「给 SEO 的 GEO 教程」篇二：GEO 如何监控与分析（附免费工具、Skill 下载与实战案例）

前言

上一篇讲到了 GEO 目标怎么定，其中重点推荐了“内部目标体系”，就是自建话题库 / Topic 库，并对 AI 答案进行抓取和分析。

那如何收集话题，建立话题库，以及如何获取主流 AI 平台的答案，从而进行分析和洞察，本篇将重点说明这些问题。

一、搭建自己的话题库

用户的问法千变万化，如何收集话题

用户的提问千变万化，千奇百怪，而且涉及隐私问题，是没办法直接收集的。

我的建议是参考 AI 查询扩展环节中将原始提问扩展为多个子查询的思路，将收集和查询的重心放在子查询环节，即话题 Topic。

这张图片就解释了 Google 在查询扩展（Query Fan-Out）环节，如何对用户原始提问进行分析和扩展，拆分成多个子查询。

这样收集到的话题，一方面代表用户真实的、共性的需求，另一方面也命中了 AI 在查询扩展环节的子查询。

要注意，这里的查询扩展并不是在每次查询时实际抓取，而是让 AI 自己模拟出来的。

比如用户问：“咖啡机买半自动的好还是全自动的好，我想买半自动的，但是担心清洗不方便。”

就可以整理出这些话题：

• 咖啡机半自动好还是全自动好？
• 半自动和全自动咖啡机有什么区别？
• 半自动与全自动咖啡机的清洗难度有什么差别？
• 半自动咖啡机如何清洗？

顺便说一句，Bing 站长工具公布的 Grounding Queries，是 AI 检索被引用内容时使用的查询词样本，也可以作为补充话题的线索。

我也有个免费的 AI 查询扩展 Query Fan-out 工具，可以用来模拟查询扩展，生成初步的话题，欢迎尝试。

根据用户旅程整理话题【重点】

我推荐按照用户旅程来整理话题库，按照以下 5 个环节，覆盖用户在不同环节的需求。以家用咖啡机为例：

用户旅程	阶段说明与需求	话题示例
认知	入门选购 有没有必要、新手入门、有哪些类型、有什么用	家用咖啡机有必要买吗？ 新手家用咖啡机怎么选？ 家用咖啡机有哪些类型？ 家用咖啡机可以做哪些咖啡？
调研	功能与类型 类型区别、操作难度、清洁负担、可靠性	咖啡机半自动好还是全自动好？ 半自动咖啡机清洗麻烦吗？ 咖啡机容易有蟑螂吗？ 家用咖啡机容易坏吗？
比较	方案对比 品牌型号对比、预算、场景适用性、长期成本	德龙和铂富咖啡机怎么选？ 同样预算下，半自动和全自动咖啡机哪个更适合我？ 每天做拿铁，哪款咖啡机更合适？ 胶囊咖啡机和全自动咖啡机，长期使用哪个更省钱？
决策	购买顾虑 价格、渠道、口碑、售后、保修、退换	铂富咖啡机价格是多少？ 铂富咖啡机在哪里买靠谱？ 铂富咖啡机售后怎么样？ 铂富咖啡机保修覆盖哪些问题？
使用	维护保养 首次使用、清洁除垢、咖啡豆、故障处理	铂富 878 咖啡机清洗步骤是什么？ 德龙咖啡机如何使用和除垢？ 德龙咖啡机用什么咖啡豆？ 咖啡机不出水了怎么办？

按照用户旅程，可以更系统地覆盖用户在采购和使用阶段的主要需求和话题。分类时主要看提问目的，比如“清洗麻烦吗”偏购买前调研，“买回来如何清洗”偏使用阶段。

用户分层、使用场景等关键条件可作为细分标签，比如新手、家用 / 商用、预算等。

这里是我整理的 Skill，可以输入【产品关键词】生成初版的、基于用户旅程的话题库。最好再根据自己对行业和产品的了解进行持续扩展。

• 免费在线工具：GEO 话题库生成器。
• Skill 免费下载：下载 Skill 压缩包。

这是线上工具「GEO 话题库生成器」的结果截图：

品牌相关话题单独重点关注

品牌在 GEO 领域是非常关键的，需要让 AI 更好理解品牌，并保持准确的描述和良好的口碑，帮助用户做出选择。

第一篇就提到了品牌的“有、准、好”这 3 个层次。

可以使用我的 GEO 品牌问题生成器，来研究用户关注的品牌相关问题，以此来做覆盖。目前这个工具主要面向英文品牌名。

进一步还可以使用品牌口碑雷达，来分析品牌相关问题在 GEO 中的覆盖度、评价情况等。目前主要分析美国市场的英文结果。

品牌相关话题建议单独统计，避免问题自带品牌名，影响与非品牌话题的曝光率比较。

为话题补充需求来源、热度和业务价值

在话题库中，还需要补充一些字段，让这个话题库更加完整，具有实操性。

我建议补充以下字段：

• 提问热度：代表需求热度。比如 DataForSEO 的 AI Search Volume 就是算法估计值。热度也会随季节变化，比如黑五期间部分品类的需求会上升。
• 转化价值：结合产品适配、转化率、利润率等判断，CPC 单价可作为业务价值的参考指标之一。
• 需求来源：即这个话题是哪里收集的，如客户咨询、站内搜索、搜索工具、行业研究、AI 生成等。
• 其他指标：还有竞争度、用户意图等可以作为字段，就不一一解释了，跟 SEO 关键词的字段是类似的。

热度看需求规模，转化价值看商业价值有多大。 应该综合以上指标来制定优先级。

比如，与购买决策相关的品牌话题，热度可能不高，但转化价值较高，可以设为高优先级；一些宽泛的信息型话题，即使热度高，也不一定需要优先覆盖。

下面以咖啡机品牌自营网站为例。表格仅示意判断方法，热度和转化数据待补充，优先级是初步建议。

Topic	需求来源	热度及依据	业务价值判断	初步优先级
品牌 A 咖啡机在哪里买靠谱？	用户旅程推导	待补充搜索量或实际咨询记录	直接涉及购买渠道，与成交关系较近	高
品牌 A 咖啡机售后怎么样？	搜索词转化	待补充搜索量或实际咨询记录	影响用户对品牌的信任和购买顾虑	高
新手家用咖啡机怎么选？	Semrush 挖掘	待补充搜索量或提问量估计	能触达潜在买家，需结合主推产品的适配程度判断	中至高
家用咖啡机有哪些类型？	Ahrefs 挖掘	待补充搜索量或提问量估计	偏品类认知，适合较早接触用户	中
品牌 A 咖啡机如何清洗？	用户旅程推导，待验证	待补充站内搜索或售后咨询记录	对售后体验和客户留存有价值，不能只看直接成交	售后重点；获客优先级另评

注：以上图表只是示例。

二、持续获取 AI 答案

先确定监控范围和规则

首先，要确定 AI 平台、国家和语言、监控频率和每个问题的提问次数。

• 平台范围：可以先从 ChatGPT、Gemini、Claude、Perplexity 中，选择目标用户常用的 2～3 个平台，资源有限时先关注 ChatGPT。Gemini、Google AI Overviews 和 Google AI Mode 分开记录。
• 多次采样：每个话题要多次提问，而不是只看某一次回答。我同一个话题至少提问 5 次，通常提问 10 次。这可以作为起步采样量，重点话题还需要结合后续多轮监控观察稳定性。
• 定期监控：为保证监控结果形成趋势，我一般至少每周跑一次，形成趋势数据，判断变化情况。
• 保持可比：尽量固定同一批话题、平台和采集方式。日常采样用独立新会话，带上下文的多轮追问另行记录。

举个示意例子：同一批话题、同样采集条件下，品牌曝光率一个月后从 60% 变成 80%，就可以检查哪些话题发生了变化。这里的数字只是示例，前后变化也不能直接归因于内容优化。

在实施时，可以先覆盖核心业务和重点话题，再逐渐扩大范围。

第三方工具监控

第三方工具可以用来了解整体表现，或监控自定义话题，具体看工具提供的数据范围。

目前可以关注的工具有：Ahrefs Brand Radar、Semrush、Profound、Peec AI、Promptwatch。

其中 Profound、Peec AI、Promptwatch 更聚焦 AI 可见度监控，可以根据覆盖平台、采样方式、导出能力和预算来评估。

通过 API 自建监控【重点】

我比较推荐自建监控体系，用 API 来自主获取 AI 平台的答案。可以关注的 API 工具有 2 个：DataForSEO、Bright Data。

可以在自己的 AI 工具中做好配置，然后根据话题，自动查询各个 AI 平台并获取答案。

操作流程是：读取话题库 → 利用 API 提问 → 获取答案和引用 → 对答案进行分析 → 得到分析结论。

另外需要保留原始回答、引用链接、采集时间和失败记录，方便复查。采集失败要单独记录，不能当作“品牌没有出现”。

注意：要先确认一件事：获取的是 AI 产品网页端的回答，还是直接调用模型 API 的回答。两者不一定相同，监控时要明确记录，一般前者更贴近用户使用场景。

三、把答案整理成分析报告

这部分是把 AI 答案整理成报告，得到 GEO 的各种指标，从中洞察问题，方便后续分析和优化。

最简单的方法是“抄作业”，参考 Profound、Peec AI、Promptwatch 等平台的报告结构和分析维度。有了提问和答案，就可以让 AI 辅助整理；另外还需要根据业务来定制报告。

可以让 AI 来生成报表，同时整理出初步的分析结论。

以下是我整理报告的一些模块。

整体表现：品牌曝光率 / 官网引用率 / 转化数据

首先就是展示 GEO 的核心数据，比如整体的品牌曝光率、官网引用率，也可以连接 GA4，获取能够识别的 AI 引荐流量和转化。这样能看到 GEO 的整体过程指标和转化结果指标。

下面沿用上一篇的脱敏案例，并按文末复核后的统一口径展示：2026 年 9 月，135 条问题在 4 个平台各采集一次，得到 537 条有效回答。其中 93 条提及品牌，82 条记录到可识别官网引用，品牌曝光率是 17.3%，可识别官网引用率是 15.3%。另有 68 条问题至少出现过品牌提及或可识别官网引用，问题覆盖率是 50.4%。

核心指标图及统计口径见文末实战案例。

还可以引入热度和业务价值，对每个话题进行加权处理，得到加权后的曝光率和引用率，同时保留未加权结果作比较。

GA4 的引荐流量和转化单独展示，注意它只能代表 GEO 的部分价值。

用户旅程分析：哪些环节表现好，哪些存在缺口【重点】

按照用户旅程细分分析，可以看到品牌在不同环节的曝光、引用。这样可以知道在哪个环节有优势，哪个环节需要提升。具体图表见文末实战案例。

这个案例中，决策阶段的品牌曝光率是 60.9%（53 / 87），使用阶段只有 1.1%（1 / 88）。只看整体 17.3% 的品牌曝光率，很容易把这些差距盖住。

还可以具体分析，可以检查使用阶段有哪些话题没覆盖、AI 引用了谁。

竞争分析：同一批问题下，与竞手差在哪里【重点】

在同一批话题、相同采集条件下，可以从答案中采集到自己和竞手的表现，得到各自的品牌曝光率和官网引用率。

还可以把竞手分析和用户旅程交叉，分析各个环节的差距。这里的“份额”指这批监控话题中的可见度份额，不是市场份额。

也可以加入热度和业务价值做加权分析。比如项目 A 在“决策”环节曝光率高，说明它在购买决策相关话题中更容易被看到；项目 B 在“认知”环节高，说明它在品类认知话题中覆盖更强。

另外，同一条回答可以提到多个品牌，所以各品牌的曝光率相加，可能超过 100%。

引用来源：AI 在参考哪些网站和页面【重点】

可以从 AI 答案中分析这些问题：

• AI 实际引用了哪些站点，哪些最经常被引用？
• 被引用网站分别是什么类型，比如品牌官网、行业媒体、社区、YouTube 等？
• 经常被引用的页面讲了什么，哪些内容值得研究，是否有合适的内容合作或覆盖机会？
• 如果重点做 ChatGPT，可以单独分析 ChatGPT 的引用来源，看看经常出现哪些平台和页面。
• 找到自己被引用的具体链接，长期监控，并分析它们与用户问题的关系。

内容覆盖和追问：发现原文的补充机会

在获取各个话题的答案时，会发现一些未覆盖的机会点。比如“咖啡机容易有蟑螂吗”，可能就是一个之前未覆盖的冷门词。有些话题的竞争度低，可能只要发布内容就可以获得曝光和引用。

还可以借助答案中的追问，来作为原内容的提升方向。比如话题“新手家用咖啡机怎么选”，AI 答案中可能会继续追问“你的预算是多少，偏向半自动还是全自动，每天喝几杯”。这些追问提示了用户选购时需要明确的条件，可以检查原内容是否已经讲清楚。

追问的分析流程：获取 AI 答案 → 提取追问 → 判断原内容是否有缺口 → 列出建议补充的内容和话题。

具体怎么补充内容、怎么优化，留到下一篇展开。

品牌监控：有、准、好

品牌监控部分，主要分析品牌话题是否覆盖、描述是否准确、评价如何。

• 有：品牌是否被提及或推荐，官网页面是否被引用。
• 准：品牌、产品、价格、售后等描述是否准确。
• 好：品牌的整体评价如何，推荐或排除的理由是否有依据。

最后，其实还有非常多的细分分析机会，可以自己研究和尝试，也欢迎分享和讨论。

四、话题库和分析迭代

自建系统还可以一直迭代，这也是我推荐的理由之一。比如以下的迭代方向：

• 话题库迭代：补充新的话题。从客户反馈、新需求、竞品表现、引用来源和答案中的追问发现遗漏，并补充为新的话题。
• 话题字段迭代：更新热度和业务优先级。根据季节性、产品变化和业务反馈，调整 Topic 的热度与优先级。
• 保留可比较的记录：记录话题库的更新时间，尤其是较大更新；保留一组固定的核心话题观察趋势，避免把话题库更新误认为 GEO 表现变化。
• 报告迭代：加入更多细分模块，比如某个 AI 平台、类目、频道，甚至某个项目的细分报告。
• 指标迭代：根据热度、竞争度、业务价值调整权重。调整时记录版本，不把权重变化当成表现增长。

这样就可以形成一个自建系统的完整流程：

整理话题库 → 获取 AI 答案 → 产出 GEO 分析报告 → GEO 优化 → 迭代话题库和报告

五、实战案例：一个垂直电商品牌的 GEO 简版分析报告

说明：这是一个垂直电商品牌从话题库整理，到 AI 答案采集，再到 GEO 报告生成的整个过程。可以作为参考。

本报告已脱敏，品牌和竞品使用代称；引用来源仅公开 Reddit、YouTube 等通用网站。数据来自 2026-09-05 的历史采样，2026-11-05 按统一规则复核；不是优化前后的效果对照。

一句话结论：本次最值得继续排查的是使用指导类话题：品牌 A 在购买决策阶段出现较多，但在使用阶段的品牌曝光率只有 1.1%。下面将整体表现、竞品、引用来源和具体问题放在一起看。

采样范围

135 条问题，覆盖五个用户旅程阶段。通过联网模型 API，在 ChatGPT、Claude、Gemini、Perplexity 四个平台各查询一次，计划 540 条，实际得到 537 条有效回答（其实采集次数不够，如果每个话题采集 5 次，会更客观）。

1. 核心指标

分析结论： 品牌曝光率约 17%，可识别官网引用率约 15%，约一半问题至少在一个平台出现了品牌提及或官网引用。还有 67 道问题没有记录到这两种信号，是后续继续排查的范围。

指标	结果	统计口径
品牌曝光率	17.3%（93 / 537）	回答可见文字中出现品牌名称或已定义简称；仅网址出现不算品牌提及。
可识别官网引用率	15.3%（82 / 537）	已保存引用域名或正文明确链接中，能够识别到官网主域或子域。
问题覆盖率	50.4%（68 / 135）	同一问题在任一平台至少出现一次品牌提及或可识别官网引用。

2. 用户旅程：决策较强，使用较弱

分析结论： 决策阶段最强，品牌曝光率达到 60.9%；使用阶段只有 1.1%，调研阶段也只有 5.1%。使用指导和购买前调研，是下一步值得重点拓展的方向。

用户旅程	有效回答	品牌提及回答	品牌曝光率
认知	32	5	15.6%
调研	215	11	5.1%
比较	115	23	20.0%
决策	87	53	60.9%
使用	88	1	1.1%

接下来可以检查这些阶段具体缺在哪些问题，再判断是内容缺失、信息不充分，还是已有内容没有被采用。

3. 平台表现：曝光与引用分开看

分析结论： 本轮样本中，Gemini 和 ChatGPT 的品牌曝光率较高，分别为 25.2% 和 19.3%；可识别官网引用率则以 Perplexity 和 ChatGPT 较高，分别为 32.3% 和 17.0%。同一个品牌在不同平台上的曝光和引用表现并不一致。

API 平台	有效回答	品牌曝光	可识别官网引用
ChatGPT	135	26 / 135（19.3%）	23 / 135（17.0%）
Claude	134	15 / 134（11.2%）	10 / 134（7.5%）
Gemini	135	34 / 135（25.2%）	6 / 135（4.4%）
Perplexity	133	18 / 133（13.5%）	43 / 133（32.3%）

4. 竞品对比：同一批问题、同一种口径

分析结论： 在所选品牌中，品牌 A 的整体曝光最多，竞品 B 是所选竞品中曝光最多的。进一步拆分后，两者都在决策阶段最强，曝光率分别为 60.9% 和 42.5%；竞品 B 在认知阶段为 9.4%，优势并不集中在那里。

品牌	品牌提及回答	品牌曝光率
品牌 A	93	17.3%
竞品 B	57	10.6%
竞品 C	42	7.8%
竞品 D	35	6.5%
竞品 E	32	6.0%

还可以优先检查“出现竞品 B、没有品牌 A”的 9 条回答，其中 5 条在决策阶段，看看具体问题和引用来源有什么不同。同一条回答可以同时出现多个品牌，这些百分比不是市场份额。

5. 引用来源：找到值得继续核查的网站

分析结论： 公开展示的通用网站中，Reddit 的引用记录较多，YouTube 和 Wikipedia 也有出现。后续可以回到具体回答，检查用户讨论、演示视频和基础知识分别支撑了哪些信息。

来源	网站类型	保存的域名记录次数
Reddit（reddit.com）	社区讨论	108
YouTube（youtube.com）	视频平台	21
Wikipedia（en.wikipedia.org）	百科	19

这里只展示通用网站，垂直行业站点、品牌官网和专业零售商不在公开版列出。每条回答内同一域名只计一次，主域与子域分开；原始采集每条回答最多保存 20 个域名，因此这些次数不代表全量引用分布或信任分数。

6. 回到具体问题：从数据找到排查入口

分析结论： 购买问题已经能带来品牌曝光，但清洁问题尚未记录到品牌提及或官网引用。这个对比把“使用阶段较弱”落到了具体问题上，可以继续检查对应教程和被引用的外部内容。

下表是根据两条原始问题与真实回答做的中文泛化：

问题	本轮观察	下一步检查
去哪里可以买到经过专业调试的入门产品？	四个平台均提及品牌 A；其中三个平台可识别到官网引用。	品牌为什么在这个问题中出现？哪些服务信息和来源支撑了推荐？
怎样正确清洁这类产品？	四个平台均未记录到品牌提及或官网引用；其中一个平台引用了多类外部来源。	官网是否有对应教程，内容是否讲清步骤与注意事项，已引用来源提供了哪些信息？

7. 总结：主要问题与改善方向

本轮的重点是使用、调研阶段的曝光缺口，决策阶段的竞品差距，以及品牌评价问题覆盖不足。改善时先核查对应内容和引用来源，再安排补充与复测。

问题	本轮依据	改善方向
使用和调研阶段曝光偏低	曝光率分别为 1.1%、5.1%	逐题检查已有页面，再判断是否需要补内容或完善答案。
67 道问题暂无覆盖记录	未记录到品牌提及或可识别官网引用	按业务价值筛选，复查原答案和引用，确认具体缺口。
部分回答提及 B、未提及 A	共 9 条回答，其中 5 条在决策阶段	对比推荐理由和来源，检查自己的相关信息。
品牌问题覆盖范围较窄	只有 3 道比较题	补入口碑、可信度和售后问题，单独检查“有、准、好”。
引用来源的价值待核查	已记录 Reddit、YouTube 等来源	回查具体内容，再判断补内容或参与讨论的机会。
采样仍需完善	每题每平台仅 1 次，引用记录不完整	固定问题和入口重复采样，保存完整链接并解析跳转。

建议先做： 先补齐采集记录、复跑重点问题，同时检查决策阶段的竞品差距；再从 67 道问题中筛选业务价值较高的使用、调研需求，安排内容核查，并补测品牌问题。曝光缺口是排查入口，不能直接判定网站缺内容或不被 AI 信任。

Skill 下载

这份 GEO 报告的 Skill 也已上传，可以免费下载。

下一篇

从这一篇的 GEO 分析报告，就能发现很多问题和需要进一步验证的方向。

对于如何进行 GEO 优化，下一篇会重点来讲。

最后

• 你是否会感觉，这个话题库和答案持续采集，跟 SEO 关键词库和排名监控是类似的？
• 本文使用 ChatGPT 辅助整理和修改。
• 头图来自 aseelswaid9 在 Instagram 的作品。