% × 30% × ($42/1000 × 1.8)
                ≈ 1200 万 × 0.066 × $0.0756
                ≈ $59,875 / 月  → ~$718K / 年

对绝大多数没有授权合同的出版商而言，这一损失会盖过收益一侧可能的对冲（直访增量、品牌词搜索增量），除非账面上确实多出一项授权收入。Penske 在诉讼中给出的数字是：AIO 出现在约 20% 与其内容相关的查询中；自 2024 年底起，PMC 的联盟收入跌幅已超过三分之一；这一诉讼正是上述财务信号的法律呈现。可辩护的判断是：多数没有授权合同的出版商，仅靠广告收入这一侧，无法让 AI 搜索成为净正贡献。落地手册参见 GEO for Media。

7. 成本端：GEO 的实际投入构成

ROI 是分子与分母两侧共同决定的。成本一侧分三个类目：

类目	例子	典型形态
一次性	审计、schema 实施、llms.txt 加爬虫访问规则、为可分块改写内容结构	一个季度集中投入的工程加内容工作
持续	监测工具订阅、内容产出节奏、引用追踪、schema 维护	仅工具一项就在每月 $300–$3,000+，再加内容团队投入
隐性	内部审阅周期、SSR 加 schema 的工程带宽、内容团队被抽调带来的机会成本	通常最大，也几乎从不被单独列项

一次性成本一侧的范围划定，参见 GEO Audit；持续成本一侧的工作节奏，参见 AI Citation Tracking。GEO 监测厂商（Profound、Otterly、Ahrefs Brand Radar、Conductor、BrightEdge）的定价：单品牌 SMB 档大约 $300/月起，企业级多品牌加竞争集合可达 $5,000+/月；2026 年厂商定价正在快速变动，向管理层汇报数字前请回到厂商官网逐一核对。

最容易被低估的是隐性成本。原本估计两天就能完成的 schema 上线，往往会因为审查、安全检查、再部署而占掉一个工程师一周；一支被抽调去写权威页的内容团队，原本的博客节奏也会随之中断。

8. 见效周期：现实中的回本曲线

这是每位 CFO 一定会问的问题。实情是：GEO 投资由三个阶段构成，每个阶段的回本速度并不相同。

月份	引用价值	替代流量价值	品牌权威价值
1	爬虫重新抓取	—	—
3	第一组可测引用率	答案纳入率早期信号	—
6	引用率开始稳定	答案纳入率显著	声量份额开始变化
12	可与对手做对比	显著	持续累积
18	成熟	成熟	信号最强

三个阶段必须按顺序推进，因为彼此相互依赖。爬虫访问必须先到位，否则后续环节无从启动。引用提升要等引擎重新采信你的内容。品牌权威则要靠站外信号长期累积，节奏以季度为单位。

GEO 投资一旦停止，已获得的回报也会逐步消退。Ahrefs 的一次新鲜度分析给出的结果是：被 AI 引用过的内容，平均比 Google 自然搜索结果新 25.7%。这道门槛要持续越过，才能持续被引用。Google 在 AI 功能官方文档中也明确把新鲜度列为重要信号之一。GEO 成熟度模型 按成熟度阶段（而非按月份）描述的是同一条曲线。

9. 什么时候 GEO 投资不会回本

以下五种情境中，GEO 投资难以带来实质回报（只有最便宜的技术地基层投入仍然值得做）：

1. 极低搜索量的细分领域。年度答案量过小，任何一类价值都积累不到可测的水平。一个年度查询不足 1 万次的 B2B 品类，连测量噪声都很难压下去。
2. 被电商平台主导的标品。最好的 USB-C 数据线、最便宜的纸巾之类的查询，会被 AI 直接跳到 Amazon、Wayfair、Walmart；DTC 品牌在结构上很难被引用，被替代的流量也只会流向平台，与你无关。
3. 纯付费或完全靠产品自驱动增长的模式。一家只靠付费投放或产品内裂变的公司，几乎没有调研阶段的入站漏斗可供 GEO 去拉升；模型里没有可乘的项。
4. 关系销售已经饱和的 B2B。某些品类的销售管道已被长周期的大客户外呼和老客复购填满，瓶颈在产能而非可见度。
5. PMF 阶段之前。这一阶段的最高边际回报来自产品本身；在尚无可供被看见之物之前就投资可见度基础设施，属于过早优化。

在 1、3、4、5 这四种情境下，先等一等的判断都是成立的：GEO Audit 中的技术地基层成本足够低，仍可以作为期权式投入先行落地，万一该品类后续加速也不至于错失机会；但完整的内容侧投入可以延后。

还有一点需要单独说明：监管行业（医疗、法律、金融）并不是一个干净的反例。直觉上人们会认为 AI 会服从权威，但实证数据正好相反：AI Overviews 在健康类查询中引用的来源高度杂乱，YouTube 和消费类站点的占比远高于可信的医疗机构。在这种情形下，GEO 的论证更偏向防御性（避免品牌被错误归因），更难建模，但并不能就此跳过。它应被视为另一套独立的模型，而不是可以略过的一类。

10. 把数字摆到 CFO 面前：一页纸投资建议书

一份在实务中真正会被使用的交付物：

GEO 投资建议书 — [公司名] — [季度]

1. 要回答的问题
2. 适用范围（主题 / 引擎 / 区域 / 竞争集合）
3. 三种价值的现状快照
   - 引用价值基线
   - 替代流量价值基线
   - 品牌权威价值基线
4. 销售管道 / 收入模型
   - 保守 / 中位 / 乐观 三档预测
5. 申请的投入金额 + 回本周期
6. 到 [里程碑日期] 之前不会知道的事项

建议书本身的五条规则：

1. 每一条假设都用数字申报：不要写「我们认为会增长」而不附带一个百分比。
2. 同时给出保守 / 中位 / 乐观：CFO 对点估计的怀疑，比对区间的怀疑还要更重。
3. 明确划出现在能测量与半年后才能测量的分界：清晰划线比过度承诺更可信。
4. 与替代投入做对比：付费广告、内容营销、增聘一位销售，各自都有自己的 ROI 区间；GEO 要与它们一起竞争预算，而不是被单独评估。
5. 以最小可辩护的首笔承诺收尾：通常是「一个季度的技术地基加一次基线指标快照」，而不是一份多年总预算。靠第一季度的实测数据，再去争取后续更大的预算空间。

三种会立刻削弱可信度的反例：

• 一个孤立的「AI 可见度评分 = 67/100」式标题数字，跨厂商之间无法解读（公式不公开问题参见 GEO 指标 §4）。
• 把某一厂商 ROI 计算器的输出直接作为答案：公式不公开。
• 仅用声量份额（Share of Voice）这一个百分比来代理 ROI：它的分母由人为定义，可被操纵。

把 AI 可见度作为一项严肃的投资命题来对待，学术依据是 Aggarwal et al. 2024（arXiv:2311.09735）：这篇论文最早提出 GEO 概念，并指出内容改写可将答案可见度提升最多 40%。本条目的 ROI 工作位于这一实证结果的下游：如果这条提升属实，下一个要回答的问题就是它值多少钱、又对谁值钱。

参考资料

宏观采纳数据：

• Gartner — 新闻稿：搜索引擎查询量到 2026 年将下降 25%（2024 年 2 月）
• BrightEdge — AI Overviews 上线一年（2025 年 5 月）
• Similarweb — 2025 年生成式 AI 报告（2025 年 12 月）
• Forrester — 2025 年预测：年轻一代商业买家与生成式 AI（2024 年 10 月）

点击压缩证据：

• Pew Research Center — 出现 AI 摘要时，用户更少点击链接（2025 年 7 月；Google 对其代表性提出过异议）
• Ahrefs — AI Overviews Reduce Clicks by 34.5%（2025 年 4 月；相关性，非因果）

学术依据：

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

出版商 / 授权地形：

• Axios — AP × OpenAI 授权合作（2023 年 7 月）
• Washington Post — NYT 诉 OpenAI（2023 年 12 月）
• OpenAI — Axel Springer 合作（2023 年 12 月）· Reddit 合作（2024 年 5 月）
• Google — Reddit 合作（2024 年 2 月）
• The Bookseller — Wiley 累计 AI 授权 $44M（2024 年 9 月）
• TechCrunch — Penske 诉 Google AIO（2025 年 9 月）

新鲜度与操作语境：

• Ahrefs — 新鲜内容：发布日期如何影响排名（2026 年 3 月）
• Google Search Central — AI 功能与你的站点（2025 年 12 月）

厂商公式参考：

• Otterly.ai — Brand Report KPI 定义
• Ahrefs — Brand Radar 方法论