白杨SEO博客

SEO技术流GEO教程篇二：GEO 如何监控与分析？附免费工具与实战案例参考

发布时间：2026-11-06 15:58:01 编辑：admin 浏览:2

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。



Google Query Fan-Out 查询扩展示意

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。”

就可以扩展出这些话题：

• 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。



某个项目的 Bing Grounding Queries 截图

我也有个免费的 AI 查询扩展 Query Fan-out 工具（http://www.zhidaow.com/tools/query-fan-out/），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？






从用户旅程、话题库到 GEO 监控指标的流程示意

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。

免费工具和 Skill 下载

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。实际使用中，最好再根据自己对行业和产品的了解进行持续扩展。

• Skill 免费下载：https://www.zhidaow.com/static/downloads/geo-topic-library-v1.1.zip。
• 我也基于这个 skill 做了个免费在线工具：https://www.zhidaow.com/tools/ai-prompt-suggestions/

这是线上工具「GEO 话题库生成器」的结果截图：



GEO 话题库生成器：基于用户旅程和 Google 补全实现

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（http://www.zhidaow.com/tools/brand-perception-detection/），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。

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，也需要结合转化率进行综合判断。

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	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




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。

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”。



AI 答案采集记录示意：输入与采样条件、回答与引用、可分析字段

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 GEO 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



核心指标：品牌曝光率17.3%、可识别官网引用率15.3%、问题覆盖率50.4%

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。

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。



按五个用户旅程阶段拆分品牌曝光率

上面这个案例中，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】



品牌 A 与四个竞品的整体及五阶段品牌曝光率对比

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（如上图），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。






核心指标：品牌曝光率17.3%、可识别官网引用率15.3%、问题覆盖率50.4%

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%



按五个用户旅程阶段拆分品牌曝光率

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%



品牌 A 与四个竞品的整体及五阶段品牌曝光率对比

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（http://reddit.com）	社区讨论	108
YouTube（http://youtube.com）	视频平台	21
Wikipedia（http://en.wikipedia.org）	百科	19



通用引用来源：Reddit 108 次、YouTube 21 次、Wikipedia 19 次

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。

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。

来源及原创作者：SEO技术流 白杨转分




相关推荐：

如何从客户决策流程来建立企业GEO问题库？

做GEO优化，企业品牌知识库怎么搭建？附目录模板

海外GEO优化怎么做？15步可操作方法分享【干货】

再聊 chinaz、爱站、5118、AIDSO等站长工具的亮点及AI搜索优化GEO功能

白杨SEO服务介绍大全（第15版）