企业官网建设流程全解析

做营销度量这行快十年了，说实话，过去两年是我见过行业变化最剧烈的时期。以前我们聊MMM（Marketing Mix Modeling），核心就两件事：媒体渠道花出去的钱怎么摊到销售头上，以及下一波预算往哪放。但现在不一样了，用户的注意力正在大规模迁往ChatGPT、Perplexity这类生成式引擎，消费者在买东西之前，可能先去问AI“XX品牌和XX品牌哪个好”。这个变化直接冲击了传统MMM的根基，也催生了两个新的概念：GEO（Generative Engine Optimization，生成式引擎优化）和GEM（Generative Engine Marketing，生成式引擎营销）。

这篇文章要讲的，就是一套把GEO和GEM纳入传统MMM的因果推断框架。简单说，它解决的是这么一个问题：当用户通过AI生成的内容来了解你的品牌时，你怎么量化这笔账？怎么把“AI推荐了你”这件事，拆成可以优化、可以投放、可以验证ROI的营销动作？这个框架适合品牌方的数据科学家、营销分析团队，也适合做增长策略的操盘手参考。内容我会尽量讲得落地，从概念拆解、因果推断思路，到实操建模和踩坑记录都会覆盖。

1. 内容整体设计与思路拆解

1.1 为什么说传统MMM在生成式搜索时代“失灵”了

先回顾一下传统MMM的基本盘。经典的MMM模型通常长这样：

销售 = f(媒体支出, 价格, 促销, 季节性, 宏观经济变量)

其中媒体支出会经过两个关键变换：adstock（广告库存效应，也就是广告投放对后续销售的滞后影响）和saturation（饱和效应，也就是边际收益递减）。这套逻辑在传统媒体和搜索广告时代是成立的，因为用户的决策路径相对固定：看到广告 → 产生印象 → 搜索 → 购买。渠道之间的边界清晰，曝光和转化之间可以建立相对稳定的统计关系。

但生成式引擎彻底打乱了这个链条。用户在传统搜索引擎里看到的是10个蓝色链接，品牌可以通过SEO占位，也可以通过SEM买位。但在AI对话里，用户只得到一个自然语言答案。品牌没有位置可买，只能靠被提及。这意味着两件事：第一，品牌的可见度不再由广告位决定，而是由“AI是否愿意推荐你”决定；第二，传统MMM里的频道变量（TV、搜索、社交媒体）无法直接覆盖这种新触点，因为它们并不对应一个可购买的广告库存，而是一个不可控的生成结果。

这就是为什么GEO和GEM必须被单独拉出来看。GEO在你无法直接购买的前提下，通过内容优化、结构化数据、品牌语义关联等手段，提高品牌在AI答案中的被提及率和推荐质量。GEM则是当生成式引擎本身开放了广告投放能力（比如在答案中插入赞助内容或推荐链接），品牌可以直接出价购买的营销动作。两者虽然都发生在生成式引擎这个媒介里，但花钱方式、优化手段、度量逻辑完全不同，混在一起建一个模型，必然失真。

1.2 这套因果推断框架的核心思路：从“算总账”到“拆贡献”

传统MMM本质上是个相关模型：频道支出和销售走势在时间维度上高度相关，我们就认为存在因果。这在媒体渠道比较稳定时问题不大，但在GEO/GEM这种新触点里，相关性会骗人。举个例子：某个品牌的GEO优化做得很好，在AI答案里被频繁提及，同时这个品牌的内容团队刚好发布了一个新品系列。两个动作同时发生，销量涨了，到底是GEO的功劳还是新品内容本身的功劳？如果没有因果推断的框架，模型很容易把所有增长归因到GEO上，然后你照着这个结果把预算翻倍，结果下个季度什么都没发生。

所以这套框架的核心思路，是把GEO和GEM视为整个因果链条中的两个独立干预节点，用因果图（DAG）把混杂因素、中介变量和结果变量之间的关系画清楚，再选择对应的识别策略来估计它们的独立贡献。GEO的因果效应可以理解为“由于品牌在AI答案中的可见度提升而带来的增量销售”；GEM的因果效应则是“由于品牌在生成式引擎上的付费曝光而带来的增量销售”。两者之间有交互、有重叠，但通过合适的实验设计和计量方法，可以拆开算。

这套框架的价值不只是学术上的严谨，更在于预算决策的可信度。营销分析做到最后，所有人都在问同一句话：这个钱花得值不值？只有因果推断能给出一个足够硬气的答案。

2. 核心细节解析与实操要点

2.1 变量体系设计：GEO、GEM和业务指标之间到底该怎么连

因果推断框架的第一步不是建模，而是定义变量。你不可能把AI答案里所有的“提及”都当成一个信号，那样模型会学出一堆噪声。

在我的项目实践里，变量体系分四层。

第一层是结果变量（Outcome），通常直接落地到核心业务指标上。如果是电商场景，就是GMV、订单量；如果是内容平台，就是日活、使用时长；如果是SaaS，就是注册、试用转付费。这一层不需要多解释，就是业务的北极星指标。

第二层是干预变量（Treatment），也就是你要评估效果的GEO/GEM动作。GEO侧的干预变量不能简单地用“是否做了优化”来定义，它必须体现为可观测的变化。我常用的做法是把GEO干预拆成三个子变量：品牌在AI答案中的曝光量（即用户提问中包含品牌相关关键词的答案次数）、品牌提及的语境质量（即答案中提及品牌时是正面推荐还是中性列举）、品牌引用的权威信源占比（即答案引用官网/权威媒体次数）。GEM侧相对简单，就是生成式引擎广告的展示量、点击量、消耗金额，这部分数据在投放后台可以拿到。

第三层是关键中介变量（Mediator）。为什么传统MMM在新场景下不够用？因为它默认媒体支出直接作用于销售，但在生成式引擎里不是这样——GEO先影响品牌在AI答案中的可见度和推荐率，再通过这个可见度影响用户的认知和转化。这里的“AI答案中的品牌可见度”就是一个关键的中间变量。理解了这条链路，你就不会对上万个AI答案做粗暴的去重计数，而是去关注可见度结构的变化。

第四层是混杂变量（Confounder）。这是因果推断的灵魂。在评估GEO/GEM效果时，最常见的混杂因素是品牌自身的传播热度。品牌如果刚好有个爆款内容在社媒上火了，AI生成引擎也会更频繁地提及它，同时销量也在涨。这个时候如果你直接算“可见度和销量的相关性”，就会把品牌热度的效应算到GEO头上。我的做法是用全网品牌声量指数、自然搜索趋势、社媒互动量这套组合变量做混杂控制，它们能吸收掉大部分“品牌自己火起来”带来的干扰。

2.2 数据采集的坑：AI答案数据不能靠感觉收集

GEO效果的度量，最困难的部分是数据采集。传统MMM的数据可以靠广告后台和第三方监测解决，但AI生成引擎的答案数据有两个硬伤：一是不稳定，同一个问题今天问和明天问，答案可能完全不一样；二是非标准界面，你不能像抓普通网页一样直接抓取。

我用过的数据采集方案有三种，各有适用场景。

第一种是最轻量的方式：用官方API抽样。比如调用OpenAI、Anthropic、Perplexity等平台的API，定时批量灌入一组固定的种子问题（比如品牌词、品类词、竞品对比词），记录模型返回的答案，然后做文本解析，判断品牌是否被提及、提及位置、情感倾向。这个方案的优点是稳定可控，缺点是成本高，而且种子问题的覆盖面有限，容易漏掉长尾用户提问。

第二种是代理用户进行真实会话：招募一批真实用户，在不告知的情况下让Ta们日常使用AI搜索时截图或录屏，后端识别对话内容。这种方式最接近真实场景，但成本昂贵、样本量有限，适合做小规模验证，不适合做日常监测。第三种是浏览器插件采集，对技术力量要求高一些，适合在执行团队有工程资源的项目中用。

数据频率建议控制在每日一次或每周三次。过于频繁的采集会加剧API成本，也没必要——生成式引擎的搜索算法、推荐逻辑变动不会那么剧烈，太密的数据反而容易带入波动噪声。配合这些搜集来的数据，你还要记录采集时间、引擎版本、问题类型这些元数据，否则后期做历史回溯时，你根本不知道某段数据是在模型老版本还是新版本下生成的。

2.3 模型选型：为什么贝叶斯结构时间序列更适合这个场景

讲到底层的建模方法选择，很多人第一反应是“直接上深度学习”。但我的经验是，在营销度量的场景里，数据量远远不足以支撑深度学习模型的稳定性。你面对的数据可能是周粒度甚至月粒度，最多几百个样本点，再加上GEO/GEM这类新触点的数据量级更小，硬上深度模型，很容易过拟合到一个虚假的模式上。

更务实的选择是贝叶斯结构时间序列模型（BSTS）。这个方法的优势体现在三个方面：

第一，它天然支持干预分析。你可以把GEO优化上线当作一个干预点，比较干预前后目标变量的反事实走势和实际走势的差异。BSTS会在训练阶段建立媒体、季节、价格等因素对销售的影响规律，然后在干预期用这套规律预测“如果没有GEO优化会怎样”，实际值和反事实预测值的差距就是GEO的增量贡献。这种思路和因果推断里的合成控制法非常接近，落地性很强。

第二，它自带不确定性估计。传统MMM给出一个点估计，比如“电视渠道的ROI是1.8”，但贝叶斯方法输出的是一个分布，你可以直接回答“电视渠道ROI有90%的置信区间是1.5到2.1”。在预算决策场景里，这个信息太重要了——如果一个渠道的ROI区间跨度太大，说明结果还不稳定，不应该急着加预算。

第三，它可以灵活加入领域先验。比如你有证据表明GEM投放的decay速度比传统搜索广告慢，因为AI答案会在一段时间内持续被索引，你就可以在adstock参数上设一个偏慢的先验分布，让模型更快收敛到真实的延迟效应上。这是频率学派模型做不到的。

2.4 因果识别的三个策略：DAG、工具变量和边界约束

有了模型还不够，你必须在因果识别的层面给模型“松绑”。贝叶斯模型负责拟合，而因果假设决定了它在拟合什么。如果因果方向本来就搞反了，拟合得越好，错误越严重。在GEO/GEM项目里，我依赖三个策略。

DAG（有向无环图）的作用是把变量关系画成图，让你逼着自己交代清楚：GEO → 品牌在AI答案中的可见度 → 销量；品牌声量 → AI答案中的可见度；品牌声量 → 销量；GEM → AI答案中的可见度；GEM → 销量。画完这张图，哪些变量该进模型、哪些不该进模型、哪些要分别建模就清楚了。只要有一个箭头的方向画反，后文全部白搭。

工具变量的使用要格外谨慎，但在GEO场景里确实有机会。要找到一个变量只能通过品牌可见度影响销售、而不直接决定销售，确实不常见。GEM则更容易找到——平台促销活动的投放折扣、广告库存配额、外层创意素材的AB测试分组，这些和销售没有直接因果关系，但会影响GEM广告的展示量。用它做工具变量，能有效削弱广告支出与销售之间的双向因果干扰。前提是工具变量必须通过相关性检验和排他性检验，如果你的IV第一阶段的F统计量低于10，就别用了。

边界约束是我最后补充的一个策略。在GEO和GEM同时运行的情况下，两个干预变量不可能完全正交，它们是交叉的、相互影响的。因此我在模型里对它们的贡献设定了业务合理的边界：GEO的增量效应在成熟品类里不应该超过整体增长的40%，GEM在同样的成熟品类里不应该超过整体增长的60%。这些边界不是拍脑袋，而是基于行业benchmark和过去几轮实验的观测结果。有了边界，模型不会产生单点数据异动被无限放大。

3. 实操过程与核心环节实现

3.1 埋点与数据管道建设

用因果推断框架的前提是数据管道。你不可能等到项目启动之后才开始收集数据，那样基线就缺失了。

第一步，先把种子问题库建起来。按照品牌词和品类词两种粒度划分，品牌词是直接涉及你品牌名称的问法，品类词是不含品牌名但用户可能被推荐到你品牌的问法。种子问题的数量不需要太夸张，150到300个高质量问题足够覆盖主要场景，关键是要覆盖核心购买意图的词（比如“推荐一款适合油皮的防晒霜”）。

第二步，写采集脚本。下面这个是我在项目早期用的Python脚本框架，核心就两步：调API拿到答案，再把答案简化为品牌提及记录。

import openai import pandas as pd client = openai.OpenAI(api_key="your_key") questions = pd.read_csv("seed_questions.csv")["question"].tolist() records = [] for q in questions: resp = client.chat.completions.create( model="gpt-4o", messages=[{"role": "user", "content": q}], temperature=0.2, # 低温控制输出稳定性 max_tokens=800 ) answer = resp.choices[0].message.content records.append({ "question": q, "answer": answer, "mentioned": brand_name in answer, "ts": pd.Timestamp.now() }) time.sleep(1) # 控制频率 df = pd.DataFrame(records) df.to_csv("geo_signals.csv", index=False)

注意temperature要尽量低，否则同样的问题每次答案差异太大，你会分不清品牌提及率的变化是优化带来的还是随机性带来的。

第三步，搭好GEM数据表。GEM侧不用自己做埋点，投放平台通常提供API，把展示量、点击、消费金额按日汇总拉出来即可。要注意的是拉数范围必须包含未投放的日期，因为模型需要对照组的“0值”来估计无投放情况下的基线销售。

第四步，把这些表合并到一张宽表里。以日期为粒度，一列是销售/订单量，一列是GEO子指标，一列是GEM广告指标，剩下的是价格、折扣、节日、竞品投放、品牌声量等混杂变量。这张表就是之后模型训练和因果识别的基础。

3.2 建模：贝叶斯结构时间序列 + GEO/GEM变量

在数据就绪之后，我们开始搭生成式MMM模型。下面这个代码示例用的是PyMC，它是目前Python生态里最常用的概率编程库。

import pymc as pm import numpy as np def geometric_adstock(x, rate): """几何衰减库存函数，rate越高滞后越强""" n = len(x) out = np.zeros(n) for i in range(n): w = np.array([rate**j for j in range(i+1)][::-1]) out[i] = np.dot(x[:i+1], w) return out with pm.Model() as geo_mmm_model: # 媒体库存衰减率 geo_decay = pm.Beta("geo_decay", alpha=2, beta=2) gem_decay = pm.Beta("gem_decay", alpha=2, beta=2) # 广告库存变量 geo_stock = geometric_adstock(geo_visible_rate.values, geo_decay) gem_stock = geometric_adstock(gem_impressions.values, gem_decay) # 饱和效应（Hill函数或简单log变换） geo_sat = pm.math.log(1 + geo_stock * geo_lambda) gem_sat = pm.math.log(1 + gem_stock * gem_lambda) # 回归系数 beta_geo = pm.HalfNormal("beta_geo", sigma=1) beta_gem = pm.HalfNormal("beta_gem", sigma=1) beta_media = pm.Normal("beta_media", mu=0.5, sigma=0.5, shape=media_channels.shape[1]) # 基线 intercept = pm.Normal("intercept", mu=100, sigma=20) # 销售模型 mu = (intercept + beta_geo * geo_sat + beta_gem * gem_sat + pm.math.dot(media_channels, beta_media) + beta_trend * trend + beta_season * season) # 噪声 sigma = pm.HalfNormal("sigma", sigma=5) pm.Normal("sales", mu=mu, sigma=sigma, observed=sales) trace = pm.sample(2000, tune=1000, target_accept=0.9, random_seed=42)

这个模型的思路是：先把GEO可见度数据和GEM曝光数据通过adstock函数转成广告库存变量，再通过log变换模拟饱和效应，最后和传统媒体变量一起回归到销售上。跑出来之后，最值得看的不是系数本身，而是后验区间。

补充一个很实在的点：不要忘了给可见度、销售这类指标统一量纲。GEO的可见度可能是0到100的指数，而销售是几百万的数值，后者的尺度过大会直接影响MCMC采样效率。我的做法是全部做标准化，让所有变量的均值近零、标准差接近1。

3.3 用反事实对比把GEO/GEM贡献彻底拆清

模型跑完之后，我们还要做一次反事实推演，量化GEO和GEM各自的贡献。为什么非要多做这一步？因为回归系数表示的是“相关强度”，不代表“如果我把GEO预算停掉，销售会掉多少”。后者才是业务决策真正需要的信息。

具体操作分三条路径。

保留全模型预测（full model）：用训练好的后验分布，把GEO和GEM的数据都放进实际区间，得到销售预测序列。这是有干预的基准场景。

去掉GEO再预测：把GEO可见度序列全部置为0或者基线水平，其他变量不变，重新计算销售预测。然后计算“full model预测值减去无GEO预测值”的差值序列，这个差值的均值就是GEO的增量贡献。

去掉GEM再预测：同理，只是替换成把GEM曝光量序列置为0。

三条路径跑完，你会得到三组预测序列：包含全部干预的、去掉GEO的、去掉GEM的。组间两两相减，就能算出各自的独立贡献。这个贡献不是概数估算，而是每一个时间点、每一个样本都有明确对应的数值。

更关键的是贝叶斯方法的附赠品：不确定性。模型会把贡献估计的不确定性以分布形式呈现在你面前。如果GEO贡献的90%置信区间是-2%到10%，那你就得诚实告诉决策层，这是一个还不稳定的渠道。如果GEM贡献的90%置信区间是5%到25%，且下限不为负，那GEM才是当前值得加码的触点。在预算分配的讨论里，置信区间比点估计有用得多。

3.4 因果验证实验设计

模型终究是对真实世界的近似还原，所以因果模型搭建完毕之后，还需要用实验去验证它的推断是否站得住脚。这是整个项目中我自己非常看重、且往往被团队忽略的一环。

我个人的习惯是做一个“切换轮换实验”。假设你有10个市场（州或者城市），把它们随机分成两组。第一组先启动GEO优化、关闭GEM投放，第二组反过来，先启动GEM投放、关闭GEO优化。执行2到4周之后，两组动作互换，再跑同样时长。这样得到的观测数据兼顾了对比效应和对称性，两个干预变量的因果贡献都能获得有效样本，比单纯的“实验组vs对照组”更容易在比较短的观测周期内见效。

实验期间，模型的反事实预测依然在跑。等实验结束后，把实验结果和模型贡献预测放在一起对比：如果两者方向一致、量级接近，说明因果框架的置信度比较高；如果差异很大，就该回到DAG重新审视是否有没控制的混杂变量。

坦白说，实验不是每次都能做过，因为GEO优化的执行必须涉及内容修改和产品发布配合，品牌方不可能为了实验频繁开关内容。但哪怕每年只做一次实验，对校准整个模型体系的价值也是巨大的。

4. 提出可用的报告框架，并解决业务中的沟通难题

做完模型和实验，最后一步是向业务方沟通结论。这一步如果做得不顺手，前面所有技术动作都容易白费。我的报告框架一般切四块：

第一块是“本季度GEO/GEM整体贡献”。用柱状图展示GEO、GEM、传统媒体、基线四块对销售的贡献占比，并标出置信区间。让决策层一眼看到新触点在整个盘子里到底占多大分量。

第二块是“边际ROI与预算转移建议”。给出一条预算敏感度曲线：在当前支出水平下，再增加一单位GEO预算可以带来多少增量销售；GEM同理。两个渠道的边际ROI交叉点就是最优预算分配点。这块直接用模型的反事实推演来支撑，比任何图表都有说服力。

第三块是“Bit张图纠正预期”。一张图把“AI答案中品牌提及率的变化”和“销售变化”的时间序列叠在一起，让人直观看到两个信号的领先/滞后关系，帮助业务方理解GEO优化更像播种而不是收割——它需要时间发酵，效果不可能是立竿见影的。

第四块是“实验验证结果”。如果做了对照实验，就把实验观测值和模型预测值放在同一页报告上，标注一致性和偏差。这套设计传递出来的信息是：我们不是一个只拿计算结果说事的团队，我们认为这个数值必须能被实验检验。

最后分享两个沟通中的小经验。第一，不要用“相关系数”“后验分布”这种术语，决策层听不懂，你要换算成他们关心的语言：“如果下季度GEM预算增加20%，预计带来X%的增量销售，置信区间是Y到Z”。第二，不要只报喜也报忧，当一个渠道的置信区间太宽，你要主动说出来并解释原因——比如“GEO数据维度较短，需要再积累4到8周的数据才能收敛”。这样反而会提升整个分析团队在管理层眼中的专业度，也为下一次模型迭代争取到合理预期和持续投入。

5. 常见问题与排查技巧实录

5.1 数据稀疏与冷启动问题

新触点的历史数据都很短，GEO信号可能只有两三个月的日度数据，模型很容易学出过拟合的结果。我的处理方式是两个：一是降低数据的聚合粒度，从日度改成周度，牺牲一些样本量来换取稳定性；二是在模型里加入domain prior，把GEO的响应系数限制在一个合理范围（比如参照搜索渠道的响应弹性设先验），不让模型自由发挥。

如果数据真的少到建模都没意义，就退回到更基础的描述性统计加专家判断，用对比分析先把方向跑通。别为了建模而建模，数据不够时硬建出来的因果推断，反而比不建更有误导性。

5.2 生成式引擎版本更新导致度量断层

这是所有做GEO的人都会遇到的痛点：有一天你会发现品牌提及率突然大幅变动，不是你的优化起了效果，而是AI引擎调用了新模型。这种版本更新带来的断层，会造成伪干预信号。初期的排查方式是记录采集时的模型版本和引擎版本，并在数据表里加一列version标记。后续可用的手段是采用事件检测工具在时序里找断点，并判断该断点是否与模型版本发布时间吻合。一旦确认是版本切换引入的变化，就要对版本前后的数据分别建立基线，或者直接丢损坏窗口的数据重新建模。

5.3 GEO与GEM之间的自相蚕食

这个问题的本质是两种干预会抢同一块品牌可见度。GEO把品牌优化进了AI答案，但如果用户问问题时，答案底部的GEM广告也展示同一品牌，用户点击之后到底算谁的功劳？我处理这个问题的方式是定义好归因主导权：GEM广告的点击一次就算GEM的功劳，但GEO对品牌自然提及的贡献不会因为点击了广告而改变。在模型设计层面，两个变量都放进模型，让统计关系自动去分配贡献，而不是人为设定一个层级。

5.4 常见问题速查表

5.5 一些真正的避坑建议

第一，不要用SEO那套关键词排名思维来做GEO。SEO盯的是排名位置，而GEO盯的是“AI如何看待你的品牌”。前者是物理位置，后者是语义认知，优化方法论完全不同。第二，准备一个随时更新的提示词实验室。GEO优化需要频繁测试不同提示词下品牌的表现，手动一个个复制会疯掉。我用过一个简单的prompt实验管理表，每次记录问题、品牌是否出现、推荐理由，一段时间后能看出哪些内容调整真正影响了AI的推荐意愿。这个东西非常轻量，但日常实测下来，它对内容团队的调整方向很有参考价值。

第三，也是在项目过程中体会最深的一点：别高估AI推荐对短期销售的拉动，也别低估它对长期品牌资产的积累。AI引擎的答案会被用户复制、分享、二次询问，这种内容具有典型的“飞轮效应”。你现在做的GEO优化，可能在三个月后才会集中兑现。如果你的老板期望GEO优化后一周内看到销售数据上有明显变化，你要在项目启动前就把这个预期校正掉，告诉他这个渠道做的是品牌心智的基础建设。

个人实操体会

把GEO和GEM纳入因果推断框架，远不是写几段建模代码那么简单。它逼着你重新思考一个营销组织最底层的度量逻辑：当媒介不再只是一个可购买的广告位，而是一种可以被生成、被推荐、被讨论的内容生态，预算分配和效果评估的基础到底该立在什么之上。我这两年在这个方向反复实践，最大的收获是意识到GEO和GEM不是彼此孤立的渠道，而是同一套AI内容生态里可以互相喂养的齿轮。GEO积累的品牌语义资产，会拉低GEM投放的获客成本；GEM带来的点击信号，又会反过来强化品牌与品类关键词的语义关联，减少后续GEO的边际成本。单独的模型永远看不到这个循环，因果框架里把交互项放进去之后，这个正反馈才会显现出来。这也是我把框架和手法写下来的原因——希望别的团队不用再从头趟一遍这些坑。