GEO-060·第 05 期·度量与增长·60 / 132
从引用到成交:信任证据的转化链路
AI 引用涨了、订单没动,落差往往出在答案到结账之间的触点。本文给出品牌搜索、直接访问、自报来源三数交叉的读法,一套按订单去重的归因口径,以及一次两周就能跑完的小实验。
本期主线信任证据:评测、UGC 与第三方语料
五月第一周,一家做户外储能电源的出海团队开周会。运营贴出一张截图:在三个 AI 助手里问“房车露营用哪种电源”,他们的商品页被引用了六次,比上月翻了一倍。会议室里没人兴奋。后台订单和上月持平,品牌词搜索只涨了几个点,GA4 里来自 AI 域名的会话几乎可以忽略。老板问:那我们花钱做的证据,到底换回了什么?
引用只证明 AI 愿意用你的话,不证明买家愿意掏钱;要判断证据值不值,得把“被引用”接上品牌搜索、直接访问和结账前的自报来源,用一条按订单去重的链路来算账。
引用发生在决策上游
AI 答案把“做功课”压缩进了对话框。买家问三轮,心里就有了三五个候选,然后离开去搜品牌名、直接输网址,或者在平台里搜型号。点击消失在答案里,决策没有消失。
这条链路的错位,会带来两种相反的误判。只看会话和点击,会低估 GEO:买家明明是因为一段引用才记住你,最后却算进了品牌搜索或直接访问。只看引用次数,会高估 GEO:同一条引用可能落在“缺点”段,也可能出现在一个你根本不发货的市场。引用是证据被使用的信号,不是购买意图的信号。
中间还隔着一层筛选。AI 引用你的参数,可能只是拿你当对照——“A 牌标称 3000 次循环,B 牌 2000 次”——这句话对买家有用,对你未必有利。真正推动成交的引用通常有两个特征:带条件的具体数字,以及一句能被复述的差异。
三个数字,缺一个就会读错
单看任何一个指标都能讲出一个好听的故事,所以至少三个一起看,同向变化才算信号。
| 指标 | 它在回答什么 | 常见污染 |
|---|---|---|
| 品牌搜索量 | 有多少人记住并主动找你 | 投放、促销、季节 |
| 直接访问 | 有多少人跳过入口直达 | 收藏、邮件、暗社交、复制粘贴 |
| 自报来源 | 买家自己说怎么找到你 | 样本偏差、选项设计 |
品牌搜索最接近“AI 让人记住了你”,但它会被付费投放和促销污染,所以要分市场、分品牌词与品类词看。直接访问最容易被高估:链接被复制进聊天窗口、从邮件点开、从收藏夹进来,全都算 Direct;把它当成 AI 引荐的证据,是最常见的自欺。相关口径可以先看AI 引荐流量怎么和 Direct 区分。
自报来源最土,也最有效:在结账前或下单后问一句“今天是怎么找到我们的”,选项里明确写出“AI 助手”。它天然有样本偏差,回收率也不会高,但它能告诉你方向,而且能和前两个数字互相校验。
窗口与去重:一个买家不是三个会话
归因的第一个坑是窗口。AI 里的研究往往发生在购买前几天到几周,7 天窗口会漏掉一部分,90 天窗口又会把无关触点算进来。做法不是找一个正确数字,而是固定两套窗口——短窗看直接效果,长窗看影响面——并在报表上同时给出,口径写进文档,换人也不改。
第二个坑是去重。同一个人可能先在 ChatGPT 里问、再搜品牌、再用手机下单,三个会话会被算三次“AI 影响”。以订单为单位去重,比以会话为单位可靠:一个订单只归一次主来源,其余记辅助触点。跨设备仍然无解,所以要承认误差带,而不是假装精确。
第三个坑是口径漂移。这个月用“AI 域名会话占比”,下个月换成“引用次数”,两张图放在一起,结论一定矛盾。指标名字、窗口长度、去重单位,三样定下来之后,一个季度内不要动。
四步:把证据链接到订单
顺序是从触点到订单,不是从报表到报表。
| 步骤 | 做什么 | 谁来做 | 怎么算过 |
|---|---|---|---|
| 1 列触点 | 把近 30 天被引用的页面逐条标:有链接、无链接、正面、被当缺点 | 运营 + 内容 | 每条引用能指到一个具体页面和一句原话 |
| 2 加一问 | 结账前问卷加“AI 助手”选项,保留“记不清” | 前端 + 客服 | 回收率可看,选项不被默认勾选 |
| 3 定口径 | 短窗 7 天、长窗 28 天(按品类购买周期定),按订单去重,写进指标文档 | 数据 | 两个人用同一份数据算出同一个数 |
| 4 做对照 | 选一个市场、一个品类,两周只改一条证据 | 增长 + 内容 | 三个数字同向变化,或明确判定无效 |
第 4 步是唯一能证伪的环节,也最容易被跳过。改一条证据、留一组对照,比再加十篇内容更能说明问题。如果预算本身就在犹豫,先看信任资产的预算怎么分,把“买曝光”和“买证据”分开算。
判断标准只有一句:被引用的那句话,有没有下一页可去。没有链接的引用,价值取决于买家记不记得住品牌名;有链接的引用,才有机会被算进一次访问。
示例:一次两周的小实验
以下品牌、数字均为虚构,只用于演示怎么读。
一个做宠物饮水机的品牌(示例),在德国站把“水泵寿命”从一段散文改成一张带条件的数据表:测试水质、连续运行时长、失败判定。同时在结账前加了一个来源问题。
两周后的示例读数:品牌搜索从每天 40 次升到 44 次;问卷里选“AI 助手”的比例从 3% 升到 4%;订单从 120 单到 126 单。三个数字同向,但幅度都很小,正确结论不是“GEO 带来了增长”,而是“这条链路开始有信号,值得再跑四周”。
如果只有品牌搜索涨、订单不动,多半是记住了但没被说服,问题在报价或页面。如果只有问卷涨、品牌搜索不动,可能是选项引导,先改问卷。读法与AI 推荐你的四个信任前提里的自测是一套逻辑:先确认证据成立,再谈转化。
边界:这条链什么时候不成立
第一,成交几乎都在平台内。买家在 Amazon 里问、在 Amazon 里买,官网的链路再漂亮也接不上,这时要看的是 listing 侧的品牌搜索和复购。
第二,低客单、冲动型品类。买家不问 AI,问也不值得为几十块钱做三轮研究,证据链的投入产出不划算。
第三,品牌正处在差评扩散期。此时 AI 引用你,引用的是风险而不是卖点,该做的是公开修复记录,而不是算转化,处理方式见差评怎么处理,AI 才不放大。
第四,市场太小。回收样本撑不起比例,任何百分比都不稳定,只能定性判断方向。
第五,把归因当成证明。归因永远有误差带,它能帮你排序,不能帮你报销。用一个小数点后两位的 ROI 去申请预算,第一次复盘就会站不住。
这个月先做一件事:拉出近 30 天被 AI 引用的页面清单,每条标上“有链接/无链接”和“正面/被当缺点”,然后挑一条被反复引用却没有链接的证据页,在页面顶部加一句指向商品页的话。两周后再看品牌搜索和自报来源,度量与增长这条线会告诉你下一步该修哪一环。