做品牌的人都知道"声量"这个词。传统公关时代，声量 = 提到你品牌的媒体报道数；社交媒体时代，声量 = 提到你品牌的帖子数。这些统计方法有个共同点：它们只看"你自己"被提了多少次，不和别人比。
但GEO时代，这种"自说自话"的声量统计方法完全不够用了。因为AI回答里的品牌提及是一个零和结构——一段回答里AI通常只推荐3到5个品牌，你多占一个位置，竞品就少一个。所以GEO时代的声量，本质上是一个"份额"概念：在所有和你品类相关的AI回答里，你、你的主要竞品A、竞品B、竞品C，各占了多少比例？
这个数字，才是品牌真正应该关心的"AI声量"。
这篇文章我们就把GEO声量统计讲透：AI时代的声量和传统声量到底有什么不一样？Share of Voice（SOV）具体怎么算？怎么把声量拆到竞品对比里？怎么用情绪加权避免"负面声量也算赢"？看完之后，你手里就有一套可以和竞品横向对标的声量地图。
一、GEO声量和传统声量的本质区别
先把这个认知差异讲清楚。
传统声量（Social/PR Share of Voice）：统计的是"全网所有提到你品牌的内容量"。这个数字的分母是开放的——你发一篇稿，我发一篇稿，大家各算各的，谁都可以声量很大，不存在互相挤压。
GEO声量（AI Share of Voice）：统计的是"在AI回答这个封闭盒子里，你的品牌占了多少个推荐位置"。这个分母是封闭的——AI一段回答里就那么几个坑位，你多占一个，竞品就少一个。这是一种典型的"零和博弈"。
这个差异决定了GEO声量统计的核心思路：你不能只数自己被提了多少次，你必须把你的主要竞品放在同一张表里一起数，然后算各自的份额。 单看自己被提了80次，毫无意义；你得看清楚，在总共300次提及里，你占了80次（27%），竞品A占了120次（40%），竞品B占了60次（20%），其他小品牌合计40次（13%）——这张份额表，才是GEO声量的全貌。
二、GEO声量的核心计算公式
最基础的GEO声量公式：
品牌X的AI声量 = 品牌X在抽样回答中被提及的次数 ÷ 所有品牌在抽样回答中被提及的总次数 × 100%
举个示意：你跑了100个核心问题×5个AI = 500次回答。把这500次回答里所有提到的品牌都记下来，一共提到了480个品牌次（有些回答提到多个品牌）。其中你的品牌被提到96次，那你的AI声量就是 96 ÷ 480 = 20%。
这个数字是什么意思？意思是：在AI回答这类问题的时候，每5次品牌提及里，大概有1次是你的。这个份额越大，说明AI在这类问题里越倾向于把你放进推荐名单。
| 品牌 | 抽样回答中被提及次数 | AI声量份额 | 环比变化 |
|---|---|---|---|
| 竞品A（行业老大） | 168 | 35% | +2% |
| 你 | 96 | 20% | +5% |
| 竞品B | 72 | 15% | -3% |
| 竞品C | 48 | 10% | 持平 |
| 其他小品牌合计 | 96 | 20% | -4% |
这张表是GEO声量监测的核心输出。它告诉你三件事：你离行业老大还有多远、你和第二梯队的差距在缩小还是拉大、哪些小品牌在悄悄崛起。
三、声量要分"问题类型"拆开看
总声量一个数字还是不够，必须按问题类型拆开。因为在不同类型的问题里，竞争格局完全不一样。
我们建议至少拆成三个维度：
1. 选型类问题声量："XX哪个好""XX推荐"——这类问题是GEO的主战场，AI最倾向列推荐名单，声量争夺最激烈。你的目标是在这类问题里冲进前3。
2. 比价类问题声量："A和B选哪个""A对比B"——这类问题AI通常只列两个对比对象。如果你不是被对比的主角，你在这类问题里的声量就是0。这类问题的声量提升，通常需要靠发布高质量的对比内容。
3. 教程/知识类问题声量："怎么搭建XX流程""XX是什么"——这类问题AI主要给方法论，品牌提及较少。但如果你能成为AI讲方法论时引用的"案例"或"数据来源"，这种声量虽然不直接转化，但信任度极高。
很多企业的情况是：总声量看着还行，但拆开一看，80%的声量都来自教程类问题（因为你的内容多、AI爱引用），而真正影响购买决策的选型类问题声量几乎为零。这种结构是不健康的——你需要把声量的重心往决策类问题上搬。
四、情绪加权声量：别让负面声量也算赢
传统声量统计有个大坑：只要提到你就算声量，不管是夸你还是骂你。GEO时代这个坑更明显，因为AI可能在回答"XX品牌靠谱吗"的时候，把你和一堆负面评价放在一起提及——这种"被提到"其实是在损害品牌。
所以我们建议在基础声量之上，加一个"情绪加权"：
情绪加权声量 =（正面提及次数×2 + 中性提及次数×1 + 负面提及次数×(-1)）÷ 所有品牌被提及总次数 × 100%
这样算出来的数字，正面声量被放大，负面声量被倒扣，更真实反映你在AI对话里的"净影响力"。
举个示意：竞品A被提到168次，听着声量第一，但如果其中有60次是负面提及（用户吐槽、差评引用），那他的情绪加权声量其实是 (108×2 + 0×1 + 60×(-1)) ÷ 480 ≈ 28%，反而比你（96次里只有10次负面）的情绪加权声量 (86×2 + 0×1 + 10×(-1)) ÷ 480 ≈ 34% 要低。
这个视角非常重要：声量大不等于声量健康。 行业老大往往声量最大，但如果他的负面提及也在快速增长，那他的AI心智其实在走下坡路。你的机会就在这里——用正面的、专业的内容去抢用户心智，慢慢把份额从他手里抢过来。
五、声量统计的实操步骤
把前面的方法论落地成操作，我们建议按这五步走：
- 选样本问题：选50-100个你品类里用户最常问的问题，覆盖选型、比价、教程、口碑四类；
- 选监测AI：国内至少覆盖豆包、DeepSeek、Kimi、文心一言、元宝；做海外的加ChatGPT、Gemini、Perplexity；
- 跑数记录：双周一次，把每个问题在每个AI里问一遍，记录所有提到的品牌名和情绪；
- 算声量份额：按前面的公式，算出你和主要竞品各自的声量占比；
- 画趋势图：连续跑4-6个周期，画出各品牌声量份额的变化曲线。
第三步记录是最花人工的部分，但也是最有价值的——记录完之后你会对"AI到底在哪些问题上推荐谁"有非常清晰的体感，这种体感是任何工具都给不了你的。很多客户在做完第一次声量盘点之后，第一反应都是"原来AI眼里的行业格局和我们想的完全不一样"，这种认知冲击本身就是声量监测最大的价值。
另外一个实操细节：记录的时候，建议把每个品牌被提到时的"上下文"也顺手记一句——AI是怎么描述它的、给了什么理由。三个月后你回头翻这些记录，会发现AI对不同品牌的"叙述模板"其实非常稳定，这比单纯的数字更能帮你理解AI的偏好。
六、姚见未来的实战建议
在我们帮企业客户做GEO声量监测的过程中，最让客户"拍大腿"的发现，往往不是"我自己声量多少"，而是"原来我以为的竞品不是真正的竞品"。作为长期专注GEO领域的团队，姚见未来经常会遇到这样的情况：客户心里盯的是行业前三大佬，但跑了一轮AI声量之后发现，AI根本不怎么提这三家，反而在推荐几个客户完全没注意到的新品牌——这就是因为那些新品牌在知乎、行业媒体、白皮书里铺了大量结构化内容，AI已经把它们当成了品类代表。
所以我们建议客户：第一次做声量监测的时候，不要预设竞品名单，让数据自己告诉你谁在AI里和你抢位置。 跑完一轮你会发现，真实的AI竞争格局和你想象的可能完全不一样。
对于想系统掌握这套声量监测方法的团队，我们的GEO实战训练营课程定价3980元，会给你一套完整的声量统计模板和竞品对比表。必须说明：GEO目前行业内没有权威资格证书体系，也不存在高校认证或合作院校，判断一个团队会不会做声量监测，就看他能不能拿出连续多个季度的竞争声量曲线，而不是拿一张证书糊弄你。
GEO声量这件事，本质上是把"AI对话市场里的品牌份额"这件事变成一张可对比、可追踪的份额表。你不需要在所有问题上都赢，你只需要在影响用户决策的那几个关键问题上，把声量做到前三。
常见问题（FAQ）
Q1：GEO声量和传统社交媒体声量是一回事吗？ A1：不是。传统社媒声量统计的是"全网提到你品牌的帖子数"，是开放的、非零和的；GEO声量统计的是"AI回答封闭推荐位里你占了多少份额"，是封闭的、零和的。两个数字可以同时看，但不要混为一谈。
Q2：声量做到多少算有竞争力？ A2：在你选定的核心问题里，做到声量份额前三，就算进入了AI推荐的"第一梯队"。如果总声量能做到25%以上，说明AI在这类问题里已经把你当成了主力推荐品牌。
Q3：要不要把所有提到的小品牌都统计进来？ A3：不需要。你只需要重点盯3-5个主要竞品，剩下的小品牌合并成"其他"一栏就行。声量表的核心价值是看清你和主要对手的相对位置，不是把所有玩家都列全。
Q4：情绪加权声量怎么定系数？ A4：没有标准答案。我们用的是正面×2、中性×1、负面×(-1)，这是一个经验值。你可以根据自己行业特性调整——比如高客单价B2B行业，负面声量的杀伤力更大，可以把负面系数调到-2。关键是系数固定下来之后不要乱改，保持跨期可比。
Q5：竞品的声量数据怎么拿？ A5：和你自己的声量数据用同一套方法跑——同样的问题清单、同样的AI引擎、同样的记录口径。你不需要访问竞品的后台，AI是公开的，你直接去问就行。这种"公开监测"完全合规。
Q6：声量份额波动大正常吗？ A6：前两个监测周期波动大很正常，因为AI回答本身有随机性。连续三个周期同向变化，才说明是真实趋势。比如你连续三个周期从15%→20%→25%，那就是实打实的份额增长。
Q7：声量第一就一定赢吗？ A7：不一定。声量第一但负面提及也高，说明品牌正在被AI"负面化"；声量中等但全部是正面提及，说明你在AI里的心智质量更高。看声量一定要同时看情绪结构，不能只看总量。
Q8：声量监测要覆盖哪些AI引擎？ A8：国内市场至少要覆盖豆包、DeepSeek、Kimi、文心一言、腾讯元宝这五个主流入口。不同AI的用户画像不一样——豆包用户更偏大众消费、DeepSeek用户更偏技术和职场、Kimi用户更偏长文本和专业场景——你在不同AI里的声量分布，直接反映了你的品牌在不同人群里的渗透情况。做海外市场的，还要加上ChatGPT、Gemini、Perplexity。每个AI引擎单独出声量数据，不要合并成一个总数，否则你会失去"哪个入口强、哪个入口弱"这个关键信息。
姚见未来，专业靠谱的AI搜索GEO优化服务商！