為什麼 GEO 的 ROI 比 SEO 更難量測？
SEO 有 GA4 / Search Console，每筆 organic click 都帶 referrer，能直接歸因。但 GEO 的「引用」發生在 ChatGPT / Perplexity 的對話內，多數情境下 AI 不會把使用者導流出來——使用者問完問題，看完答案，就離開了。
這造成兩個量測難題：
- 沒有 referrer 軌跡：AI 平台多數不在連結點擊路徑上留下身份
- 品牌曝光與點擊脫鉤：AI 在回答中提到你的名字 100 次，但只有 3 次使用者去點連結——99 次的「品牌印象」是真實價值，但難以量化
所以 GEO ROI 不能只看「導流量」這一條線。要分層量測。
4 層指標 — 從「易量測但弱證據」到「強證據但難量測」
L1：曝光 / 出現機率（最易量測，最弱證據）
回答：「在我的目標問題上，AI 多常提到我？」
怎麼測
定義 20–50 個目標查詢（你希望被推薦的問題），每月讓人 / 腳本去 ChatGPT、Perplexity、Gemini、Claude 各問一次，記錄：
- 我的品牌出現了嗎？（是 / 否）
- 出現在第幾個推薦位置？
- 是被主動推薦（在條列中）還是被動連結（在參考來源）？
組成一個簡單的計分：
品牌出現率 = (出現次數 / 總查詢次數)
平均位次 = 加總所有出現位次 / 出現次數
推薦比 = 主動推薦次數 / 出現次數
工具
- 手動：Google Sheet 排表，每月手動跑（500 次查詢約 4–6 小時）
- 半自動：Python script + 各平台 API（OpenAI API 不是 ChatGPT，差別大；Perplexity 有開放 API；Claude API 也可）
- 全自動付費：Profound、Otterly、Peec 等專業 GEO 監測平台（月費 $200+）
為什麼是「弱證據」
API 回的答案 跟使用者實際在 ChatGPT 看到的不完全相同——平台會做產品端的後處理、A/B 測試、快取。所以 API 量到的「出現率」是 proxy，不是真值。
但這仍然是最直接、最可控的指標。L1 數字穩定上升，是 GEO 努力起作用的第一個訊號。
L2：引用 / 提及次數（中等難度，中等證據）
回答：「AI 的回答中，我的網域 / 連結被點名為來源的次數有多少？」
怎麼測
跟 L1 相同的 20–50 個查詢，但這次記錄的不是「品牌名出現」而是：
- AI 回答下方的來源清單有沒有我的 URL？
- 我的 URL 在哪些查詢上出現？
- 來源清單中，我的 URL 排第幾名？
這比 L1 嚴格——「品牌名被提到」可能來自模型內隱知識，不需要連結；但「網域被列為來源」是更明確的「即時引用」訊號。
怎麼分析
把每月的引用次數依「主題」分群：
| 主題群 | 查詢數 | 引用次數 | 引用率 |
|---|---|---|---|
| GEO 入門類 | 10 | 6 | 60% |
| 競爭對手比較類 | 10 | 2 | 20% |
| 進階技術類 | 10 | 8 | 80% |
引用率低的主題群，就是你下個月內容生產的優先順序。
為什麼是「中等證據」
「網域被引用」很實在，但 AI 不一定點擊到——使用者可能看完答案就走。仍未證明商業價值。
L3：流量 / 訪客行為（較難量測，較強證據）
回答：「來自 AI 平台的訪客有多少？他們的行為跟一般 SEO 訪客有什麼不同？」
怎麼測
GA4 中設定「AI 流量分群」：
referrer 包含以下任一：
- chatgpt.com
- perplexity.ai
- claude.ai
- gemini.google.com
- bing.com/chat
- copilot.microsoft.com
加上 gpt, claude, perplexity 等 UTM 參數的捕捉（部分 AI 平台的「複製連結」會帶 UTM）。
該看的指標
| 指標 | 健康基準（與 SEO 比） |
|---|---|
| 跳出率 | AI 流量通常更低（已被「篩過」一輪） |
| 平均瀏覽深度 | 通常比 SEO 高 — 來的人意圖更明確 |
| 轉換率 | 通常 1.5–3× SEO 流量（看產業） |
| 新訪 vs 回訪比 | 新訪比例高，回訪較少（AI 是「介紹媒介」非「常駐入口」） |
為什麼是「較強證據」
實際進站行為。可分割成 funnel 看哪一步流失最多。
但要小心
ChatGPT 對某些工作環境會把連結 rewrite 成 referrer 不帶身份——這代表你 GA4 看到的 AI 流量會被低估 30–50%。把這當「下界」而不是「真值」。
L4：轉換 / 商業價值（最難量測，最強證據）
回答：「來自 AI 的訪客，最終帶來多少訂單 / leads / 簽約金額？」
怎麼測
歸因模型最大的挑戰是 multi-touch journey：
- 使用者在 ChatGPT 問問題，AI 推薦你
- 使用者直接在 Google 搜你的品牌名（branded search）
- 點官網、看了 3 篇文章、加入電子報
- 三週後從電子報點 CTA 試用
- 試用後一個月升級付費
第 1 步的 AI 推薦才是真正的源頭，但 GA4 last-click attribution 會記成「電子報」或「branded search」。
怎麼處理
(1) 加問卷一題「您是怎麼知道我們的？」
註冊 / 試用 / 訂閱表單加一行：
您是怎麼知道我們的？（複選）
☐ Google 搜尋
☐ ChatGPT / Claude / Perplexity 等 AI 推薦
☐ 朋友推薦
☐ 社群媒體
☐ 媒體報導
☐ 其他：____
這是最便宜也最有效的 GEO 歸因方法。3 個月累積 100+ 樣本，你會看到「AI 推薦」分群的比例變化。
(2) Branded search 量做為 proxy
GA4 / Search Console 看「品牌名」搜尋量月度變化。如果 GEO 讓 AI 推薦你，使用者通常會接著 Google「品牌名」做進一步求證——branded search 上升是 AI 推薦影響的滯後指標。
(3) 自報式 NPS / churn 訪談
新客戶 onboarding 訪談時，問「您是怎麼找到我們的？最後一根稻草是什麼？」。3–6 個月內累積 20+ 訪談就能看出 AI 推薦的角色。
月度儀表板模板
把上面四層整合成一張表，每月在團隊會議上 review：
| 維度 | 上月 | 本月 | 變化 | 目標 |
|---|---|---|---|---|
| L1：50 查詢出現率 | 28% | 36% | +8 pp | > 50% |
| L1：平均位次 | 4.2 | 3.5 | -0.7 | < 3 |
| L2：50 查詢引用率 | 14% | 22% | +8 pp | > 30% |
| L2：高優主題群引用率 | 20% | 35% | +15 pp | > 50% |
| L3：AI 流量 | 1,250 | 1,890 | +51% | +20%/月 |
| L3：AI 流量轉換率 | 4.1% | 4.5% | +0.4 pp | > 5% |
| L4：問卷「AI 推薦」自報比 | 6% | 11% | +5 pp | > 15% |
| L4：Branded search 量 | 2,100 | 2,650 | +26% | +15%/月 |
解讀策略
- L1 上升但 L2 不動 → 模型「記得你」但沒在引用 → 加強答案優先段落 + Wikipedia
- L2 上升但 L3 不動 → 被引用但沒人點 → 引用情境偏「資訊型」非「決策型」，需要在更接近購買意圖的查詢上爭取引用
- L3 上升但 L4 不動 → 來訪但不轉換 → AI 帶來的流量品質不對，重新檢視「目標查詢清單」
- L4 上升但 L1/L2 不動 → 你 GEO 沒做什麼，是別的因素帶來成長
一個常見錯誤：把「全部 AI 流量」當成 KPI
很多公司一開始只看 L3「AI 流量」，這個數字非常容易被特定話題的爆紅扭曲。某個月你寫了一篇被 Perplexity 大量引用的熱門話題文，AI 流量跳 5 倍——但下個月恢復正常你會以為「GEO 失效了」。
正確做法是看 L1 + L2 一起的「結構性指標」——這些指標反映的是你網站在 AI 訓練語料 / 即時引用池中的「結構地位」，比較不會被單篇爆紅帶偏。
預算配置建議
如果你只有限度預算做 GEO 量測：
| 預算等級 | 工具 | 投入時間 |
|---|---|---|
| 零成本 | Google Sheet 手動跑 20 查詢 / 月 + GA4 referrer 分群 + 表單問卷 | 4 hr/月 |
| 入門 ($50/月) | + 簡易 ChatGPT API 半自動化 | 2 hr/月 |
| 專業 ($200–500/月) | + Profound / Otterly / Peec 等 GEO 監測 SaaS | 1 hr/月 |
起步階段強烈建議走零成本——手動量 3 個月，你會比直接買 SaaS 更懂自己網站的「目標查詢」是什麼。等清單穩定再升級工具。
第一步：跑一次免費 GEO 健檢取得基線
👉 免費 GEO 健檢 — 報告會給你 12 個維度的基線分數，可作為「你的 GEO 起點」的客觀紀錄，未來每季 / 每年比對是否進步。
如果你想規劃完整的「GEO 量測 + 月度儀表板 + 內部 review 會議」流程（含目標查詢清單客製化、SaaS 工具選型、跨部門 KPI 對齊），這是 GEO 顧問服務的範圍：[email protected]
GEO 進階系列。前一篇：「3 個免費的『站外能見度』公開數據集 — Tranco / Common Crawl / Wayback Machine」