AI 大模型 GEO 计算公式

1. 为什么要量化 GEO 效果

"做 GEO 到底有没有用？"——这是每个客户都会问的问题。 如果没有量化指标，GEO 就和"发抖音""做小红书"一样，听起来在做，但说不清效果。玄雀的解法是：建立一套能算的公式。

2. 核心公式：GEO Score

GEO Score = V × C × (1 - D) × R V = Visibility（能见度） C = Citation Rate（引用率） D = Decay（衰减系数） R = Relevance（相关性） 每个因子的取值范围都是 0-1，最终 GEO Score 也在 0-1 之间。

3. V 能见度（Visibility）

定义：AI 在回答行业相关问题时，"是否提到了你的品牌"。 计算方法：在 50 个高频行业问题里，统计 AI 答案中出现品牌名的次数。 V = 提到次数 / 50 玄雀客户案例：某连锁口腔 V 从 0.08（提到 4/50）提升到 0.42（提到 21/50），提升 425%。

4. C 引用率（Citation Rate）

定义：AI 提到你时，是否真的引用了你的内容/事实作为依据。 计算方法：AI 答案里"你的内容"占答案总长度的比例。 C = 引用字数 / 答案总字数 注意：只"提到名字"不算高 C，必须有"信息引用"。

5. D 衰减系数（Decay）

这是 GEO 区别于 SEO 的关键——AI 的记忆有"半衰期"。 D = 1 - e^(-t/τ)，其中 τ 是内容半衰期 · τ ≈ 90 天（一般行业） · τ ≈ 30 天（快消品 / 短期热点） · τ ≈ 180 天（专业服务 / 长期决策） 意思是：90 天前发布的内容，对当前的 AI 引用率只剩 50%。需要持续更新。

6. R 相关性（Relevance）

定义：AI 提到你时，与查询问题的相关程度。 · 完全切题 = 1.0 · 部分切题 = 0.5-0.8 · 强行推荐 = 0.1-0.3 玄雀宁可让 AI 在 10 个相关问题里提到你，也不让它在 50 个不相关问题里提到你。

7. 实战案例：用公式解释效果

某中医理疗连锁客户（60 天周期）： · 起始：V=0.06, C=0.20, D=0.62, R=0.85 → Score = 0.06 × 0.20 × 0.62 × 0.85 = 0.0063 · 60 天后：V=0.36, C=0.45, D=0.85, R=0.95 → Score = 0.36 × 0.45 × 0.85 × 0.95 = 0.131 提升 20 倍。对应业务侧反馈：AI 提及率 +190%，与公式预测基本一致。