GEO 三層指標白皮書

用引用、推薦與合格商機衡量 GEO

用三層報表判斷下一步：頁面是否被引用、品牌是否被推薦，以及哪些合格商機能連到相關互動。每一層都要有自己的定義、樣本與證據。

v1.1 · 2026 年 10 月 · Tenten GEO Research

CH.01

流量是成果的一部分

流量連到業務目標時，仍是有用的指標。但單看流量，無法知道 AI 回答引用了多少內容、推薦是否正面，或名單是否符合銷售條件。

本庫《Zero-Click 白皮書》比較不同樣本、期間與點擊定義的研究。它們有助於理解曝光與網站造訪為何可能不同步，但不能證明流量必然持續下降，也不能把流量下降當成 GEO 成功的證據。

Pew Research 分析 900 位美國成人在 2025 年 3 月的瀏覽紀錄，並於 4 月蒐集對應搜尋結果。在帶有 AI 摘要的 Google 搜尋頁造訪中，1% 點擊了摘要內連結。分母是搜尋頁造訪，不是引用連結、所有 AI 使用者或你的網站訪客。評估商業價值時，仍要用自己的轉換筆數與定義。

本章重點

一起看曝光、網站互動與銷售結果。引用只是觀察到的回答特徵，不等於合格名單或營收。

CH.02

第一層：引用率（Citation Rate）

引用率衡量擷取到的回答有多少連到目標頁面。沒有連結的品牌提及另外記錄。這兩個指標都不取代搜尋排名，而是描述不同的呈現位置。

本框架把引用率定義為：符合事先觀察範圍且含至少一個目標 URL 的回答數，除以全部符合範圍且成功擷取的回答數，依引擎分開報告。同一回答引用多個目標 URL 仍只算一次。蒐集前先定義範圍，並列出送測次數、擷取回答數、缺漏與錯誤。AI Overview 未出現也要記錄，說明這種觀察如何計入分母。

取數方法

→提問庫：先選與業務有關的採購問題。100–300 組可以作為規劃範圍，不是統計上的必要門檻。標記教育、推薦、比較與驗證問題；業務改變時，保留新舊版本。
→取樣：重複測試可看見回答變動。每題 3 次可作為初步成本估算，不代表結果已可靠。保留每次回答，報告分子、分母與變動情形；不要默默把缺漏當成零，或只用多數決掩蓋差異。
→蒐集：記錄引擎、產品介面、可取得的模型或模式、日期、地區與帳號脈絡。API 回答不一定等同消費者介面。使用人工觀察或允許的工具，對準真正要量測的介面。

常見誤讀

→一張截圖只能證明一次回答，不能代表穩定引用率。保留提問與蒐集脈絡，讓觀察可以重做。
→有連結的引用與沒有連結的品牌提及是不同欄位。引用也不代表推薦、事實正確或購買意圖，必須查看上下文。
→各引擎分開呈現，並列出樣本數。整體比率可能只是因為各引擎的觀察筆數占比改變。

本章重點

引用變化可以指出調查方向。先檢查存取、相關性、競爭來源與取樣，再決定是否需要改寫。觀察本身不能證明商業價值或原因。

CH.03

第二層：答案佔有率（Share of Answer）

品牌可能被當成資料來源，卻沒有被推薦給買家。這一層在明確的採購問題集合中，記錄推薦是否出現及其正負面脈絡。

本框架的答案占比，是符合範圍的推薦或比較回答中，品牌進入事先定義推薦組的比例。先說清楚是明確首選，還是最先列出的 1–3 個選項；兩者是不同規則。這是報表定義，不是通用產業標準，也不是已量測的買家候選名單。

取數方法

→使用有版本紀錄的推薦與比較提問子集，並列出這個子集的回答數。它的分母與全體引用率不同。
→讀取回答前先定義分類規則。記錄首組推薦、其他提及或缺席，以及正面、中性或負面脈絡；有歧義時保留原回答供核對。
→依樣本量與決策需要安排彙整頻率。每月檢討是規劃建議，不代表推薦占比必然變動較慢。自動分類有歧義時，由人工核對。

常見誤讀

→教育問題的引用率高，不代表採購問題也會推薦品牌。先比較不同子集，再判斷缺少哪些資訊。
→答案占比只代表所選樣本中的觀察，不是市占率，也沒有因此證明與銷售相關。
→負面提及需要獨立標記。出現次數增加也可能代表批評增加，不能只靠次數判定成功。

本章重點

用這一層檢查品牌在採購問題裡如何被描述。先驗證可能原因，再把差距歸類為權威性或定位問題。

CH.04

第三層：Pipeline 貢獻

第三層把可觀察的互動連到合格商機。Pipeline 金額、已成交營收與因果效果是不同指標，報表要說明目前能支持哪一種。

計算貢獻前，先與銷售確認資格階段、商機金額、觀察期間與歸因規則。實際 referrer、買家自述影響與模型分配的功勞，分成不同證據欄位。依允許的識別方式比對紀錄，避免同一商機重複計算；缺少來源就保留未知。

可觀察導流

整理可辨識的 AI 來源

依有紀錄的來源或 referrer 分組，對照實際資料確認規則，並分開 session 來源與事件歸因。沒有可用來源的互動會漏掉；Pew 的 Google 摘要 1% 數字不是這個渠道的涵蓋率。

銷售確認

記錄買家自己的說明

買家說明如何找到你時，在允許的 CRM 流程中留下紀錄。分開買家原話與業務推測，允許多個影響來源或未知。

來源自述

比對既有來源回答

若原本就蒐集買家如何得知品牌，可與導流及銷售紀錄比對。處理重複商機與互相矛盾的回答；資料一致有助理解，但不能證明增量效果。

常見誤讀

→樣本少時，更需要筆數、資格定義與不確定性。不要因渠道名稱或別家公布的倍數，就假設 AI 導流轉換率較高。
→歸因模型依規則分配貢獻，不代表證明因果。標示所用模型與回溯期間；首次使用者來源與事件歸因報表回答的是不同問題。
→觀察期間應符合實際銷售週期與資料可得性。每月報告、每季決策可以是適合的節奏，但不能據此認定所有案件都是 6–18 個月，或保證商機一定出現。

本章重點

引用成長仍可能沒有合格商機。直接呈現結果，調查差距，再依約定範圍與商業條款決定後續工作。

CH.05

可依業務調整的報表欄位

下表是 Tenten 建議的欄位規格。選擇決策需要的欄位，記錄定義並指定負責人；這不是已量測的客戶成效。

分開原始觀察與解讀後指標。每個比率都附分子、分母、樣本涵蓋情形與更新日期。定義改變時，保留前一版本並標示不可直接比較的區間，不必為了延續圖表而保留已知錯誤。

欄位名	定義	取數來源	更新頻率
各引擎引用率	含目標 URL 的回答數／符合範圍且擷取成功的回答數；無連結提及另計	有版本的提問、介面與送測紀錄	每輪蒐集
引用率變化	定義可比時的百分點差異，附兩期樣本數	當期與前期符合範圍的回答	每輪可比資料
新觀察到的引用	過去未觀察到的提問、引擎與引用 URL 組合	保留的回答證據	每輪蒐集
本輪未出現的引用	先前看過但本輪樣本未出現的引用；原因待查	原回答、樣本涵蓋與錯誤紀錄	每輪蒐集
競品比較	預先選定競品在同一範圍下的引用率	同一蒐集方法與日期	每輪可比資料
調查或改寫清單	觀察差距、可能解釋、下一步與負責人	證據檢視	優先序改變時
檢討進度	調查、修改或觀察階段；保留尚無結論的結果	修改紀錄與觀察資料	工作進度改變時
推薦占比	符合推薦組規則的回答數／符合範圍的採購問題回答數	附正負面脈絡與子集筆數的回答審閱	依約定檢討頻率
可辨識的 AI 導流 session	符合來源分組規則的 session；未知來源另列	同意範圍內的分析資料	依約定報告頻率
AI 導流至合格名單	合格名單數與明定的使用者或 session 分母；資格與去重規則清楚	允許比對的分析與 CRM 紀錄	取得資格判定後
可觀察的 Pipeline 貢獻	依約定證據與歸因規則去重的商機金額；不等於已成交營收	CRM 階段與來源證據	依約定業務檢討頻率
爬蟲存取	依供應商及文件用途分開請求數與存取失敗	含爬蟲身分檢查的伺服器或 CDN 紀錄	依約定技術檢查頻率

建議報表欄位；定義改變時保留版本及底層證據。

本章重點

有用的報表應讓另一個人能重算筆數、看懂限制。刪除不支持決策的欄位，保留能解釋其餘欄位的證據。

CH.06

讓每次檢討對應一個決策

依決策與可用證據選擇檢討頻率。每週、每月或每季都是選項，不能據此認定三層指標形成因果順序。

報告先說明要決定什麼、有哪些相關觀察，以及尚未解決的限制。一層指標的變化可以引出另一層的問題，但不能取代那一層的證據。

指標層	匯報節奏	回答的問題	對應的預算決策
引用率	營運檢討；樣本足夠時可每週進行	哪些存取、相關性或取樣問題需要調查？	安排具體調查或內容修改
推薦占比	定位檢討；有需要時可每月進行	品牌在採購問題樣本中如何被描述？	驗證具體資訊或定位差距
可觀察的 Pipeline 貢獻	依資格判定與銷售週期安排業務檢討	哪些合格商機有可用的來源證據？	依約定條款與證據限制決定繼續、調整或停止

建議檢討決策；頻率與歸因方式應符合實際業務。

建立基線

先約定定義

記錄提問、產品介面、資格規則與可用資料。不要用未核對的轉換倍數預測成果。

持續觀察

只比較可比的樣本

保留缺漏、蒐集方式變更與同期網站工作。引用上升但合格名單沒有增加時，直接呈現兩個觀察，不必拼成成功故事。

作出決策

使用目前最可靠的證據

在適當期間內比較成本、合格商機與已完成結果，列出歸因限制並決定具體下一步。引用增加本身不足以支持加碼預算。

連起三層資料，也保留各自界線

這套框架整理決策需要的證據，沒有因此證明引用會造成推薦，或推薦會造成營收。這些結論需要額外證據。

資料來源與研究方法

更新日期：2026-10-05。引用、推薦與 Pipeline 定義是 Tenten 建議的報表規則，不是已公布的客戶成果。Pew 在 2025-07-22 發表的研究使用 900 位美國成人 3 月的瀏覽紀錄，並於 4 月 7–17 日蒐集搜尋結果；1% 指的是帶 AI 摘要的 Google 搜尋頁造訪，不是被點擊的引用連結占比，也不代表所有 AI 介面。https://www.pewresearch.org/short-reads/2025/07/22/google-users-are-less-likely-to-click-on-links-when-an-ai-summary-appears-in-the-results/ Google Analytics 分開使用者／session 來源與事件歸因；所選模型與回溯設定會影響功勞分配。https://support.google.com/analytics/answer/10597962 本庫 Zero-Click 與排名／引用白皮書各自說明研究範圍。本框架不提供已驗證的客戶轉換倍數、通用最低樣本數或營收因果結論。

討論你的 AI 搜尋優先事項

申請 30 分鐘基準解讀

送出預約申請後，24 小時內回信確認時段。