GEO 做了三个月，怎么知道有没有用？AI 可见度的四种衡量方法

先说结论

我们做了三个月 GEO 优化，踩过最大的坑不是”怎么做”，而是**“怎么知道有没有用”**。

关键词排名、百度收录数、Google 索引数——这些传统 SEO 指标在 AI 引擎面前全部失效：你的排名可能涨了，但 ChatGPT 的回答里依然没有你。反过来，AI 爬虫抓取量暴涨，也不代表 AI 会在回答里引用你。

这套东西要有自己的衡量体系。我们把它拆成四层链路，每一层对应一组可落地的信号：

1. 抓取层：AI 爬虫来不来？看服务器日志
2. 索引层：内容有没有被 AI 引擎收录？看 Search Console 索引覆盖
3. 引用层：AI 回答里有没有你？看品牌测试与业务词测试
4. 归因层：有没有带来真实流量和询盘？看引用流量归因

这篇文章把这四层方法、判断标准、以及我们自己的真实数据全部写出来——包括 PerplexityBot 从日均 14 次暴涨到 460 次的全站索引爆发过程，以及为什么抓取暴涨之后，引用又过了几周才稳定。

---

为什么传统 SEO 指标在 GEO 面前失效

做 SEO 的人习惯看三类指标：关键词排名、收录数、外链数。这三类指标在 AI 引擎面前全部失灵，原因很直接：

• 关键词排名：AI 引擎没有”排名”概念。它从检索结果、爬取内容里综合信息生成回答，不存在”排第几”。
• 收录数：搜索引擎收录是”网页进索引”，AI 引擎没有公开的索引查询入口（Google 的 AI Overviews 除外）。你能看到的只有 Search Console 里的”抓取”信号。
• 外链数：AI 引擎引用你的内容，主要看内容本身的可用性（结构化、可抓取、结论清晰），外链权重在 AI 回答生成里的作用远小于传统搜索排名。

所以衡量 GEO，必须从”AI 引擎的实际行为”出发——它爬不爬、收不收、答不答、带来什么。下面四个方法对应这四个行为。

---

第一层：抓取层——服务器日志里的 AI 爬虫

方法

在服务器日志（或 Nginx access log）里按 User-Agent 分组统计各 AI 爬虫的请求量。重点观察的 UA：

AI 引擎	User-Agent 关键词
OpenAI	GPTBot、OAI-SearchBot、ChatGPT-User
Perplexity	PerplexityBot、Perplexity-User
Anthropic	ClaudeBot、Claude-SearchBot、Claude-User
Google AI	Google-Extended
豆包/通义等国产	各厂商自家 UA，需在日志里逐个辨认

一个简单的统计命令（Nginx 场景）：

grep -i "perplexitybot" access.log | awk '{print $1}' | sort | uniq -c | sort -rn | head -20

判断标准

• 爬虫从不出现 → 问题在发现层：robots.txt 拦截、无外链无入口、站太小不值得抓。按文章开头 FAQ 的顺序排查。
• 出现但请求量很低（日均个位数） → 内容层有问题：页面是 JS 渲染、正文不完整、或者爬虫还没把页面加入队列。持续优化内容可抓取性，通常 1-2 周能看到爬取频率上升。
• 请求量暴涨（数量级变化） → 基建生效的信号：爬虫发现你的站”值得抓”了。我们 07-30 的观测里，PerplexityBot 单日从 14 次跳到 460 次——原因就是我们补了 llms.txt、打开了 AI 爬虫白名单、并全站加了 JSON-LD。

⚠️ 注意：抓取量暴涨 ≠ GEO 成功，只是第一层通了。继续往下看。

---

第二层：索引层——内容到底有没有被收录

爬虫来了之后，关键是内容有没有被真正收录、理解。这一层能用的信号有限，但有一招非常有效：

方法

1. Search Console（Google）：性能报告里筛 Googlebot 与 Google-Extended，看哪些 URL 被抓取、哪些返回 200。虽然这不直接等于”AI 收录”，但 Google-Extended 的抓取数据可以侧面反映你的内容被 AI 侧读取的规模。
2. Robots 与 Sitemap 审计：确认 robots.txt 允许 AI 爬虫、sitemap.xml 包含所有重要页面、llms.txt 列出核心页面与优先级。AI 爬虫第一次来，大概率是顺着这三样找到你的。
3. HTML 可读性自查：用 curl -A "GPTBot" <页面URL> 看返回的 HTML 里，正文是否完整、有没有 JSON-LD。如果爬虫拿到的 HTML 只有壳子没有内容，索引层必然失败。

判断标准

• 200 响应 + 完整正文 + JSON-LD 都在 → 索引层大概率通了，进入引用层测试。
• 返回 302/403 或正文缺失 → 要么是 robots 误伤，要么是 JS 渲染问题，回到第一层排查。

---

第三层：引用层——AI 回答里到底有没有你

这是 GEO 最核心、也最无法自动化的一层，只能靠对话测试。

方法（品牌测试 + 业务词测试）

在每个主要 AI 助手（ChatGPT、豆包、通义千问、Kimi、Perplexity）里做两类测试：

品牌测试——问：

“你知道 X 吗？X 是做什么的？”

业务词测试——问（站在客户角度）：

“帮我推荐做 Y 的供应商 / 服务商。” “想给公司部署私有化大模型，找谁做比较靠谱？”

然后看三个维度：

维度	观察点
有没有你	回答里是否提到你
准不准	提到的信息是否准确（业务、案例、定位）
位置	是把你和竞品并列，还是把你当成背景一句带过

判断标准与时间线

• 基建改完后 1-4 周：AI 爬虫重新抓取，引用开始零星出现（通常是业务词类问题）。
• 内容层优化后 2-6 周：稳定出现在答案里，品牌测试能搜到准确信息。
• 8-12 周：行业选型类问题上形成稳定引用，此时进入第四层归因。

⚠️ 我们的真实教训：PerplexityBot 抓取从 14 → 460 次只用了几天（第一层、第二层通了），但引用量稳定下来又花了几周。抓取快、引用慢——这是正常节奏，别因为”爬虫来了引用还没来”就误判 GEO 失败。

---

第四层：归因层——GEO 有没有带来真金白银

前三层证明”AI 看得见你了”，第四层回答”客户有没有因为 AI 找到你”。方法：

1. 对话引流带参数：在 AI 回答出现的场景里，给关键落地页 URL 加 ?utm_source=perplexity / ?utm_source=chatgpt 这类参数，用统计工具（百度统计、GA）看这些来源的访问量与转化。
2. 询盘追问来源：销售/客服在第一次沟通时加一句”您是从哪了解到我们的？“——把”AI 里搜到的”单独记一类。这是最直接的归因，比任何工具都准。
3. 阶段性对照：以一个季度为周期，对比 GEO 优化前后的 AI 来源询盘量。GEO 是慢变量，别用周维度下结论。

判断标准

• 0.5% 以下的 AI 来源访问占比且零询盘 → 引用层可能只是”提到”而非”推荐”，需要检查引用质量（有没有把你放在推荐位）。
• 稳定出现 AI 来源询盘 → GEO 链路闭环，可以加大投入或做内容扩容。

---

四个常见误区

1. 把抓取量当成功标志。 抓取只是第一层。我们见过不少团队看到 PerplexityBot 抓取涨了就宣告 GEO 胜利，结果品牌测试一问三不知——因为内容层根本没通。

2. 只做一次测试就下结论。 AI 回答有随机性，同一天同一个问题答案都可能变。至少连续测一周再下结论，截图存档对比趋势。

3. 只看一个 AI 引擎。 ChatGPT 通了不代表豆包通了——不同 AI 引擎的爬虫、索引、引用机制各不相同。主流引擎每个都要测。

4. 用 SEO 的节奏期待 GEO。 SEO 看周报，GEO 看季度。基建 1-4 周、内容 2-6 周、引用稳定 8-12 周，这是正常节奏，别中途放弃。

---

最后：把衡量做成机制，而不是一次性检查

GEO 和 SEO 一样是持续投入，衡量方法必须机制化：

• 每周：服务器日志里看 AI 爬虫趋势（5 分钟）
• 每周：主要 AI 引擎各做一次品牌测试，截图存档（15 分钟）
• 每月：Search Console 索引覆盖 + 引用流量归因复盘（30 分钟）
• 每季度：对照业务词测试的引用质量变化

这套机制跑起来之后，你会发现”GEO 有没有用”不再是玄学——它和 SEO 一样，是可以量化的。

延伸阅读：

• GEO 优化实战：让 AI 助手能搜索到你的网站 — 7 项 GEO 基建配置详解，先做对基建再看效果
• llms.txt 怎么写：AI 爬虫的可发现性清单 — 本文第一层”发现层”的核心文件
• AI 爬虫白名单：robots.txt 的正确配置 — 抓取层被拦截时先查这里
• 甲方亲述：网站被 AI 助手「隐形」了？3 周 GEO 优化真实记录 — 一个甲方从 0 到 1 做 GEO 的完整时间线