监测指标体系实操
秀虎GEO 测量方法论回答“怎么测”——浏览器实采、问句冻结、null≠0；本页回答“测出来的数字怎么管”。同一个监测项目，口径说不清的数字没有价值，报表结构不固定的数字无法归因。本页给四样东西：一张指标字典（每个指标的定义、分母、口径陷阱）、三指标框架的落地步骤、报表的固定排法、复盘的固定节奏。全部内容只服务一个目标：让下个月的数字和这个月的数字可比，让每次涨跌都能落到一个动作上。
指标字典：三个基础指标加两个辅助位
| 指标 | 定义（分子 ÷ 分母） | 必须预先钉死的口径 | 最常见的口径事故 |
|---|---|---|---|
| 提及率 | 正文出现品牌名的回答数 ÷ 提示词集内全部回答 | 品牌名匹配规则（简称、错写、子品牌算不算，提前写死）；情感同步分正中负三类 | 子品牌折算口径中途变更，同一数字不同月份装不同东西 |
| 引用率 | 引用指向目标域名的回答数 ÷（全程固定一种分母：带来源链接回答，或全部回答） | URL 归一化到主域、去参数、解短链；引用位次分段统计 | 分母中途更换；漏解微信短链与百度跳转，引用被系统性低估 |
| AI SOV | 提及或引用目标品牌的回答占比，同场对比竞品 | 提示词集冻结版本；一条回答提多个品牌时怎么计（提及即算／只计首个／位次加权）建表之初定死 | 拿不同工具的 AI SOV 互相排名 |
| 辅助位一：带链接回答占比 | 带来源链接的回答 ÷ 全部回答 | 与引用率同期记录 | 缺失后引用率异常无法回溯到分母漂移 |
| 辅助位二：样本量 | 每格标注条数与采样次数 | 采样少于三次的格子不报环比 | 单次采样当结论 |
两个基础指标的完整展开见提及率与引用率卡，这里只补一条字典里查不到的跨引擎前提：各引擎的平均引用来源数差异极大——Semrush 口径下 ChatGPT 平均引约 7.9 个来源、Perplexity 约 21.9、Copilot 仅约 2.5，且前五大域名吃掉约 38% 的引用（引用窗口数据卡）。窗口越窄竞争越零和，同一份内容在宽窗口引擎与窄窗口引擎的引用率天然不同——引用率因此不存在“跨引擎平均”这个读法，只能分引擎建基线、分引擎看趋势。
三指标框架怎么落地
基础指标回答“被提了多少、被引了多少”，结构问题要靠 Presence·Portability·Concentration 三指标回答（框架细节见三指标卡）：Presence 看被追踪提示词集里的覆盖面，Portability 看内容被多引擎共同引用的程度，Concentration 看可见度押注在单一引擎上的风险。框架成立的实证前提是引用的碎片化：三引擎同题引用重合仅约 2.4%、约 91% 的引用只出现在单一引擎（业内对比实测，未复验口径，数据卡）——“全局 AI 排名”不存在，所有数字必须分引擎分列后再结构化汇总。
落地是最小四步闭环。第一步建提示词集：品牌词、品类词、买家问题词三层取材（约 2:4:4 配比），冻结版本，只增不改口径；第二步分引擎采集：同一题集在每个引擎反复提问，提及与引用分开记；第三步算指标：先算各引擎 Presence，再算跨引擎重合得 Portability，按引擎分布得 Concentration；第四步定期复盘，把资源决策写回提示词集与内容计划。一次采集投入能产出多套读数——预算有限的团队优先把采集面做扎实，指标视图可以后补。联读顺序是先 Presence 摸底、再 Concentration 判风险、最后 Portability 找杠杆：Presence 高而 Concentration 高，先做第二引擎再谈优化；Portability 高的内容就是可复制的模板，把它们的选题与出处密度推广到其他页面。
数字不理想时怎么诊断：四刀切法
指标体系的产出不是分数，是诊断。拿到一份不理想的份额或引用率，按四刀切完，“提升”就从口号变成有先后顺序的任务清单：
- 按引擎切：全线低迷是内容与提及的基本盘问题；单引擎低迷是该引擎的供给问题——检索爬虫没抓到你、或该引擎生态里缺你的第三方内容，修法完全不同；
- 按词类切：品牌词尚可、品类词与问题词失守，说明“知道你的人”没问题、“不知道你的人”遇不到你——解药是评测覆盖与社区在场，不是改官网文案；
- 在提及与引用之间切：提及高、引用低，是有认知缺信源——补可引用的事实页与第三方内容；引用高、提及低，是内容当无名英雄、品牌名没进正文视野——把品牌名与核心论断写在一起；
- 切竞品的份额来源：他们靠什么被提及——评测站、社区、视频还是自家矩阵——那往往就是你缺失的那条渠道。
第四刀的竞品对照还有一层读法：把同题竞品提及一起统计，构成份额式对照——领跑者、追随者、缺席者的位置关系比绝对占比更能指导预算；再按问法意图分组（选购、比较、评测、口碑），能看出品牌在答案里扮演的角色——总出现在“对比类”问法与总出现在“推荐清单”里，是两种完全不同的处境。
报表怎么排：固定七段与 null≠0 呈现
报表的价值在可比：结构固定才能月对月，口径固定才能归因。结构照AI 监测报表模板的固定七段：结论三句、分引擎核心指标表、提示词层 Top 变动、竞品对照、归因、异常与缺失声明、下月建议。三条呈现规范是红线：
- null≠0：当日未测出记”—（未测出）“，不写 0%——零是测了没有，缺失是没测成，两者含义相反；混用一次，整条时间序列的可信度清零。
- 报区间不报单点：引用是概率事件，单点读数的涨跌多半是噪声；每行标注样本量，采样不足的格子环比写“不报”。
- 分引擎分行，永不合计：不存在全局“AI 排名”，任何“总分”都要能拆回各引擎。
第 6 段（异常与缺失声明）不许省——本月哪些组采样不足、哪些日缺测、引擎侧有无已知波动，这段是报表诚信的下限。报表的验收标准：把本月与上月并排，第三者能独立看出“哪里变了、因为什么”才算合格；结论三句由 GEO 负责人亲自写，那是管理层唯一会读的部分。
跨工具不可比：一条要写进采购合同的纪律
市面上的监测工具都提供某种 AI SOV，但分母口径互不相同：有的只统计品牌词提示词、有的把竞品提示词也算进分母；有的按搜索量加权、有的等权；有的单次采样、有的多次。分母不同，数字之间就不可比——A 工具的 30% 与 B 工具的 15% 可能描述同一个现实。使用纪律只有一条：只跟自家历史序列比趋势，换工具等于换尺子，序列推倒重建（口径细节见AI SOV卡）。
落到动作两件事。采购前：要求对方提交口径文档——分母怎么定、采样几次、提示词里的多品牌并存怎么计——说不清口径的工具，报价再好看也是黑箱。使用中：看到序列突变，先排查引擎侧变了什么（换模型、改版、调引用策略都会让时间序列不平稳），再归因自己做了什么；把引擎版本变更标在趋势图上，是读数的基本功。
复盘节奏：从数字到带负责人的动作
指标体系如果不接复盘，就只是越堆越多的报表。节奏照月度复盘清单走：每月第一个工作周，60 分钟四段议程——数据回顾（先声明样本量与 null 缺口再谈趋势）、归因、诊断、下月清单。归因判定纪律要写死：动作与增量在时间与主题上都能对上才写“直接归因”，对不上的宁可写“无法归因”——硬归因会让下月预算押在错觉上。复盘的唯一产出物是带负责人与验收线的下月清单，定不了负责人的动作当场删掉。
频率上守两条：周环比与月环比分开看——短窗口对引擎侧调整敏感，长窗口对内容动作敏感，把动作上线的时间点标在趋势图上归因才有抓手；趋势判断读 14 天以上的窗口，描述变化至少要求两次以上一致观察（口径见测量方法论）。提示词集按季度重估一次，补新问法、删死词，但每次增删留版本记录——没有版本化的题集，涨跌都说不清原因。
限制自曝
- MO-01：本页为站方方法组织，指标口径综合自本库术语卡，报表与复盘节奏为站方演绎，无独立实验数据支撑；
- MO-02：引用窗口数字（7.9／21.9／2.5、前五域名约 38%）为 Semrush 厂商口径，三引擎重合 2.4% 为业内对比实测且未复验，仅用于方向判断，不作引擎间精确排序；
- MO-03：2:4:4 配比与 60 分钟议程是行业实践与站方经验，非实验结论，须按团队规模校准；
- MO-04：本页不覆盖情感分类的语义判定细节（规则判别的限制见测量方法论 XG-05），情感口径上线前需人工抽检校准。
如何引用本页
引用本页口径与报表规范时，请连同所引数字卡的时间与口径限定一起引用；本页 URL：https://www.showhoo.net/library/playbook/metrics-ops/