GEO效果评估这件事，很多外贸企业一开始就想错了方向。大家习惯性地问：投了几个月，询盘涨了多少？排名上去没有？但如果用这套逻辑去看 GEO，容易低估 GEO 的长期影响。原因很简单：GEO 的产出更接近“被 AI 信任”，而不是“直接带来点击”。据 Seer Interactive 创始人 Wil Reynolds 的观察，在 AI 搜索里，你完全可能出现在答案中，却被“反推荐”；他因此主张，不应只用点击、询盘或短期 ROI 衡量 GEO，业务结果更适合作为辅助观察项。
需要先说明的是：以下五项来自 Wil Reynolds 提出的 GEO 评估思路，本文将其改写为外贸团队的操作建议，并非行业统一标准。
出现在 AI 答案里，也可能是被“反推荐”
Wil Reynolds 举过一个例子：有人问 ChatGPT 关于短租平台的建议，AI 的回答里提到了 Airbnb 和 VRBO，但给出的建议是“看看这两个之外的选择”。两个品牌都出现在答案里，却没有一个被推荐。这就是 AI 搜索时代最容易被误读的一种“曝光”。
换到外贸场景就好理解了：客户搜“中国某类产品供应商”，AI 的回答里列出了你的公司名，但下一句是“如果需要更灵活的定制，建议看另外几家”。你被看见了，但被当成了陪跑。Wil Reynolds 把这件事总结成一句话：有可见度、没有可信度，就没有回报。所以 GEO效果评估的第一步，不是数自己出现了多少次，而是判断出现的时候，是被推荐、被忽略，还是被绕开。
部分扇出查询为何已经带着品牌名：看懂查询扇出
要理解 AI 怎么选品牌，得先理解 查询扇出（query fan-out）。在需要联网检索的场景中，AI 可能将问题拆成多次相关搜索，然后“搜索—阅读—再搜索”，最后拼出一个答案。Google 在 AI Mode 的官方说明里提到，AI Mode 会用 query fan-out 把问题拆成子话题并并发检索（这是官方给出的概念定义，此处只作概念引用，不作新闻）。
关键在于，Wil 在观察到的部分扇出查询中发现，查询已包含特定品牌、域名或人名。比如类似的检索会变成“某行业媒体 某话题 报道”“某位行业意见领袖 某话题 研究”。换句话说，在部分行业话题里，AI 检索时已经在寻找“这个行业里谁值得被引用”。GEO 要做的，是让自己进入这份名单，而不是硬挤进答案里。
谷歌排前 10，AI 却从不提你：Wil 解读为可信度不足
Wil Reynolds 还提到一个案例：Banana Republic 在谷歌搜“ethical jeans”能排进前 10，但据 Wil 自述，他检查了 1000 次，AI 回答里从来没出现过这个品牌。放在传统 SEO（搜索引擎优化） 的指标体系里，它有可见度、有流量规模、有转化、有 ROI，看起来什么都不缺。Wil 将这一现象解读为可信度不足。原文没有提供可复现的完整测试方法，因此这更适合当作一个观察视角，而不是独立验证的结论。
AI 和人一样，对品牌有偏好。Wil 用“hardwiring”比喻品牌形成的稳定认知；这是他的解释框架，并非对模型内部机制的验证。所以这里必须澄清一个常见误解：不是“谷歌排名对 AI 没用”，而是“有排名不一定等于有 AI 推荐”。排名解决的是“能不能被找到”，可信度解决的是“愿不愿意推荐你”，因此，搜索排名与 AI 推荐需要分别观察。
指标一：有多少内容是“人愿意转给人”的
既然可信度是核心，那第一个可看的指标，就是有多少内容在被人主动传播。注意，不是被算法推，而是被人转。判断标准可以很直接：这条内容有没有带来 LinkedIn 上的分享、行业博客的引用、从业者之间的转发。
具体怎么做？在 GA4 的流量获取报告中，把 AI、社交及行业网站引荐来源分别查看。操作上可以进入“报告—获取—流量获取”，先用会话来源/媒介维度拆开，再在“管理—数据展示—渠道组”里建立自定义渠道组，在同一个自定义渠道组中设置不同渠道，并按来源规则分类；进行这类设置需要编辑者或更高权限，同时要把新渠道排在可能优先匹配的宽泛渠道之前，否则规则可能被提前拦截。如果要逐页分析，需要结合落地页报告或探索功能。需要提醒的是，来源域名本身不能区分 LinkedIn 的人工分享与算法分发。因此来源分类只能作为线索；人工分享需结合可核验的分享帖子、引用页面或带标记的分享链接确认。统计前先固定内容范围、观察周期和“有效访问”的定义，无法确认的访问不计入人工分享。这个指标的口径应写清为：获得人工分享所带来有效访问的内容数 ÷ 全部内容数，它是一个内容条数比例，而不是流量占比。
这一步的价值在于：帮助你筛选可能获得主动传播的内容，再逐条核验。
指标二、三：行业媒体和行业 KOL 有没有提到你
第二个指标是可信行业媒体的提及，第三个是行业意见领袖的提及。在外贸语境下，“行业媒体”对应的是垂直行业的贸易媒体、展会媒体、行业协会的报道；“行业意见领袖”对应的是 LinkedIn 上那些真正被同行关注、被 AI 频繁引用的从业者。你所在行业的那几位意见领袖是谁，大概率比通用名单更值得盯。
这两个指标之所以重要，是因为 AI 更常引用哪些第三方信源，可以参考 维基百科、播客和 Reddit 在 AI 引用中的分量，第三方信源的分量往往比企业自说自话更重。据 Ahrefs 的相关研究，品牌的网络提及与 AI Overviews 曝光之间的相关性高于反向链接——注意，这是相关性，不是因果关系，但它和上面两个 KPI 的方向是一致的，可以互相印证。监测上，行业里有人用 Alertmouse 之类的工具跟踪提及，这里只作为示例，不构成推荐；LinkedIn 上的行业影响力需要持续经营，可以参考 社媒代运营。需要提醒的是，用抓取工具批量爬 LinkedIn 可能违反平台条款，建议只做提及监测，不做激进抓取。
指标四：把“临门一脚”当成趋势，不当成排名
第四个指标最容易做偏。做法是：挑出一批核心问题词条，固定平台、问题、语言和测试方式，每个问题每月重复测试 10、20 或 30 次（这是 Wil 的建议），然后分别记录推荐、中性提及、负面提及，并统计品牌出现的比例。这个比例的用途是看势头——假设出现比例从 20% 升至 35%，可作为继续观察的信号，但不能单凭这一变化认定优化有效，也不能把它当成精确排名。
Wil Reynolds 明确把这一定义为 momentum metric（势头指标），建议不要放进最终 KPI 看板。因为同一问题在重复测试中可能得到不同答案；单次结果只能反映该次测试，不能代表长期出现比例。如果你需要长期、系统化地盯着这批词条，这类重复提问的监测，适合交给系统化的 GEO/AI搜索优化 流程长期跑，也可以参考 AI 答案监测相关的做法。
指标五：新品上线时，给 AI 准备好“证据链”
第五个指标针对的是新品。为什么新品上线后，AI 回答里总是提不到？新品的目标客户或用途，可能与品牌已有形象存在差距。建立证据清单，记录页面 URL、来源类型、日期，以及是否明确说明新品、品牌和目标场景之间的关系，分别查看自有页面与第三方证据的覆盖情况。
做法是按产品特点准备可核验的自有页面，并争取相关第三方报道或真实讨论，官网页面、新闻稿、媒体报道、行业论坛的讨论都可以纳入。具体到页面上，新品页要把“是什么、给谁用、和老产品什么关系”用一段话说清楚，前面放一段简短速答（英文页面可参考 40 到 80 词的编辑建议，中文页面写一段简短速答即可，这是编辑建议，不是 AI 优化标准），小标题尽量写成用户会问的问题形式，把品牌、品类、使用场景这些实体对应关系写明白。这种写法有助于清楚呈现新品、品牌与使用场景的关系；它属于编辑建议，不能保证 AI 引用或推荐。这套写法不复杂，但需要有人在每个新品上线时都执行一遍。可核验的原创数据可以成为证据链的一部分，见 原创数据为什么是 AEO 的护城河。
别用效果渠道的尺子量 GEO：外贸团队的落地清单
把 GEO 想成逛商场就清楚了：SEO 是抢好位置，SEM 是在门口发传单，而 GEO 是让商场里的 AI 导购员在顾客问起时，主动说出你的牌子。导购员愿不愿意推荐你，不取决于你发了多少传单，而取决于他信不信你。落到执行上，GEO 的路径也很清楚：先诊断出客户真正会问的问题词条，再持续监测 AI 在这些词条下的回答变化。
这里还有一条边界要守住：据 Google Search Central 的《AI features and your website》说明，Google 的 AI Overviews 与 AI Mode 没有额外技术要求，也不要求特殊优化，常规的 SEO 最佳实践同样适用。该官方说明不能直接代表所有 AI 平台。所以 GEO 不是 SEO 的对立面，它更像是在 SEO 之上补了一层“可信度”的建设。
给外贸团队的落地建议，可以归结为三步：
- 先改考核口径。把 GEO 从“询盘归因”里拿出来，将第三方提及、内容传播和新品证据覆盖作为长期观察项；重复提问的出现比例单独用于月度趋势诊断，不作为最终考核 KPI。询盘和转化继续作为辅助业务观察项，不要只让 GEO 背短期 ROI 的 KPI。
- 把提及当成日常动作。列出你所在行业值得被 AI 引用的 10 家垂直媒体、展会展讯渠道和 5 到 10 位 LinkedIn 行业意见领袖，定期把有价值的内容主动送到他们面前，而不是等他们自己发现。
- 把证据链做成上线流程。每个新品上线时，同步准备官网速答页、新闻稿、媒体沟通稿和论坛话题，尽量让可信信源中能找到“新品—品牌”的关联，而不是承诺控制媒体、论坛或 AI 收录。
想知道你的品牌在 ChatGPT 和 Gemini 的回答里是被推荐、被忽略还是被“绕开”？留言给我们，先帮你把核心问题词条梳理一遍。