评估 GEO 不能只看点击，也不能只看品牌是否出现。应把 AI 可见度、回答中的品牌影响，以及询盘、销售机会和成交结果连成三层，再用 CRM 的自报归因和跟进记录补足数据盲区。
为什么传统流量报表看不全 AI 搜索
传统分析工具擅长记录“用户从哪个链接点进来”。但采购者可能先在 ChatGPT、Gemini、Perplexity 或其他 AI 答案中看到品牌，没有当场点击，过几天再搜品牌名、输入网址或从同事转发的链接进站。最后一次点击可能被记为自然搜索或直接访问，AI 在早期的影响却消失了。
对 B2B 外贸更是如此。一次采购往往要经过问题研究、供应商比较、内部讨论、询盘和多轮跟进。因此，“AI 引荐访问量”只能作为一个观察信号，不能单独代表 GEO 的业务价值。
第一层：先看目标问题下是否可见
可见度评估的起点不是随机搜品牌名，而是建立真实买家提示词库。从近期询盘邮件、销售电话、WhatsApp 对话和站内搜索中，提取客户询问选型、参数、应用场景、认证和供应商比较时的原始表达。这些问法比团队想象的“标准关键词”更接近真实搜索意图。
然后在主要 AI 平台分别测试，记录测试日期、市场和语言。每个问题至少要区分三种结果：品牌没有出现；品牌被提及但没有成为建议对象；品牌被当作信息来源或适配方案。同一问题在不同平台的结果可能不同，不应用单次回答代表整体表现。
- 提示词覆盖率：多少真实买家问题中出现了品牌或内容。
- 跨模型一致性：品牌在不同 AI 平台的描述是否准确、一致。
- 问题类型差异：品牌在哪些选型、对比或应用问题中更容易出现。
第二层：区分“被提到”和“影响选择”
品牌名出现不等于用户会进入询盘。团队还要检查 AI 在什么语境中提到你：只是列出一长串供应商，还是准确说明产品适用场景；只有品牌名，还是引用了官网上的产品、案例或技术说明。
这一层的重点是准确性、相关性和推荐语境。如果 AI 对企业的主营产品、服务市场或能力边界描述错误，应先修正官网的核心信息和内容证据，而不是追求更多模糊提及。引用量、品牌提及和情感可以监测，但不宜脱离询盘质量当作唯一 KPI。
第三层：在 CRM 里把 AI 触点连到询盘结果
一种可操作的行业通用做法，是在询盘表单加上“您是如何了解我们的？”，并将“AI 助手推荐”作为独立选项。对邮件、WhatsApp 和在线客服询盘，也可以由销售在首次沟通中自然地确认来源，再把结果写入统一的 CRM 字段。
自报归因不是完美答案，但它能补足自动分析工具看不到的无点击触点。同时保留首次落地页、来源渠道、客户询问的产品、国家或地区、跟进阶段和最终结果，才能判断 AI 触点带来的是普通浏览者、有效询盘还是真正的销售机会。
- 询盘层：AI 来源询盘数、有效询盘数与首次响应情况。
- 机会层：进入需求确认、样品、报价或其他明确阶段的客户数。
- 结果层：成交、输单及输单原因，用于校正后续内容和选题。
用一张月报把三层指标连起来
月度复盘不要把三层数据拆成彼此无关的图表。每个重点主题都可以按“买家问题—AI 回答—对应页面—询盘—销售阶段”建立一行记录。这样才能看出：某类问题的可见度上升后，相关落地页和询盘是否同方向变化。
要注意，这种同方向变化只是用于定位问题和安排后续测试，不能自动证明因果。数据量不大的外贸团队，可先用月度趋势、客户自报和典型客户旅程做定性验证；数据累积足够后，再考虑分组实验或更正式的跨渠道归因。
30 天执行清单
不需要等到完整的数据仓库建好才开始。先围绕一个重点产品或解决方案跑通最小闭环，比一次性测所有市场更容易得到可用结论。
- 第 1 周：从询盘、邮件和对话记录中整理一组真实买家问题。
- 第 2 周：在主要 AI 平台建立可见度、提及语境和引用页面基线。
- 第 3 周：在询盘表单和 CRM 中建立统一的 AI 来源字段，并明确由谁补录。
- 第 4 周：连接落地页、询盘质量和销售阶段，确定下个月要修正的一个内容缺口。
总结：GEO 的结果要回到有效询盘
识别 AI 搜索带来的询盘，不是寻找一个“绝对准确”的单一来源字段，而是用可见度、影响和业务结果建立证据链。前两层告诉你品牌是否进入 AI 答案，第三层才告诉你这些触点有没有变成值得销售跟进的客户。
询盘云的 GEO、独立站与外贸营销 CRM 服务，可用于协助企业梳理买家问题、内容可见度和询盘承接流程。更重要的是，把每一次内容调整与后续的询盘质量连起来，形成可持续复盘的获客闭环。