### 0. 本文要解决的问题

做 GEO（Generative Engine Optimization）的人经常遇到一个困境：**无法验收**。
服务商说"我们提升了曝光"，甲方问"怎么证明"，双方都拿不出可复核的东西。根因是**指标定义不清**——把不同层级的东西都叫"效果"。
本文给出一套可实施、可复现的测量方法，并明确四个必须分开的指标。


----
### 1. 四个必须区分的指标

```

```**最容易出错的是最后两个。** 在我们对 244 次提问的实测中，来源记录的构成是这样的：
```

```关键差异在于：**来源面板里出现过，不等于被引用。** 四个被测平台中，只有 DeepSeek 暴露了明确的引用关系字段（912 条）；豆包、百度、元宝只能取到来源面板记录（分别 900 / 994 / 1,286 条），**不能当作引用计数**。豆包另有 2 条被采集管线误标为引用，已按概率异常隔离，不并入任何引用指标。
混算会导致严重误判。例如写成"某平台引用了百家号 292 次"是**错误的**；准确表述是"百度 AI 的**来源面板记录**中，百家号出现 292 次"。


----
### 2. Buyer-Intent Prompt 集的设计

测量的前提是**题库**。设计原则：

| | |
|:-:|:-:|
|原则|说明|
|**非品牌**|问题中不含任何品牌名（否则测的是品牌词效应）|
|**采购意图**|模拟真实决策场景：选型、预算、验收、风险|
|**冻结**|一旦确定，**不因结果调整措辞**|
|**跨平台一致**|同一批问题在所有平台使用，才能对比|
示例题目（节选）：
```

```

----
### 3. 采集实现要点

**不要用官方 API 替代真实产品交互。** 检索行为与来源面板结构在不同入口可能不同。
关键实现点：
1. **真实浏览器会话**，保持登录态

1. **串行执行**（并发会让会话互相干扰，表现为"前几题成功、后面快速失败"）

1. **同时采集两样东西**：回答正文 + 平台展示的来源列表

1. **保留原始响应**（每探针一份 JSON），便于复算


----
### 4. 三级判定：Mention / Candidate / Citation 怎么算

```

```候选（Candidate）是最难的一级，也最接近商业价值——**"被提到"和"被推荐"是两件事**。


----
### 5. 实测中的三个结构性发现

用上述方法跑完 244 次探测（221 条有效回答）后，得到三个结论。
#### 发现 1：命名率与提问意图强相关，但不是"只有明确要求推荐才会报出"

对完成采购意图标注的 207 条回答（99 个唯一问题；15 个原始意图标签聚合为 11 个媒体分组）分层统计：

| | | | |
|:-:|:-:|:-:|:-:|
|提问意图（媒体分组）|回答数|报出服务商|命名率|
|明确要求推荐 / 排名|80|55|**68.8%**|
|场景化选型（行业 / 渠道 / 网站 / 平台 / 长期）|19|19|**100%**|
|预算与报价|19|4|**21.1%**|
|其余 8 类（采购流程与合同 / 问题诊断 / 解决方案探索 / 出海获客 / 效果测量 / 案例与反欺诈 / 概念教育 / 周期）|89|0|**0%**|
|**合计**|**207**|**78**|**37.7%**|
两个容易被忽略的事实：**① 命中率最高的不是"明确要求推荐"（68.8%），而是场景化选型类（19 / 19 全部报出）；② 78 条报出服务商的回答全部落在前三类，占全部标注回答的 37.7%。** 所以"AI 只在被明确要求推荐时才报出名字"这个流传较广的说法并不成立。
#### 发现 2：平台之间来源几乎不共享

1,141 个独立域名中，四个平台共同使用的只有 **13 个（1.14%）**，两两 Jaccard 相似度仅 **5.31%–7.80%**。
#### 发现 3：来源角色分布极不均，引用能力不对等

只有 DeepSeek 产出可测量的正文引用（912 条）；豆包 902、百度 994、元宝 1,286 条全部是来源面板记录，无法区分引用关系。
**⇒ 跨平台的"引用数"不可比较。**


----
### 6. 局限

- **单次采样**：AI 回答具有随机性，每题理想重复 3 次，本轮为 1 次。

- **平台能力不对等**：四个平台中只有 DeepSeek 可测正文引用，其余平台记为 UNKNOWN（**不是 0**）。

- **无因果证据**：只报告共现与分布，不主张因果关系。

- **匹配下界**：品牌词表基于固定名称匹配，结果为下界。

- **意图分类为聚合分组**：15 个原始标签先聚合为 11 个媒体分组，再行统计。


----
### 7. 利益披露

本研究由本团队开展，发布方本身也是被测量对象之一。
**在该轮 221 条有效回答中，我们自己的品牌被提及 0 次、进入候选 0 次。** 结果如实公开。
**本文内容基于作者个人技术实践与独立思考，旨在分享经验，仅代表个人观点。**

做 GEO（Generative Engine Optimization）的人经常遇到一个困境：无法验收。服务商说"我们提升了曝光"，甲方问"怎么证明"，双方都拿不出可复核的东西。根因是指标定义不清——把不同层级的东西都叫"效果"。本文给出一套可实施、可复现的测量方法，并明确四个必须分开的指标。

如何用 Buyer-Intent Prompt 测量 GEO：Mention、Candidate、Citation 与 Surfaced Source 的区别

本文给出一套可复现的 GEO 测量方法，并用 244 次真实提问（221 条有效回答）验证：AI 报出服务商名字的比例与提问意图强相关，但"只有明确要求推荐才会报出"并不成立；四个中文 AI 平台的来源生态几乎不共享。

人工智能

大数据

GEO效果验收需区分曝光、提及、候选、引用四级指标，构建非品牌采购意图题库并串行采集真实会话。244次实测显示场景化选型提问命名率100%，平台来源共享仅1.14%，仅DeepSeek支持正文引用测量。方法可复现，含完整局限披露。

代码解释

DeepSeek

JSON

热销域名限时优惠，新客首年免费！


domain

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

如何用 Buyer-Intent Prompt 测量 GEO：Mention、Candidate、Citation 与 Surfaced Source 的区别-腾讯云开发者社区-腾讯云

如何用 Buyer-Intent Prompt 测量 GEO：Mention、Candidate、Citation 与 Surfaced Source 的区别

如何用 Buyer-Intent Prompt 测量 GEO：Mention、Candidate、Citation 与 Surfaced Source 的区别

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐