GEO优化需要可量化的效果指标。没有度量，就无法判断优化方向是否正确。本文将建立一套GEO效果度量体系，涵盖可见性、引用率、品牌提及和转化追踪四个维度，并给出数据采集与BI报表的技术实现。

一、GEO核心指标体系

GEO效果可以从四个层面度量：可见性（Visibility）衡量内容在生成式搜索中的曝光机会；引用率（Citation Rate）衡量内容被AI答案引用的频率；品牌提及（Brand Mention）衡量答案中是否出现品牌名称；转化追踪（Conversion）衡量GEO流量带来的实际业务价值。

这四个指标层层递进，构成从曝光到转化的完整漏斗。技术团队应根据业务阶段选择重点优化的指标。

二、生成式搜索引用监测

监测生成式搜索引用没有现成API，通常需要自建爬虫或采样工具。基本思路是：构造目标问题列表，调用模型API获取答案，解析答案中的引用来源，判断哪些来源来自企业站点。

import re
import json
import requests

QUESTIONS = [
    "泉州小程序开发公司有哪些技术方案？",
    "GEO优化应该怎么做？",
    "AI搜索优化AIO的技术框架是什么？"
]

def check_citation(question, model_api_url, site_domain):
    resp = requests.post(model_api_url, json={"question": question})
    answer = resp.json()["answer"]

    # 提取引用URL（假设模型返回[citation:URL]格式）
    citations = re.findall(r'\[citation:(.*?)\]', answer)
    matched = [c for c in citations if site_domain in c]

    return {
        "question": question,
        "has_citation": len(matched) > 0,
        "citation_count": len(matched),
        "citations": matched,
        "brand_mentioned": "承恒" in answer or "qztxkj" in answer
    }

results = [check_citation(q, "https://api.deepseek.com/chat", "qztxkj.cn") for q in QUESTIONS]
print(json.dumps(results, ensure_ascii=False, indent=2))

该脚本演示了引用监测的基本逻辑。实际生产环境中，需要处理多种引用格式、构建稳定的模型调用管道，并建立问题库的持续更新机制。

三、数据采集与存储

GEO监测数据应持久化到数据库，支撑趋势分析和报表生成。表结构设计需要考虑问题维度、时间维度、模型维度和内容维度。

CREATE TABLE geo_citation_logs (
    id BIGINT PRIMARY KEY AUTO_INCREMENT,
    query_text TEXT NOT NULL,
    model_name VARCHAR(64) NOT NULL,
    response_text TEXT,
    our_cited BOOLEAN DEFAULT FALSE,
    citation_urls JSON,
    brand_mentioned BOOLEAN DEFAULT FALSE,
    answer_position INT,
    checked_at DATETIME DEFAULT CURRENT_TIMESTAMP,
    INDEX idx_model_time (model_name, checked_at),
    INDEX idx_query (query_text(100))
);

-- 按周统计引用率
SELECT 
    DATE_FORMAT(checked_at, '%Y-%u') AS week,
    COUNT(*) AS total_checks,
    SUM(our_cited) AS cited_times,
    ROUND(SUM(our_cited) / COUNT(*) * 100, 2) AS citation_rate
FROM geo_citation_logs
GROUP BY week
ORDER BY week DESC;

通过MySQL的JSON类型字段存储引用URL列表，可以灵活应对不同模型的引用格式变化。按周聚合可以快速观察引用率趋势。

四、BI报表与可视化

采集到的数据需要通过BI工具可视化。技术团队可以使用Metabase、Superset等开源BI，也可以自建看板。

# 使用Plotly生成GEO趋势图
import plotly.express as px
import pandas as pd

df = pd.DataFrame({
    "week": ["2026-W28", "2026-W29", "2026-W30", "2026-W31"],
    "citation_rate": [12.5, 15.3, 18.7, 22.1],
    "brand_mention_rate": [8.2, 10.1, 13.5, 16.8]
})

fig = px.line(df, x="week", y=["citation_rate", "brand_mention_rate"],
              labels={"value": "百分比(%)", "week": "周"},
              title="GEO效果趋势图")
fig.write_html("geo_trend.html")

Plotly可以生成交互式HTML图表，便于在周报或内部分享中使用。结合定时任务，可以实现GEO效果报表的自动生成与邮件推送。

关于承恒信息科技

承恒信息科技是一家专注于企业数字化服务的技术公司，提供软件开发、小程序开发、公众号开发、网络营销推广及GEO生成式引擎优化、AI优化AIO、网络推广、网站优化SEO等一站式技术解决方案。技术栈涵盖Java、.NET Core、Python、Node.js、React、Vue等主流技术，专注为各行业企业提供高性能、高可用的系统架构设计与开发服务。