**GEO效果归因，是在内容、媒体、技术三条线同时改动时，判定 AI 答案里品牌提及增量应记在哪一次改动头上的过程。**它的产出不是一个百分比，而是一组带证据等级的结论：能归因的写进复盘和验收，只能算相关的老实标注为相关。
大多数团队栽在同一个地方——三条线在同一个月上线，月底看到 AI提及率涨了 12 个百分点，然后三个负责人各自写了一份"我这条线带来的增长"。三份加起来是 27 个百分点。
本文给出四线对齐法、E0–E3 证据等级、归因分解公式、六周实测拆解和一份可直接建表的字段清单。
什么是 GEO效果归因，它和"看曲线涨没涨"有什么区别
**GEO效果归因是把一次可见度变化拆回到具体变更的过程，要求每条结论都能出示中间层证据。**只看答案曲线涨没涨，叫效果观测；能说明"这次上涨发生在 A 目录被抓取之后、B 目录未抓取且未上涨"，才叫归因。
区别在证据链的长度：
- 观测只有两个点：改了、涨了。
- 归因需要四个点：改了什么、什么时候被抓、引用列表里出现了谁、答案里的表述怎么变。
中间任何一环缺失，结论的强度就要降一级。
这也是 AI搜索优化和传统 SEO 最大的方法论差异。SEO 有点击流兜底，排名说不清还能看落地页数据；AI 答案基本不给 referrer，中间层证据是唯一的替代品。
为什么 GEO 的归因比 SEO 更难：四个结构性障碍
难点不在统计方法，在数据本身的形态。AI 搜索场景里，你能拿到的信号比 SEO 少一半，而噪声多一倍。
没有点击流，效果不落在你的服务器上
用户在豆包里读完答案就走了，品牌被提及但没有产生一次访问。这意味着传统的最终点击归因、渠道模型在这里整体失效，你必须把"被提及"本身当作终点指标来度量，而不是当作中间指标去追转化。
平台侧在动，模型版本是外生变量
模型迭代、检索栈调整、内容源合作变更，都会整体抬高或压低某一类问题的品牌覆盖。这类变化和你的改动同时发生，且事前不通知。没有对照问题组，你无法把平台波动从自己的增量里减掉。
同一个问题问三次，答案不一样
生成本身带随机性。我们在 MaxAEO 平台上做过一组固定口径的重复采样：2025 年 10 月至 2026 年 5 月，42 个品牌项目、每周固定问题集、每个问题在同一小时内连续采样 3 次，答案中品牌集合完全一致的比例只有 61%，其余 39% 至少有一个品牌进出。
这个 61% 直接决定了采样成本。按二项分布估算，若真实提及率为 30%，要把 95% 置信区间控制在 ±5pt 以内，单次采样需要约 320 个问题；改成"每问题 3 次取多数"后，等效样本的方差下降，120 个问题即可达到接近的精度。这就是下文所有口径都要求"每问题 ≥3 次采样取多数"的原因——它不是保险措施，是把问题集规模压到可执行范围的必要条件。
三条线同时改，且改动粒度天然不同
内容线以页面为单位，可以分批；媒体线以稿件为单位，通常集中投放；技术线以站点或目录为单位，往往一次性生效。粒度不同，能用的实验设计也不同——这正是下文要解决的问题。
四线对齐法：把变更、抓取、引用、答案放进同一条时间轴
**做法是给每一次改动打四个时间戳：T0 发布、T1 首次抓取、T2 首次进入引用来源、T3 答案表述变化，四个时间戳能连成链的改动才允许进入归因。**任何一层断掉，结论强度自动下降。
四层数据的字段规范如下，缺字段就是缺证据：
| 层级 | 数据源 | 必备字段 | 时间粒度 | 缺失后果 |
|---|---|---|---|---|
| T0 变更 | 发布日志 / CMS / Git | URL、变更类型、上线时间、批次编号 | 精确到小时 | 无法做交错发布，只剩相关性 |
| T1 抓取 | 服务器访问日志 | UA、IP、URL、状态码、响应字节数 | 精确到分钟 | 分不清"没抓到"和"抓到没用" |
| T2 引用 | AI 答案的来源链接 | 域名、具体 URL、出现位置、问题 ID | 每次采样 | 无法证明改动页面参与了作答 |
| T3 答案 | 问题集监测 | 提及/未提及、位次、情感、竞品集合 | 周 2 次以上 | 曲线太粗，看不出错峰 |
T1 抓取层：区分爬虫用途是前提
T1 这一层最容易被跳过，也最有价值。同一个域名下的爬虫，用途可能完全不同：按 OpenAI 官方的爬虫说明，GPTBot 用于模型训练、OAI-SearchBot 用于搜索索引、ChatGPT-User 用于用户实时请求，三者含义互不重叠（见 OpenAI 的 bots 文档）。Google 侧同理，Google-Extended 与 Googlebot 是两套独立开关（见 Google Search Central 的爬虫总览）。
把它们混在一起统计，会得出"抓取量涨了但引用没涨"的假问题——实际可能只是训练爬虫在跑，而检索类爬虫根本没来。判断"改动是否被读取"，只能看检索类 UA 的日志。
T1 层的三个实操坑
- 国内平台爬虫标识公开程度低于海外，建议按 UA 关键字 + IP 段双重匹配，宁可宽松归入"疑似"也不要漏记。
- 原始日志至少留存 90 天。归因窗口本身是 4 周，加上复盘和争议回溯，60 天是下限，90 天才有余量；用 CDN 的团队要单独确认日志导出策略，很多默认只存 7 天。
- 状态码和响应字节数不能省。抓到 200 但返回的是 JS 骨架（字节数异常小），等价于没抓到——这是 SPA 站点最常见的假阳性。
关于引用层的深度拆法，可以配合 AI内容优化建议怎么验收 里的判别表一起建表，两者用的是同一套证据口径。
证据等级 E0–E3：哪些增量可以归因，哪些只能视为相关
**证据等级是把"结论有多硬"显式写出来的一套标注规则。**同一个 3 个百分点的增量，在 E3 下可以写进季度复盘和合同验收，在 E1 下只能写进观察记录。
| 等级 | 成立条件 | 典型场景 | 能否写入 KPI 验收 |
|---|---|---|---|
| E3 可归因 | 有对照组或交错发布，处理组与对照组在同窗口内分化，T1→T2→T3 链路完整 | 技术改动按目录分两批上线 | 可以 |
| E2 大概率可归因 | 无对照组，但变更能分批；错峰上升与批次顺序一致，引用列表出现被改页面 URL | 内容改写分三批发布 | 可以，需注明准实验 |
| E1 仅相关 | 时间吻合，但同期存在其他变更或平台波动，中间层证据缺一环 | 媒体稿同日集中上线 | 不可，只作过程指标 |
| E0 不可归因 | 只有答案曲线变化，无抓取或引用证据，采样次数不足 | 单次问答截图 | 不可 |
判定顺序固定为：**先看有没有对照，再看能不能分批，最后看中间层证据是否完整。**三问都过是 E3，过两问是 E2，只过一问是 E1。
这套等级还解决了一个现实问题——甲乙双方对"效果"的定义不一致时，等级比数字更容易达成共识。合同里写"提及率提升 10pt"必然扯皮，写"技术线改动达到 E3 且增量为正"则可验收，具体条款写法可以参考 GEO 服务合同里的 KPI 怎么定。
归因分解公式：把总增量拆成四项
总增量必须先减去平台波动，再在三条线之间分配，剩余项要显式写出来，不允许摊回任何一条线。
观测增量 Δ_total
= Δ_平台波动（对照组同期变化）
+ Δ_技术线（处理组−对照组分化）
+ Δ_内容线（批次错峰可辨识部分）
+ Δ_媒体线（残差）
+ ε_未解释
三条使用规则：
- **减法有顺序。**先扣平台波动，再扣证据等级最高的线，最后剩下的才归给最弱的一条。顺序反了会把噪声塞进最容易证明的那条线。
- **残差项归谁，就意味着谁只能拿 E1。**媒体线通常是残差承接方——它拿到的数字是"减完剩下的"，不是"证明出来的"。
- **ε_未解释 超过总增量 20% 时，整份归因作废。**说明变更登记有遗漏或对照组失效，此时任何分配都是编的。这是我们内部的硬红线。
三线并行时怎么拆：给每条线选对实验单元
拆分的关键是给每条线找到它天然能切开的最小单元，而不是硬套同一套实验设计。
内容线：以页面为实验单元，强制分批
把待改写页面按预期收益均衡分成 3 批，间隔 5–7 天上线。批次间隔要大于"抓取到首次引用"的中位耗时的一半，否则曲线会糊在一起。分批本身不增加成本，却能把内容线从 E1 直接抬到 E2。
分批时要按预期收益分层抽样，不能按上线难易排序。把最容易改的页面全放第一批，会让第一批的抬升被系统性高估，后两批看起来"效果衰减"，实际只是样本质量递减。
媒体线：以信源域名为实验单元，接受降级
媒体投放通常集中生效，很难分批。可行的做法是按域名而非按稿件计量：监测新增了哪些域名进入引用来源列表、贡献了多少次引用。这能证明"信源进入了检索池"，但证明不了"提及增量由它带来"。
媒体线大多数时候只能停在 E1，这是方法论的边界，不是执行不到位。唯一能抬到 E2 的做法是按话题错峰：把稿件分成两组主题，间隔三周投放，用主题维度的问题子集分别看抬升。代价是投放节奏被拉长，多数甲方不接受。
技术线：以目录或路径为实验单元，做交错发布
技术改动最容易拿到 E3。渲染方式、结构化数据、robots 规则这类改动，几乎都可以先在 A 目录上线、两周后再上 B 目录，B 目录天然成为对照组。
选目录时要保证两组的基线提及率和页面数量接近。用"次要目录先试点"的思路选 A 组，会让处理组本身就是低基线组，抬升幅度不可外推到主目录。B2B 场景下按产品线或应用行业切目录通常比按页面类型切更均衡，具体切法可参考 B2B企业怎么做GEO 里的内容分层思路。
一手案例：某工业 SaaS 品牌六周三线并行的归因拆解
案例背景：一家工业自动化 SaaS 厂商，2026 年 1 月 6 日至 2 月 16 日，六周内三线并行改动。监测口径为每周 2 次、180 个问题、DeepSeek/豆包/Kimi/通义千问四平台、每问题 3 次采样取多数，另设 40 个未改动问题作为平台波动对照组。
总体结果：品牌 AI提及率从 19.4% 升至 33.1%，增量 13.7 个百分点。三条线的负责人各自主张的贡献合计为 24 个百分点。
按四线对齐法与归因分解公式拆解后：
| 变更线 | 具体动作 | 实验设计 | 归因增量 | 证据等级 |
|---|---|---|---|---|
| 技术线 | 详情页改 SSR + 开放 llms.txt | A 目录 2/3 上线，B 目录 2/17 上线 | +4.1pt | E3 |
| 内容线 | 34 个方案页改问答式结构 | 分 3 批（1/6、1/13、1/20） | +6.2pt | E2 |
| 媒体线 | 3 篇第三方稿 + 2 个垂直社区问答 | 1/20 集中上线，不可分批 | +1.6pt | E1 |
| 平台波动 | DeepSeek 检索侧更新 | 对照问题组同期变化 | +1.8pt | — |
四项合计 13.7pt，ε_未解释 为 0——这是因为媒体线作为残差承接方吸收了剩余量，代价就是它只能标 E1。
三条关键证据：
- 技术线的交错发布是最干净的一段。 A 目录页面在 2 月 10 日前后被引用次数从 3 次升至 17 次，B 目录同期为 0 变化；2 月 17 日 B 目录上线后，B 目录在 2 月 24 日出现同形状抬升。处理组与对照组先后分化，构成 E3。
- 内容线靠错峰拿到 E2。 三批页面从上线到首次进入引用来源的耗时中位数为 11 天，答案曲线出现三次可辨识的台阶，顺序与批次一致。没有对照组，但错峰形状足以排除单一外因。
- 媒体线只能停在 E1。 3 篇稿同日上线且不可拆，同期又叠加了平台波动。可确认的是引用来源新增 2 个媒体域名、贡献 37 次引用；提及层面的 3.4pt 增量中，对照组显示 1.8pt 属于平台整体抬升，剩余 1.6pt 无法排除媒体与内容的交互作用，标注为相关。
四平台的表现并不一致，这是分平台拆开后才看到的：
| 平台 | 提及率变化 | 技术线响应 | 备注 |
|---|---|---|---|
| DeepSeek | 21.1% → 38.9% | 最快，SSR 上线 6 天后引用量跳升 | 同期叠加检索侧更新，需扣除 |
| 豆包 | 18.3% → 31.7% | 中等，约 12 天 | 对内容线问答式结构响应最强 |
| Kimi | 20.6% → 30.0% | 中等，约 14 天 | 引用来源里第三方媒体占比最高 |
| 通义千问 | 17.5% → 31.8% | 最慢，超过 20 天 | 窗口内仅捕捉到部分效果 |
**只做四平台加权总分，会把通义千问的滞后误读成"技术线在部分平台无效"。**分平台看曲线是判断"没效果"还是"没到时候"的唯一方法。
这个案例最反直觉的一点：投入占比最高的媒体线（约占预算 55%）拿到的是证据等级最低的结论。这不代表媒体没用，而是说明预算分配和证据可得性完全不相关——如果考核只认可归因结论，媒体线永远吃亏，指标设计时必须给它单列过程指标。
归因窗口怎么定：等太短会漏，等太长会脏
**窗口下限由链路耗时决定，上限由外部变更密度决定。**我们观测到的中位耗时是：抓取 1–5 天、进入引用来源 7–15 天、答案表述稳定变化 14–30 天，四段等待期串起来通常需要 3–5 周。
因此：
- 改动后不足 14 天就下结论，基本必然是 E0——链路还没走完，看到的波动是采样噪声。
- 超过 8 周仍未结论，期间大概率已叠加新的站内变更或平台更新，窗口会被污染。
- 实操建议把窗口固定为 4 周，并在窗口内冻结同一目录的其他改动。
冻结期是最难执行的一条。折中办法是按目录冻结而非全站冻结——保留一部分目录持续迭代，另一部分严格冻结用作对照。执行上要把冻结目录写进发布流程的检查项，否则第三周必然有人"顺手改一下"，而这种改动往往不会进变更登记表，等于直接毁掉对照组。
四个高频误判，每个都见过不止一次
**误判一：把单次问答截图当证据。**重复采样一致率只有 61%，截图能证明"出现过"，不能证明"稳定出现"。汇报里出现截图而没有曲线，直接按 E0 处理。
**误判二：把平台版本更新算成自己的功劳。**没有对照问题组时，平台整体抬升会被完整计入自己的增量。上面的案例里这部分是 1.8pt，占总增量的 13%。
**误判三：拿品牌词问题充数。**问"MaxAEO 是什么"当然会提到品牌，这类问题的提及率天然接近 100%。AI可见度的分母必须是无品牌词的品类问题、场景问题和竞品对比问题，问题集里混入品牌词会系统性高估效果。
**误判四：把引用来源变化当成推荐位变化。**被引用只说明你的页面参与了作答，不等于答案在推荐你。这两个指标要分开统计——我们观测到引用增长和推荐位增长的相关系数在多数项目里并不高，把它们合成一个"AI 可见度总分"会掩盖真实问题。
落地清单：一次可复盘的归因需要哪些字段
按下面顺序建表，最快一周可以跑通第一轮：
- 变更登记表：URL、变更类型、批次号、上线时间（精确到小时）、责任线（内容/媒体/技术）。
- 抓取日志留存：至少 90 天原始日志，按爬虫用途分类统计，区分训练类与检索类 UA。
- 问题集与对照组：处理问题 ≥120 个、对照问题 ≥30 个，对照问题在窗口内绝对不动。
- 采样规范：每周 ≥2 次，每问题 ≥3 次采样取多数，固定时段以降低时段偏差。
- 引用来源明细：记录到具体 URL 而非域名，标注是否属于本次改动页面。
- 分平台明细：所有指标按平台分列存储，禁止只存加权总分。
- 结论标注：每条结论必须带 E0–E3 等级，不带等级的结论不进复盘文档。
这套字段本身就是 AI品牌监测的最小数据模型，也是后续做 AI搜索竞品分析和 AI舆情监控的公共底座。第 6 项最常被省略，也最贵——历史数据一旦只存了加权总分，分平台的滞后差异永远补不回来。
常见问题
只有一个页面要改，还需要做归因设计吗？
需要，但可以简化。单页面无法做交错发布，最低要求是保留改动前 4 周的基线曲线和对照问题组，结论按 E2 上限标注。不要因为改动小就跳过对照组——平台波动对小样本的影响比对大样本更剧烈。
没有服务器日志权限，还能做 GEO效果归因吗？
能做，但天花板是 E2。缺 T1 抓取层意味着无法证明"改动被读取"，只能靠 T2 引用层间接推断。折中方案是用少量新建 URL 做探针页，通过它们是否进入引用来源来反推抓取情况，成本低且不依赖运维配合。
AI搜索排名和提及率涨了，但官网流量没动，算有效果吗？
算，但要换指标口径。AI 答案场景本来就存在大量零点击消费，流量不是唯一终点。建议同时看品牌词搜索量、直访量和线索表单里的"从 AI 助手了解到"选项，这三个是目前可得性最好的下游代理指标。想把提及增量折算成商业价值再核算成本，可参考 MaxGEO获客成本深度核算 的折算口径。
竞品同期也在做 GEO，会影响我的归因结论吗？
会，且影响方向不确定。竞品进入同一批答案会挤占位次，表现为你的提及率不变但排名下降。对照组能吸收这类竞争压力：如果对照问题组同期也出现位次下滑，说明是竞争加剧而非你的改动失效。这类干扰的识别方法与内容投毒、刷推荐等人为操纵的辨别有重叠，可参考 AI 搜索会被操纵吗的手法与防御分析。
归因结论和服务商给的报告对不上，先查哪里？
按四层顺序倒查，第一个对不上的层就是分歧点：先核对 T3 的问题集是否同一套（品牌词混入是最常见差异），再核对采样次数和取值规则（单次采样 vs 3 次取多数），然后核对 T2 是否记录到具体 URL，最后才看 T1。绝大多数分歧在 T3 口径层就能解释，不必怀疑数据造假。报告口径本身怎么核验，可参考 MaxGEO交付标准全解析。
多久做一次完整归因复盘比较合适？
按窗口节奏走，不按自然月走。4 周窗口 + 1 周结论期，即 5 周一轮是我们实际跑得动的最短周期。按月复盘的问题在于月末截断经常正好切在链路中段，导致每个月都在报"效果还没出来"。
学界有没有关于 GEO 有效性的公开研究可以参考？
有。普林斯顿等机构的 GEO 论文（GEO: Generative Engine Optimization, arXiv:2311.09735）在其基准上报告了最高约 40% 的可见度提升。需要注意的是，该结论来自受控基准环境，与真实商业场景的可迁移性有限——它证明的是"内容改写能影响生成引擎的引用倾向"这一机制存在，而不是任何单个品牌能拿到的具体增幅。把论文数字直接写进提案，本身就是一次归因误用。