一个让你重新看待预算的事实

你做完上一课的合规清单 + 上上一课的发布策略后，准备开始投入。

服务商再次找上门：「我们的套餐保证你每月被 5 大中文 AI 引用 200 次以上，按每次引用平均带来 1 个新用户算，月新增 200 个用户，套餐 38000 元，性价比极高。」

这套话术里藏着一个量级错觉：它把"被引用次数"按 1:1 换算成"流量"。

实际数字：

  • 传统搜索：用户看排名结果，前 3 名 CTR 通常在 11-28%
  • AI 引用：Google AI Overviews 实测引用源 CTR 1-1.3%（中欧国际工商学院 2026 GEO 白皮书引用的数据）
  • 中文场景：大概率比 1.3% 还低，LLM 厂商均未公开具体数字

意味着：服务商给你算的"200 次引用 = 200 用户"，按 1% CTR 实际是 2 个用户。两个量级的差。

这一课讲清楚 3 件事：

  1. 被引用的两层价值：信号价值 vs 回流价值，服务商话术混淆这两件事
  2. 6 大中文 LLM 的引用形态：哪种引用更接近"流量"，哪种只是"曝光"
  3. 谁该投入 GEO，谁不该：按品牌阶段的 ROI 判断

被引用的两层价值

服务商话术里"被 LLM 引用"是个笼统说法，实际包含两层完全不同的价值。

信号价值

  • 用户看到品牌名 / 域名出现在 LLM 答案里
  • 即使不点击，也产生"知道有这个品牌 / 信源"的认知
  • 类似传统媒体广告的曝光维度
  • 可观测面：被引用次数 / 占比 / 在哪些 query 下出现

回流价值

  • 用户点击引用链接进入站点
  • 产生实际访问 / 购买 / 注册等行为
  • 可观测面：引用源 CTR / 点击进站后的转化率

两层价值可以独立存在

信号价值 回流价值 实际场景
高 低 被多次引用但 CTR 接近 0：用户在答案中已得到信息，无动力点击
低 高 很少被引用但被引用时 CTR 高：特定垂直行业 + 特定 query
高 高 理想态，但需要内容形态 + 引用形态共同支持
低 低 被忽视

服务商话术的核心混淆：把"被引用次数"当成单一指标，等于把信号价值默认转换成回流价值。

中欧白皮书引用的 Google 场景 1-1.3% CTR 恰恰提示：回流价值在 GEO 时代被显著压缩。把 SEO 时代"前 3 名 CTR 11-28%“的思维模型套到 GEO 上，是一个数量级的错觉。

关键概念：信号价值 ≠ 回流价值 被 AI 引用 100 次 ≠ 100 个新用户。两件事的换算关系取决于该 LLM 的引用形态、用户行为模式、查询类型，多数情况下转换率 < 1%。把"引用次数"作为商业价值指标是把曝光当流量的错觉。

6 大中文 LLM 的引用形态横向对照

不同 LLM 引用的"展示方式"差异很大，展示方式直接影响用户是否会点击。

LLM 引用形态 可点击性 元数据丰富度 是否带缩略图
豆包 上标编号 + 卡片化 卡片可点击 URL + 标题 + 摘要 + 来源 logo 是（抖音视频源带视频缩略图）
DeepSeek（联网模式） 上标编号 + 末尾列表 链接可点击 URL + 标题 否
文心 行内引用 + 末尾列表 链接可点击 URL + 标题 + 摘要 部分（百度系来源有专项卡片）
千问 APP 上标编号 + 链接列表 链接可点击 URL + 标题 + 摘要 部分（商品类带商品卡）
元宝 上标编号 + 卡片化（公众号源单独样式） 链接可点击 URL + 标题 + 摘要 + 公众号头像 是（公众号源带头像）
Kimi 行内引用 + 末尾列表 链接可点击 URL + 标题 否

关键观察：

  • 卡片化引用（带缩略图 + 摘要）的 CTR 通常显著高于纯文字行内引用：具体倍数中文场景未严格实证，但方向上"卡片更值得做"是对的
  • 豆包的视频源 + 元宝的公众号源是中文场景最容易触发卡片化的两个组合
  • DeepSeek + Kimi 引用最"中性”：纯文字行内引用，CTR 可能在所有平台里最低

中文场景的特殊路径：元宝 → 公众号"软回流"

中文场景有一个独有的现象：元宝引用公众号文章时，可在 APP 内直接调起公众号阅读，不跳出元宝。

这绕过了传统 CTR 测算逻辑：

  • 传统 CTR：用户从外部 URL 跳转进入你的站点
  • 元宝 → 公众号：用户在元宝 APP 内完成阅读 + 关注 + 互动，不需要跳出

这种"软回流"的商业价值不为零，但和 Google AIO 那套 1-1.3% CTR 完全不是同一回事，它是腾讯生态闭环的产物。

对内容方的实操影响：

  • 如果你的核心目标是被元宝引用 + 公众号增粉，这条软回流路径价值显著
  • 如果你的核心目标是独立站流量，元宝的引用对你几乎没有回流价值（用户在元宝 APP 内完成阅读后不会跳出去你的独立站）

用错指标的典型表现：用元宝场景下的"软回流"数据外推到所有 LLM。豆包 / 文心 / DeepSeek / 千问 / Kimi 全部没有这种路径，套用同样的乐观假设是错的。

谁该投入 GEO，谁不该：按品牌阶段判断

把"被引用 → 商业价值"的关系按品牌识别度展开，结果是非线性的。

按品牌阶段的 GEO ROI 判断
新品牌（无识别度）
用户在 LLM 看到品牌名记不住：曝光不构成商业闭环。GEO 投入主要在'积累实体识别'，是 18-24 个月的长周期投资。如果 12 个月内需要流量回报，别做 GEO 优先。
GEO 是品牌建设的低成本辅助，不是流量入口
中型品牌（部分识别度）
用户看到品牌名能记住，被引用产生品牌强化效应。GEO 仍然不是直接流量入口，但是辅助强化通道。建议 GEO 投入控制在营销预算 20-30% 以内。
信号价值大于回流价值
大型品牌（强识别度）
GEO 主要价值是防御：避免被竞争对手在 AI 答案里替代。投入应聚焦于'确保所有 query 下都被引用'的覆盖率，而非单次回流。
防御导向，覆盖率 > 单次效率
出海品牌（中文落地）
先做主体合规 + 平台主体认证（上一课讲过）+ 跨生态发布（§2 讲过）。GEO 在中文场景的转化效率比英文场景低，预算分配应保守。
先合规 + 信源覆盖，再谈转化
YMYL 持牌主体
边际 GEO 投入 ROI 反而高：固定成本（资质 / 合规）已沉没，多覆盖一个 AI 引用的边际成本极低，且品牌识别度已通过资质背书部分建立。
持牌主体的 GEO 边际成本最低
B2B / SaaS / 本地服务
按行业差异化判断：B2B 看知乎 + 行业垂直平台、SaaS 看 GitHub / 技术社区、本地服务看 LBS 类 query 的覆盖。各自有独立的 ROI 模型，不要用通用模型套。
按行业拆分，不要用通用 ROI

核心判断方法：你的 GEO 投入应该用什么指标评估？

  • 如果你能用"被引用次数 + 实体识别度 + 品牌覆盖率"作为指标，你应该做 GEO
  • 如果你只能用"流量 + 转化"作为指标，大概率你的品牌还在新品牌阶段，GEO 不是优先项

现在动手做一次"GEO 期望校准"

动手 5 分钟 不要等理论讲完，拿你自己的业务测算一下"按 1% CTR"假设下，GEO 到底能给你带来多少流量。

步骤（每步 1 分钟）：

  1. 估算你期望被引用的次数：6 大中文 AI 加起来每月被引用多少次？乐观估计 50-200 次（已有内容铺设的中型账号）
  2. 按 1% CTR 折算成回流：50 次 × 1% = 0.5 个用户/月；200 次 × 1% = 2 个用户/月
  3. 对比你的其他流量来源：你独立站现有月 UV 多少？公众号月新增粉丝多少？小红书月新增关注多少？
  4. 判断 GEO 在流量层面的占比：上面 GEO 折算的流量除以你总流量，通常是 < 1%
  5. 重新审视 GEO 的目标：如果 GEO 流量占比 < 1%，你做 GEO 的真实目标应该是信号价值 / 品牌曝光 / 跨 AI 实体识别，而不是流量

典型结果：你做完会发现 GEO 的流量贡献接近 0。这就是为什么"被 AI 引用 N 次 = N 个用户"是错误归因。

反话术：服务商常说什么，你应该警惕什么

反话术 #1：被 AI 引用 N 次/月 = N 个新用户/月
判定：❌ 量级错觉。
Google AI Overviews 实测引用源 CTR 1-1.3%，中文场景大概率更低（< 1%）。如果服务商按"引用次数 = 用户数"给你算 ROI，他在用 SEO 时代的 CTR 模型套 GEO 时代的引用形态。正确算法：被引用次数 × 实际 CTR（保守 0.5-1%）= 折算流量，再乘以转化率才是商业价值。多数情况下这个数字会让 GEO 的 ROI 看起来远比服务商承诺的低，但这是真实情况，让你做出诚实的预算决策。
反话术 #2：上标编号引用比卡片化引用更易触达用户
判定：❌ 与实际相反。
卡片化引用（带缩略图 + 摘要 + 来源 logo）通常 CTR 显著高于纯文字行内引用，豆包视频源 / 元宝公众号源是中文场景卡片化最强的两类。如果服务商承诺"做我们的优化能保证你的引用展示成上标编号形态"，这是把对内容方不利的形态包装成卖点。引用形态本身由 LLM 厂商 UI 设计决定，内容方不可控。你能影响的是触发哪种 query 类型（视频内容 / 公众号内容更容易触发卡片化）。
反话术 #3：被引用次数是 GEO 唯一核心 KPI
判定：⚠️ 单一 KPI 误导。
被引用次数是表层指标。真正决定商业价值的是：（1）在哪些 query 下被引用（决策类 vs 知识类）；（2）以什么形态被引用（卡片化 vs 行内）；（3）跨多少 AI 一致出现（多源覆盖度）；（4）实际 CTR（多数 LLM 不公开）。把"次数"作为单一 KPI 是服务商话术：容易刷（用同质化模板内容批量铺设可拉高次数但不带来商业价值），且与商业价值脱钩。

关键术语表

术语 解释 这一课怎么用
信号价值 用户看到品牌名 / 域名的曝光价值 类似品牌广告的曝光维度
回流价值 用户点击引用链接进入站点的流量价值 类似 SEO 时代的 CTR 流量
引用源 CTR LLM 答案里被标注的来源被用户点击的比例 Google AIO 1-1.3%，中文场景大概率 < 1%
卡片化引用 带缩略图 + 摘要 + 来源 logo 的引用形态 通常 CTR 显著高于纯文字
软回流 在 LLM APP 内直接调起内容阅读，不跳出 元宝→公众号是中文场景独有路径
量级错觉 把不同数量级的指标做 1:1 换算的错误 “被引用次数 = 用户数"是典型量级错觉

本课小结

  1. 被引用的两层价值不同：信号价值（曝光） vs 回流价值（流量），服务商话术混淆这两件事
  2. Google AIO 引用源 CTR 1-1.3%：中文场景大概率更低
  3. 6 大中文 LLM 引用形态：豆包 / 元宝最易触发卡片化（CTR 较高），DeepSeek / Kimi 最接近行内引用（CTR 较低）
  4. **元宝 → 公众号"软回流”**是中文场景独有路径，绕过传统 CTR 概念，是腾讯生态闭环的产物
  5. 谁该做 GEO：已有品牌识别度 + 能用品牌指标评估的；新品牌如果只看流量，GEO 不是优先项
  6. 不要把"次数"当单一 KPI：多数情况下次数和商业价值脱钩，容易刷且容易误导
  7. 乐观估算：50-200 次被引用月折算回流 0.5-2 个用户，GEO 流量贡献通常 < 1% 总流量

完成本课的下一步

立即去做（30 分钟）
1. 按"GEO 期望校准"步骤算出你 GEO 折算回流流量 vs 现有总流量的比例
2. 重新评估你 GEO 预算应该用什么指标考核：流量 / 信号 / 覆盖率
3. 如果你目前算下来 GEO 流量贡献 < 1%，把 GEO 的 KPI 从"流量"切换到"被引用次数 + query 覆盖率 + 跨 AI 一致度"

下一课预告：第 5 课「ICP 备案 vs 算法备案 vs 行业资质」。这一课讲完 GEO 的真实 ROI 后，回到上一课提到的 3 套合规体系，把它们逐一拆开看（哪些必做、哪些视行业而定、哪些根本不需要做）。

中文互联网篇 4/13 完成。如果你做完了 GEO 期望校准，你已经避开了 90% 的 GEO 服务商套餐陷阱。下次有人推销"被引用 N 次保证引流 N 人"，你能 30 秒内识别出量级错觉。

← 返回中文互联网篇目录