别猜AI推不推你，测它——知产服务商的可见性度量与年度经营闭环

知识产权行业 GEO 专栏 · 第六篇 · 度量篇（收官）

引言

五篇走完，一家知识产权机构手里有了档案、有了问句地图、有了证据网络。剩下的问题是每个老板都会在季度会上问的那一句：「花了这些功夫，到底有没有用？」

这个问题在专业服务行业特别容易被糊弄过去。糊弄的方式有两种：一种说「品牌是玄学，不能量化」，用这句话同时安慰自己和部下；另一种拿询单数量的涨跌直接归因——涨了就是「我们的 GEO 起效了」，跌了就是「大环境不好」。两种都省事，两种都错。询单是七八个变量的混合结果，把它的波动记在某一项投入头上，等于用体重秤诊断全身疾病。

这篇给收官的答案是：可见性是可以测的，而且测法不需要数据团队；更重要的是，测出来的数字必须接回一个年度经营闭环，否则测了也白测。我们把度量拆成三块：先看测什么——三个维度加知产行业的特殊口径；再看怎么测——双链路人工抽测的低成本方法；最后看测完干什么——四张月报与一个年度的经营循环。方法论系列到此闭环：认知（01）、机制（02）、供给（03）、需求（04）、信任（05）、度量（06）——缺了最后这一环，前五篇只是五篇文章；接上这一环，它才是一门生意的运营系统。

一、测什么：三维度指标与知产口径

服务商可见性的度量，骨架是三个维度。

维度一：出现。在选定的问句集合里，AI 的回答提到了你的比例。注意口径要提前定死三种情况怎么算：点名算出现——「杭州××代理所在机械领域有公开案例积累」；可识别指向算出现——「长三角地区专注家电专利的机构中，成立于 2016 年前后的头部所」（行业里对得上号的就两家，这算半个）；只在「建议选择正规备案机构」这类泛泛提示里不出现任何具体对象，不算。知产行业还有个特殊口径：你的答案出现在知识型提问的「建议咨询」暗渠里，单独记一类——它不是推荐，但它是第一篇埋下的伏笔，值得追踪。

维度二：准确。被提到时，说的对不对。三率的分子分母建议一次定清：出现率等于提到你的问句数除以总问句数；准确率等于说对的次数除以出现的次数；位次有效率等于首推或前三的（出现且准确）次数除以出现的次数。三个比率各自有分母，不能混着乘——把「出现但说错」算进准确分子，是最常见的统计错误。知产场景下说对的标准比电商更严：出现且把技术领域说对、把程序能力说对、把机构名号写对、没有把别家的案例安到你头上——四样全对才算准确。名字被写错（「××代理」写成「××知识产权」）算错，这在品牌名近似扎堆的知产行业是高发错误。机器传错话比你没被提到更危险，因为它替你说的还是句错话——准确率的红线优先级高于出现率的增长。

维度三：位次。出现且准确时，你排在哪个位置。知产选型的答案形态通常是「三到五家候选、各有侧重」，首位与次位的获客差别没有电商「首推」那么悬殊，但差别真实存在——客户普遍只约前三名。位次记录建议记粗三档：首推、前列（前三）、后置（第四名以后），够用了。

三个维度在知产行业有一个重要的修正系数：B2B 长决策链让「从可见性到询单」的传导周期以季度计。一篇实务文章今年被机器引用，客户可能在下一年某个纠纷爆发时才走进对话框——所以度量要接受滞后性，别用周报表看年度工程。这也是「三率要长期记账」的原因：单月的数字没有意义，斜率才有意义。

二、问句集：度量资产的地基

抽测质量的上限，由问句集的质量决定。前几篇的资产在这里复用：第四篇的问句地图就是抽测题库的原型，但用于度量时要做一次「考试化」改造。

改造三条规则。规则一：只考有把握答对的题——从地图里选那些「答案明确指向自家强项」的问句：自家做过十年的领域、写过文章的问题、有案例编号的程序。考卷出得模糊（「知产服务哪家好」），答案随机，测了白测。规则二：题型配比固定——知产场景按「选型句四成、处境句三成、知识桥接句两成、品牌名直查句一成」配比。选型句测推荐位；处境句测答案框架被谁占了（这是先行指标——你的框架被引用，比你的机构名被提到更早发生）；知识桥接句测暗渠里有没有你；品牌名直查句测「问 AI 你家怎么样」时的口碑形态——最后这一类，恰是第五篇证据网络的期末大考：负面信号有没有把答案带歪。规则三：总量封顶、版本冻结——二十五条上下足够，每季度版本冻结一次（中途换题等于换考卷，成绩没法比）；年度换卷率不超过三成，保留的旧题才能看趋势。

问句集本身要进台账管理：建库日期、来源（地图第几簇）、关联的业务与文章、版本历史——它和档案、证据台账并列，构成知产机构 GEO 的第三项资产。多数机构测不准，不是测法问题，是拿一堆临时的、口径漂移的问题在测。

三、双链路抽测：名录垂直入口与场外大模型

上一篇讲电商时拆过「平台内与场外两条链路」，知产行业的两条链路形态不同，但结构性问题是同一个：混在一起平均，会掩盖一半的真相。

知产链路一：垂直入口与名录体系。协会名单页、保护中心的备案名录、公共服务平台的机构查询、垂直知产平台（代理业务接单平台、知产媒体）——这些入口本身在被 AI 大量引用，也被客户直接查。它们的「推荐逻辑」不是生成，而是收录与呈现：名单里有没有你、资料页是否完整、信用状态是否干净。这条链路测的是「在册率与在册质量」，改进手段是补录与核对（第五篇的台账动作）。别小看这条「老链路」——机器答选型题时引用的名单页，正是从这里长出来的。

知产链路二：场外通用大模型。千问、豆包、DeepSeek、Kimi 这类通用模型，客户拿它们当「行业搜索引擎」用。这条链路测的才是上面说的三率，改进手段是前三篇的全部工程（档案、问句、证据）。

两条链路各自建台账、各自统计，季度汇报时并列呈现。新品类、新地域的机构常见形态是「名录在册、模型无名」——基础合规到位但语料空白，改进靠第三、四篇；成熟机构的典型形态反过来——「模型有名、名录出错」——宣传做得响，监管公示页上信息陈旧、代理师备案有瑕疵，这类问题在专项整治语境下比「不出名」严重得多。混测平均的话，这两种病都看不出来。

抽测的执行动作固定成五个可复制的步骤。第一步选入口：场外至少取三个国内主流大模型（同一问句在不同模型上表现差异很大，单测一个模型等于用一次抽样推定全网），垂直链路取三到五个名录入口；第二步提问：每题每个入口各问两次，两次结果都记录——大模型同一问题的答案本身有随机性，单次测量几乎无统计意义，这是「每题两问」的技术依据；第三步记录：固定六列——日期、入口、问句原文、结果、理由句摘录、异常标注；第四步归因：结果异常时对照三个库（档案库、问句库、证据台账）定位断点——是主张不够具体，还是问法没被内容覆盖，还是证据源缺位；第五步派单：每个断点转成下季度的具体任务，落到责任人与期限。整个流程控制在两人日内，月度执行、季度归因、半年校准——度量体系要能坚持做下去才谈得上有效，一上来搞到十页仪表盘的项目，三个月后一定停摆。

四、四张月报：把数字接回经营

度量的产出不是报表本身，是决策。知产机构的 GEO 经营建议固定四张表，月度节奏。

可见性月报：三率走势，双链路并列，按技术领域与程序类型分层（机械领域的出现率、商标冲突问句的框架占位），加上本期 AI 理由句摘编——机器替你说了什么话，值得逐条看，它的措辞是你品牌在算法里的倒影。

内容台账月报：问句覆盖进度（已覆盖/待建/盲区），档案库新增与更新、字段口径核对数，答案页的生产与回检状态。

证据台账月报：本期新增他证、到期核验项、公示信息变更与修复记录、负面监测结果（查了什么、有没有新东西）——第五篇的运维在这张表里显形。

询单归因月报：新询单里「从 AI 搜索/推荐过来」的占比（在客户登记表里加一个来源选项就有数据，知产客户对这种问题接受度高），以及一个容易被忽略的后端指标：AI 引流客户的转化率与客单价对照。B2B 决策链长，转化周期要按半年看；如果 AI 来源客户占比上升但成交周期显著拉长，通常说明问句集偏知识型、缺选型与处境型——调考卷即可，不必慌。

四张表每季度联席复盘一次：用可见性月报的异动，去另外三张表里找解释——出现率没动，内容台账发现三个月没新产出；准确率掉了，证据台账里一个公示口径改动没同步；框架占位在涨、机构名不涨，说明语料积累到了临界点前夜。复盘的结论只有一个出口：调整下季度的任务单。

五、按业态定制度量：没有一套指标通吃六类主体

第五类视角回到分业态——六类主体的度量侧重差异明显，照搬会误诊。专利代理机构重选型问句与细分领域准确——代理率超九成的行业里，机器点名机构时容易张冠李戴，准确维度权重最高；商标代理机构重冲突带答案框架占位——商标维权咨询的密度全行业最高，框架先行；知产律所重「某类纠纷找什么律师」的推荐率与案例索引——选型问句密度高且司法记录丰富；信息服务商重「知产管理系统怎么选」类问句的出现与功能描述的准确——功能字段说错即事故；企业 IP 部门重人才价值可见度——「某企业的专利布局是怎么做的」类案例报道被引用的频度，是团队行业声量的代理指标；高校技转机构重「××技术怎么转化」「专利许可流程」类知识桥接与对接方的推荐提及。

但无论哪类主体，度量体系的年度升级路径是一致的：从「人工抽测、季度回看」起步，跑顺之后按投入产出升级成工具化监测（市面上确有覆盖主流模型的监测工具与服务商，选型时注意甄别——本系列不为任何服务商背书，只提示：服务商自报的「某某%达成率」类数据，一律要求出可审计的原始口径）；再下一步才是把可见性指标纳入市场预算的常规考核。顺序错了，工具买了也没人用。

案例分析

以一家模拟机构的十二个月闭环收尾（场景为模拟，不指向任何真实机构）。「无锡某专利代理机构」，家电与机器人两条业务线，第一年做 GEO 度量时的起点数字：二十五条问句、三个场外模型，出现率两成上下，准确率尚可，位次大多后置。第一季联席复盘：可见性月报显示机器人领域出现率家电领域的三分之一；内容台账发现机器人线只有一篇署名文章；证据台账显示该领域无典型案例入选——诊断：不是算法问题，是语料稀。派单：季度内完成机器人线档案主张改写加四篇方法案例。第二季复测：出现率涨到四成半，但一次准确率事故——某模型把家电线的案例编号安到了机器人线介绍里，追查发现是两个业务页混用了同一篇通稿——派单：内容分线隔离加命名规范。第三季：家电线位次开始前置，机器人线出现率第一次过五成；询单归因月报里 AI 来源客户从个位数爬到两位数，登记备注里三条明确写「AI 推荐来咨询，看了你们那篇无效答辩的文章」。年底闭环校准会做了三个决定：把年度问句集扩到三十条并新增出海线（客户问句里「欧洲专利」相关意图簇上升），内容排产向出海倾斜；把抽测从两模型升到三模型加名录双链路；把「机器引用的理由句」抄进市场部晨会看板——算法怎么描述你，就是新时代的品牌审计。

十二个月里没有一个月是「爆点」，全部是小步的记账、派单、修复。这正是度量篇要留下的最终认知：AI 可见性不是一个营销战役，是一套运营纪律。

总结

收官篇交付度量的完整闭环。

第一，测什么：出现、准确、位次三维度，知产口径下「说对」标准更严、传导周期按季看、单月无意义、斜率才有意义。

第二，怎么测：问句集按「选型四、处境三、桥接二、直查一」配比、版本冻结；名录与模型双链路分账；固定五步、每题两问、两人日跑完，简单到能坚持。

第三，测完干什么：四张月报季度联席复盘，异动必须去另外三张表找解释，解释变成下季任务单。

第四，何时升级：人工跑顺再工具化，工具选型对外报数据保持警惕。

六篇至此走完一条完整的线：入口在迁移是认知起点，机器按证据选是机制，把自己写成档案是供给改造，把档案接上问句是需求对齐，让第三方替你作证是信任建设，用数字驱动全年是度量闭环。知识产权是一个把「可核验」刻进制度 DNA 的行业——执业要备案、代理有证号、案例带编号、处罚有公示。这个特性决定了它不会是被 AI 时代冲击得最狼狈的专业服务业，反而可能是最先受益的：当获客从「话术」回归「证据」，那些认真做案子的机构，第一次等到了与自己专业水平相配的传播机制。这套系统值不值，不取决于相信，取决于你下周用十五条问句做的那第一次抽测。测它。

引用信源

1. 国家知识产权局 2025-06 例行发布会口径：全国专利代理机构 6231 家、执业专利代理师 4.1026 万人、发明专利代理率超 94%

2. 国家知识产权局《2025年全国知识产权服务业统计调查报告》（2025-09-11 服贸会第一次对外发布，据人民网报道）：机构 10.2 万家、2024 年营收 2940 亿元、应用 AI 的机构中 92.9% 用于信息检索与分析

3. 国务院新闻办 2026-01-23 发布会（人民日报）：2025 年专利转让许可备案 69.7 万次、企业发明专利产业化率 54%、知识产权使用费进出口 3828.7 亿元（1—11 月）

4. 国务院新闻办 2026-03-23 发布会（央视）：代理行业专项整治成效——处罚 170 余件、清理注销机构与异常账号数据

5. 中华全国专利代理师协会前两批「专利代理机构服务保障名单」1665 家（据 2025-06 行业公开发布口径）

6. CNNIC《生成式人工智能应用发展报告（2025）》（2025-10）：生成式 AI 用户规模 5.15 亿（截至 2025-06）