性能分析

TL;DR：GEO 性能监控的核心是回答"在 ChatGPT / Claude / Gemini / Perplexity / Google AI Overviews 里，我的内容被引用了多少次、占主流答案的多大份额"。2026 年业内已收敛出五个标准 KPI（Mention Rate / Citation Rate / Share of Voice / Share of Answer / Position），用统一指标说话，跨平台对比、跨周对比才有意义。

五个标准 KPI

业内（Search Engine Land、GenOptima、Averi、LLM Pulse 等）已基本统一以下命名：

1. Mention Rate（提及率）

在测试 prompt 集中，AI 答案"提到"你的品牌 / 内容的比例（含纯文字提及，不一定带链接）。

Mention Rate = 提到你的回答数 ÷ 总查询数 × 100%

例：在 30 个测试 prompt 中，AI 答案里出现"GEO.Fan"字样的有 6 次 → Mention Rate = 20%。

2. Citation Rate（引用率）

在测试 prompt 集中，AI 答案附带可点击链接指向你的域名的比例。比 Mention Rate 含金量更高，直接带流量。

Citation Rate = 包含你域名链接的回答数 ÷ 总查询数 × 100%

3. Share of Voice（声量份额，SoV）

在同一类查询里，你的品牌提及占所有品牌提及的比例。是和竞争对手对比的核心指标。

SoV = 你的品牌提及数 ÷ 同类别全部品牌提及数 × 100%

4. Share of Answer（答案份额，SoA）

被引用时，你的内容在 AI 生成的答案文本里占多大比例（字数 / token 数）。衡量"AI 是顺手提一句还是大段引用你"。

SoA = 引用你的段落字数 ÷ 答案总字数 × 100%

5. Position（引用位置）

被引用时，你在 AI 答案的引用列表里排第几。和搜索排名类似，但样本数小、波动大。

测试 prompt 集设计

KPI 只有在固定 prompt 集上才能稳定对比。建议：

• 覆盖：20–30 个 prompt，覆盖你目标读者最可能问的问题
• 分组：信息型（"什么是 X"）、比较型（"X vs Y"）、操作型（"如何做 X"）、推荐型（"X 推荐"）各占四分之一
• 稳定：prompt 集一旦确定，至少跑 3 个月不变，避免对比基线漂移
• 更新：每季度评审一次 prompt 集，淘汰过时问题、加入新热点

平台覆盖

最少应覆盖五个流量入口（每个引擎独立采样）：

每个引擎的引用偏好不同：

• ChatGPT 更看重权威来源 + 结构化论证
• Claude 偏好深度、长上下文、引用清晰、原创见解
• Gemini / Google AI Overviews 与 Google 搜索结果耦合最紧，传统 SEO 信号仍有效
• Perplexity 引用机制最透明，强结构化 + 多引用密度的内容受益最大
• Copilot 与 Bing 索引一致
• Qwen / 中文 AI 对中文资料、本地化场景更敏感

采样方法与节奏

最小可行流程（每月）：

1. 在每个目标引擎里，逐条问完 prompt 集
2. 记录：是否提到品牌、是否带链接、引用位置、被引用段落字数
3. 计算五个 KPI
4. 与上月对比，找出波动最大的 prompt
5. 形成"本月 3–5 个优先优化页面"的清单

行业基准（参考用）

只看自己的数字不够，得知道"正常水平"是什么样。下面几个公开数据点可作为基准对照：

含义：

• 多平台分发是放大器——同一篇内容只要在 4 个以上权威平台出现（知乎答案 + 公众号 + 个人站 + 行业媒体），引用概率近 3 倍
• 不要把"在 ChatGPT 里被引"等同于"在 GPT-4 / GPT-5 里都被引"——版本间引用偏好差异极大
• AI 流量虽小但金贵——单个 AI 引用访客的转化等价于 4–23 个普通搜索访客

详细数据出处见资源中心。

典型异常模式

报告节奏建议

• 每周：扫一眼大盘 Mention Rate / Citation Rate，无异常即可
• 每月：完整 review 五个 KPI，定下个月 3–5 个优化页面
• 每季度：策略复盘，调整 prompt 集与内容选题方向

相关阅读

• GEO 检测工具
• 竞品分析
• 内容策略最佳实践
• llms.txt 与 AI 爬虫