先说结论：没有追踪的 GEO 等于白做

很多企业做完一轮 GEO 优化后只问一句话："上了没有？"而拿不出第二个问题——引用发生在哪些引擎、引用的是哪一段、带来的线索算谁的。结果就是：预算持续投入，效果说不清楚，三个月后项目被砍。GEO 是可以量化追踪的，关键是把"引用监测 → 内容归因 → 线索归因 → 月度复盘"这条链路在建项目时就设计好。本文把这条链路完整拆开，每个环节给出可落地的做法。

第一层：引用监测——先知道 AI 有没有提你

引用监测是整条链路的地基，做法比多数人想象的朴素：建立一张固定的探测问题清单（建议 30—60 条），覆盖品牌词、品类词、对比词和场景词四类，例如"XX 行业有哪些靠谱的服务商""XX 和 XX 哪个好""做 XX 预算多少"。然后在主流 AI 问答入口上定期提问，记录三个数据：是否出现、出现位置、引用了哪些来源。

频率上，品牌词每周一轮、长尾词每两周一轮即可，手工登记完全可以起步。要看的指标不是"有没有"，而是出现率的变化趋势：上线前打一次基线，之后每月对比。一个正常的优化项目，核心品牌词的出现率应该在 8—12 周内从基线爬升到 60% 以上；如果 12 周后核心词还是偶尔才出现，问题大概率出在内容可引用性而非引擎端。

第二层：内容归因——知道是哪段内容被引用了

发现被引用后，第二件事是定位"引擎引的是哪一段"。做法是把 AI 回答中涉及你的表述拆成要素：公司名、服务描述、数据引用、案例引用，然后回到自己站点里找对应的段落。被引用的段落才是你的有效资产——它们往往具备三个特征：首句直接给结论、包含具体数字或对比、段落自成一体不需要上下文也能读懂。

把每次引用记录沉淀成一张"高引用段落清单"，你会发现站内 80% 的引用集中在 20% 的段落上。接下来要做的就不是写更多新文章，而是把没被引用的段落按高引用段落的特征改写。这就是内容层面的归因闭环。

第三层：线索归因——把 AI 流量算到生意上

线索归因是老板最关心也最容易做错的一层。错误做法是只看 UV：AI 引用的转化路径里，用户往往不是点链接进来的，而是看到品牌名后自己去搜官网、或在对话里继续追问。所以单看referrer会严重低估。

可落地的做法有三步：第一步，在咨询表单和客服话术里加一个来源选项"从 AI 助手了解到"；第二步，关注品牌词搜索量的增量——AI 引用上升期，品牌词的自然搜索通常会同步上涨，这部分增量就是 AI 的溢出流量；第三步，对官网访问中无 referrer 的直连流量做趋势观察，它在引用上升期会异常抬头。三个口径交叉，就能拼出一张大体准确的线索归因图。

第四层：月度复盘——四张表说清进展

每月复盘不需要复杂报表，四张表足够：核心词出现率趋势表（对比基线）、新获取引用清单（哪些页面、哪些段落首次被引用）、高引用段落改写台账（本月改了哪些、下周复测）、线索归因汇总（三类口径的数字）。这四张表也是给管理层看的进度语言——GEO 的效果释放是渐进式的，用趋势和台账说话，比等一个"爆点"更能保住项目预算。

给正在选型或已在执行团队的三条提醒

第一，签合同时就把追踪口径写进去：监测哪些引擎、多少条问题、多久出一次数据。口径不写清楚，验收时必然扯皮。第二，警惕只承诺"收录量"不承诺"引用率"的服务方案——收录只是被抓到，引用才是被用到，两者差着一个量级。第三，追踪工具可以后置，探测问题清单和基线数据必须前置：没有基线，三个月后你连"有没有变好"都无法回答。