GEO 成效指標怎麼量——五個 KPI 公式與追蹤方法

傳統 SEO 看排名、看點擊，你打開 Search Console 就知道自己在第幾名。可是當使用者改成問 ChatGPT、問 Perplexity「有沒有推薦的設計公司」，你的排名再前面也不會出現在那段答案裡——AI 只挑幾個來源講完就收尾，沒被選中的人，連被滑過去的機會都沒有。

這就是 GEO（生成式引擎優化，Generative Engine Optimization）和 SEO 最尷尬的差別：你很可能正在被引用、被推薦，卻完全不知道。GEO 成效指標要回答的，從來不是「我排第幾」，而是「AI 在回答這個問題時，有沒有選我、怎麼描述我、把多少人帶回我這裡」。問題是，這件事沒有一個現成的儀表板會自動跑給你看。

好消息是，它並非無法量化。只要你願意固定一組問題、固定一個平台去跑，有五個 KPI 你現在就能算出數字——每一個都有明確公式、對應得到工具。先從為什麼不能再用排名思維量 AI 講起，再一個一個把公式拆給你。

為什麼 GEO 成效指標不能沿用排名思維

GEO 成效衡量的核心，是內容在生成式答案裡被看見、被引用、被正確描述與被推薦的程度，而不是某個網址排在第幾名。差別不只是換個指標，而是整個量測邏輯都變了。

排名是即時、公開、可查的。你想知道某個關鍵字現在排第幾，打開工具就有答案。但 AI 的生成式回答天生會浮動，同一個問題在不同時間問，可能得到不同答覆；同一句 prompt 在 ChatGPT、Gemini、Perplexity 上，引用邏輯也各不相同。沒有一個地方會告訴你「你的內容此刻在 AI 心中排第幾」，你必須親自去跑那些問題、看那些輸出，才知道結果。

還有一個容易被忽略的陷阱。AI Overviews（Google 的 AI 摘要）出現後，很多原本會點進你網站的查詢，使用者在那段摘要裡就得到答案了，根本不點進來。這種情況下，你的排名沒掉、流量卻掉了——這不是排名出問題，而是 GEO 的影響顯現了。如果你只盯著排名，會完全看不到這層變化。

把 AI 的成效硬塞進排名思維，就像拿體重計去量身高——量得再準，量的也不是你要的那個數字。接下來這五個 KPI，就是專門為「AI 答案」設計的尺。

KPI 一・生成可見度，先確認 AI 有沒有看到你

生成可見度（Generative Visibility Rate）是最基礎、也最該先算的一個。它回答的就是最前面那個問題——當使用者問跟你領域相關的問題，AI 到底會不會主動提到你的品牌或內容。

它的計算很直觀：

生成可見度 = 品牌被提及的查詢數 ÷ 有效查詢樣本總數 × 100%

舉個示意的算法。假設你經營的是設計服務，你先設計一組固定的問題，例如「台北有推薦的品牌設計公司嗎」「中小企業做 logo 該找誰」這類潛在客戶真的會問 AI 的句子，固定 30 題。在同一個平台、同一段時間裡跑完這 30 題，記下你的品牌名出現在幾則回答中。如果出現了 18 則，生成可見度就是 60%。

這個指標和傳統的「曝光量」很不一樣。傳統曝光是有排名就算數，但 AI 通常只會在一段濃縮的答案裡點名最相關的幾個品牌，沒被點到就是零。所以它衡量的是「AI 認不認得你」這件事的底層存在感。

工具上，你可以用支援 AI 可見度監測的平台來自動化，例如 Perplexity、Gemini 這類本身就能查的引擎，或第三方的 AI 可見度工具來統計提及次數。預算有限的話，純人工版本也完全可行——用一張 Google 試算表記下每題的結果，一個人花上一兩個小時就能跑完一輪。重點不是工具多高級，而是樣本固定、條件一致。

KPI 二・AI 引用率，看內容有沒有被當成來源

如果說可見度是「AI 有沒有提到你」，引用率（Citation Rate）就更進一步——它看的是「AI 有沒有把你的內容當成可信的來源」。被提到只是名字出現，被引用則代表 AI 真的擷取、連結、或明確根據你的內容來組織答案。這兩者的份量差很多。

正確的公式是：

AI 引用率 = 品牌內容被引用的查詢數 ÷ 有效查詢樣本總數 × 100%

這裡有個最常被算錯的地方——分母要用的是「有效查詢樣本數」，不是「查詢次數」。如果同一句 prompt 你在不同時間點各問一次、結果混在一起算，或者一份統計裡摻了不同日期、不同平台的查詢，引用率就會失去意義。乾淨的算法是固定一組題目、在同一段時間、同一個平台、用同一個帳號狀態跑一遍，再去數有幾則答案引用了你。跨平台合併計算只會讓數字變得無法解讀。

引用率為什麼比可見度更值得在意？因為被引用通常意味著三件事同時成立，分別是 AI 找到了一個值得用的來源、這個來源結構上夠清楚到可以被擷取、你的內容正在當「權威訊號」而不只是一個被叫到名字的品牌。一篇有深度、結構清楚的內容被 AI 引用，等於它不只是「被看到」，而是「被信任」。

監測上，Perplexity 和部分版本的 ChatGPT 會直接把引用來源的連結列出來，你能直接數；沒有明示連結時，也可以靠專業的 AI 引用監測工具去分析回答裡實際使用的來源網域。想提升這個數字，內容結構是關鍵——清楚的標題層級、可被直接擷取的表格與定義、把答案放在段落開頭而不是藏在結尾，都會明顯提高被引用的機率。

KPI 三・份額聲量，知道自己在這一格贏還是輸

前兩個指標都是只看自己，份額聲量（Share of Voice）則把競爭對手拉進來一起看。在 AI 搜尋裡，一段答案往往只會醒目地帶出一到三個品牌，其餘的什麼都分不到——這讓「相對位置」比傳統 SEO 時代重要得多。你可見度有 60% 聽起來不錯，但如果同一批問題裡對手有 80%，你其實是在落後的那一方。

份額聲量算的是你在某一類問題裡，佔了所有品牌提及的多少比例，公式如下：

份額聲量 = 你的品牌被提及次數 ÷ 該類問題中所有品牌被提及總次數 × 100%

接續前面的示意例。在那組「設計公司推薦」的問題裡，假設所有相關品牌總共被提及了 100 次，其中你被提及 20 次、A 同業 50 次、B 同業 30 次，那你的份額聲量就是 20%。這個數字一出來，你立刻就知道在這一格主導者是誰、自己離領先有多遠。

還有一個相關但更細的角度叫提及覆蓋率（Prompt Coverage），算的是你在多少比例的題目裡至少露過一次臉。30 題裡出現在 18 題，覆蓋率就是 60%。覆蓋率告訴你「廣度」，份額聲量告訴你「在被提及的場合裡你佔多重」，兩個搭著看最完整。

至於什麼數字算好，目前業界普遍的觀察是這樣——份額聲量低於 15% 通常代表明顯的引用缺口，25% 到 40% 算多數類別裡的競爭區間，超過 40% 就屬於相當強的 AI 可見度。這只是參考刻度，實際標準依產業競爭程度差很多，但它能幫你判斷自己大致站在哪一段。

工具上，份額聲量需要同時追蹤多個品牌，人工跑雖然做得到，題量一大就吃力。市面上的專業 GEO 監測平台多半把競品對照、跨平台統計做成自動化，適合題庫較大、需要每月固定追蹤的情況。題量小、只追一兩家對手時，一張試算表加上規律的人工抽查，其實也夠用。

KPI 四・AI 來源流量，把可見度接回真實訪客

可見度、引用率、份額聲量都還停留在「AI 世界裡的存在感」，AI 來源流量（AI Referral Traffic）則是把這份存在感接回現實——有多少真實訪客，是從 AI 答案裡點進你的網站的。這是最接近商業價值的一個指標，也是目前技術上最容易被低估的一個。

它的定義很單純，就是統計使用者在 AI 搜尋（如 Google AI 摘要展開後的連結、ChatGPT 提供的來源連結）點擊進站的流量有多少。難的不是定義，是抓得準。

問題出在歸因。許多 AI 聊天機器人帶來的訪客，在傳統分析工具裡會被歸成「直接流量」或來源不明，尤其是從 App 跳轉到瀏覽器的那段，參照來源常常被剝掉，導致數據嚴重低估。解法是在 GA4 裡建立自訂的管道分群，把來自 chatgpt.com、perplexity.ai、gemini.google.com、claude.ai 等網域的工作階段，從「直接流量」或「自然流量」裡拆出來，單獨歸成一類來看。設定好之後，你才看得清 AI 到底幫你帶進多少人。

值得花這個工夫的原因在於，AI 來源的訪客意圖通常比一般搜尋更明確。他們是在跟 AI 對話的過程中，已經比較過選項、釐清過需求，才點進來的，等於帶著更接近決策階段的心態上門。一筆站內流量的拆解設定，換來的是看清這群高意圖訪客的能力，很划算。

KPI 五・回應品質，衡量 AI 怎麼描述你

最後一個指標跳出「數量」，改看「品質」。前四個算的都是頻率與比例，回應品質（包含答案準確度與情感傾向）看的是 AI 提到你的時候，講得對不對、語氣好不好。被提及一百次，如果每次都把你的服務說錯、或語帶負面，那這份可見度反而是負債。

它分兩個層面。第一個是答案準確度（Answer Accuracy），判斷 AI 對你品牌的描述是否正確、完整、沒有過時。這個沒辦法用一條公式自動算，建議用 0 到 3 分的人工評分：3 分代表完全正確且來源出自你官方的內容；2 分代表基本正確但資訊來自第三方；1 分代表有部分錯誤或資訊過時；0 分代表描述嚴重錯誤或產生了負面誤導。把每一則回答打完分，取平均，就得到一個可以逐月追蹤的準確度分數。

第二個是情感傾向（Sentiment Score），衡量 AI 描述你時的語氣是正面、中性還是負面。簡單的做法是正面記 +1、中性記 0、負面記 -1，全部平均起來看趨勢。如果這個分數往下走，代表 AI 對你的描述基調在惡化，可能是某些第三方的負面內容正在被 AI 採信，得趕快去處理源頭。

這兩個品質指標一定要跟前面的數量指標一起看，否則很容易誤判。一個品牌可能可見度很高、引用率卻很低（只被叫到名字、沒被當來源）；也可能引用率不錯、準確度卻很差（被引用了卻講錯）。這些都是只看單一數字會漏掉的問題。把五個指標擺在一起，你才看得到完整的全貌。

怎麼把這五個指標變成可追蹤的基準

光算出一次數字沒有用，GEO 成效衡量真正的價值在於「建立一個能在時間軸上對照的基準點」。沒有基準，任何單次數字都無法解讀——引用率 30% 是好是壞，得跟你自己上個月、跟對手比才有意義。建立基準大致是這幾個動作。

1. 固定 prompt 樣本。挑出 20 到 30 題你的潛在客戶真的會問 AI 的問題，涵蓋品牌題、品類題、問題解決題等不同類型，確認每個平台都用同一組題去跑。樣本一旦固定就盡量別改，要新增就另外建一組分開記。
2. 跑首次量測。在同一段時間、同一個平台跑完所有題，記下每題的結果，算出生成可見度、引用率、份額聲量、答案準確度與情感傾向的初始值。
3. 設好量測節奏。固定每隔一段時間（通常是一個月）用完全相同的題組與平台再跑一次，讓數字可以前後對照。優先級高的少數題目，可以每週快速抽查，看有沒有劇烈變動。
4. 整合進既有報表。把這幾個 GEO 數字併進你原本的行銷成效報表，跟 SEO、流量一起看，而不是讓它孤立成一份沒人理的表。

樣本數有個現實考量。要算到份額聲量有統計意義，通常需要 50 到 100 題的題組，單純看可見度與引用率，20 到 30 題就能起步。題量越大、跨的平台越多，人工成本越高，這也是為什麼題庫一大就值得評估自動化工具。

衡量 GEO 時最容易踩到的幾個坑

把上面都做對之後，還有幾個容易讓數字失真的地方值得先知道，免得辛苦跑出來的數據根本不能用。

第一個是單次查詢就當結論。AI 回應天生會浮動，同一個問題在不同時間可能得到不同回答，跑一次的結果不能代表趨勢。同一題至少重複個三五次取平均，才比較穩。

第二個是跨平台硬合併。ChatGPT、Perplexity、Gemini 的引用邏輯不同，把三個平台的引用率加起來平均，出來的數字沒有意義。要嘛分平台各算各的，要嘛清楚標明這個數字只代表某一個平台。

第三個是樣本改了還跟舊資料比。一旦你動了題組的題目或措辭，前後數字就不能直接比較了。改了樣本，就等於要重新建一條基準線，從頭累積。

第四個是只追蹤頭部熱門題。只挑那種大家都會問的熱門問題，引用率容易被衝高；真正反映你和對手實力差距的，反而是那些中長尾、更貼近實際購買情境的問題。題組要刻意涵蓋不同層級，才不會被樣本選擇給騙了。

GEO 成效衡量目前還是一門在演化的學問，業界尚無統一標準，各家工具的演算法也不盡相同。但這不該變成你遲遲不開始量的藉口。能持續追蹤、並維持樣本一致性的品牌，拿到的數據意義永遠比那些不曾量測的品牌更明確——哪怕你的引用率數字一開始很低。先把基準建起來，讓每一次優化都有得對照，GEO 才真正從一句口號，變成可以被算、被追、甚至被優化的東西。