衡量LLMO：引用率、提及密度与AI推荐转化

LLMO衡量是追踪AI系统是否引用你的内容、引用深度如何，以及这些引用对你的业务价值如何的实践。它取代了传统SEO的排名位置KPI，这些KPI在AI搜索中没有等价物：没有第1到第100位，只有被引用或未被引用。

衡量缺口

SEO衡量是一个已解决的问题：Google Search Console每天免费报告排名、展示量、点击量和CTR。LLMO没有等价工具。截至2026年，没有任何AI平台——OpenAI、Anthropic、Google或Perplexity——提供官方API来报告你的站点被引用的频率。

两个后果：

GA4推荐流量只是冰山一角。 当AI引用你且用户点击链接时，GA4会记录一次推荐。当AI引用你但没有人点击——这是大多数情况——任何你可见的地方都不会有记录。一个从未被点击的引用仍然将你定位为答案中的来源，并且这种效果会累积。
第三方追踪工具的数据差异极大。 一项受控比较将同一站点在15天内输入七个AI引用追踪工具，得到了七个不同的数字，从38到312——8.2倍的差距（完整记录，英文）。这种分歧是定义问题，而非供应商缺陷：工具在什么算作引用（带链接来源vs.任何品牌提及）、采样哪些LLM、采样频率以及采样语言方面存在差异。

由此得出的实用规则：在购买或构建任何追踪工具之前，用一句话写下你对”引用”的定义。 如果你关注归因流量，只计算带链接的引用。如果你关注品牌存在感，计算提及次数。这两个数字在不同定义之间不可比较。

三个核心指标

SOV（声量份额）和SOM（模型份额）等宏观指标告诉你整体AI存在感是否有所变化，但不会告诉你下一步该做什么。对于改进周期，分解为三个指标：

指标	衡量内容	单位	频率
引用率	AI在固定提示集上提及你的频率	%	每周
品牌提及密度	AI提及你时的深度	每千词提及次数	每月
AI推荐转化	AI推荐访问的价值	%	每月

三者共同覆盖频率、深度和价值——单纯的引用计数会将三者混为一谈。

1. 引用率

在你关注的AI平台上运行固定的10–20个提示集，衡量你的品牌或域名出现在运行结果中的比例：

引用率 = 提及次数（提示×平台） / 总运行次数 × 100

10个提示 × 5个平台 = 50次运行；12次提及 = 24%。

提示集必须保持冻结。LLM的响应是非确定性的——同一提示在不同日期会产生不同答案——因此单次检查就是噪音。在不变的提示集上追踪趋势至少4周，然后再从中解读任何信息。

2. 品牌提及密度

引用率是每次运行的二元值：提及或未提及。但引用的深度各不相同——“其他选项包括X”一带而过的价值远低于解释你方法的一个段落。提及密度衡量每1,000个答案词中品牌术语出现的次数：

def mention_density(answer_text: str, brand_terms: list[str]) -> float:
    total_words = len(answer_text.split())
    mentions = sum(answer_text.lower().count(t.lower()) for t in brand_terms)
    return mentions / total_words * 1000

一次深度引用通常胜过一堆浅层引用。密度是你看到差异的方式。

3. AI推荐转化

在GA4中，创建一个频道组（管理员→频道组），使用以下会话来源正则表达式：

chatgpt\.com|perplexity\.ai|claude\.ai|gemini\.google\.com|copilot\.microsoft\.com

然后将此细分的转化率与自然搜索进行比较。实测数据持续发现AI推荐访客的转化率是自然搜索的数倍——2026年行业数据报告为8–12% vs. 自然搜索的2–3%，我们自己的参考站点追踪范围为自然搜索的2–4倍（衡量设置，英文）。机制在于：向AI询问”X应该用什么”的用户比在Google输入关键词的用户在决策过程中更靠后。AI已完成研究；点击离决定更近。

已知盲点：免费版ChatGPT用户通常不发送referrer，因此他们的点击落入”直接”流量。你的GA4 AI数字是下限，而非上限。

三个实施层级

从与你资源匹配的层级开始；每个层级增加分辨率。

第一层：GA4频道组（免费，5分钟）

上述正则表达式。只衡量点击——冰山一角——但可验证，只需五分钟。

第二层：手动五平台协议（免费，每月30分钟）

在每月固定的一天，在ChatGPT、Perplexity、Gemini、Claude和Copilot上运行你的10–15个冻结提示。每次运行记录：是否提及（是/否）、上下文（推荐/比较/中性/负面）、准确性，以及是否提供了URL。计算引用率。手动且繁琐——但仍然是最可靠的方法，因为没有自动化工具能判断一次提及是推荐还是贬低。

第三层：通过API自动化（半天时间，约每月1–8美元）

手动协议的脚本化版本：

BRAND_TERMS = ["your-site.com", "Your Brand"]
CHECK_QUERIES = ["Best tools for <your category>", ...]  # 冻结集

def check(query: str, ask) -> dict:
    answer = ask(query)  # OpenAI / Anthropic / Perplexity API调用
    return {
        "query": query,
        "mentioned": any(t.lower() in answer.lower() for t in BRAND_TERMS),
        "density": mention_density(answer, BRAND_TERMS),
        "snippet": answer[:300],
    }

通过cron每周运行，追加到JSON或CSV时间序列。8–12周后，你可以将变化归因于具体干预：“添加结构化数据后，引用率从12%上升到28%“——这是第三层让你能说出的句子。

大多数站点忽视的爬虫信号

服务器访问日志已经记录了哪些AI系统访问你的内容——GPTBot、ClaudeBot、PerplexityBot和Google-Extended都在User-Agent中标识自己：

grep -E "GPTBot|ClaudeBot|PerplexityBot|Google-Extended" access.log \
  | awk '{print $7}' | sort | uniq -c | sort -rn

从未被爬取的页面无法从实时索引中被引用。爬取频率是间接但领先的指标：它告诉你AI系统在引用数据出现之前正在跳过哪些内容。

改进周期

没有行动的衡量是数据囤积。可持续的节奏：

每周（10分钟）： 检查GA4 AI频道和引用率变化；标记产生异常深度引用的提示。
每月（30分钟）： 审查提及密度趋势和AI推荐转化与自然搜索的对比；列出仍处于零引用的提示。
每季度（1小时）： 全面审查——更新查询集，检查内容变化是否产生了可衡量的变化。

优先处理零引用提示。将一个提示从0%提升到10%几乎总是比将30%的提示提升到40%更便宜，因为零通常有结构性原因——没有页面针对该问题，或者相关页面违反了知识清晰度或检索信号原则。

与LLMO Score的关系

本页的指标衡量结果：AI是否实际引用你。LLMOFramework Score衡量基础：你的站点的机器可读接口是否到位。基础检查是即时且确定性的；结果指标是缓慢且嘈杂的。两者都运行——用基础找出需要修复的内容，用结果确认修复是否有效。

检查清单

在采用任何工具之前，已用一句话定义”引用”
已写下并冻结10–20个查询的提示集
GA4已配置带有推荐来源正则表达式的AI搜索频道组
引用率按固定节奏追踪（每周或每月）
提及密度将深度引用与浅层提及区分开来
AI推荐转化与自然搜索对比，而非单独查看
已检查AI系统从未访问的页面的爬虫日志
零引用提示驱动内容积压