别猜AI推不推你的软件——软件可见性度量与经营闭环
软件行业 GEO 专栏 · 第六篇 · 度量收官篇
引言
五篇下来，认知、机制、档案、答案库、信任网络都就位了。最后悬着的问题是经营层面的一句话：这些事做了十二个月，怎么知道有没有用？
软件行业问这个问题的人，比别的行业更多，也更有条件回答它——因为这本来就是被数据喂养长大的行业。软件公司习惯给每个按钮做埋点、给每次转化算漏斗、给每个版本跑灰度。把同样的度量纪律对准「机器怎么看你」，是这个行业最顺手的动作，也是多数公司唯一没做的动作。
多数软件公司对 GEO 的现状是两种极端：要么完全不看，老板偶尔在对话框里搜一下自家产品，看到推荐了就安心、没看到就问责市场；要么看得太玄，把「AI 提及率」做成周报里一个来源不明的百分比。两种都不对。度量这件事，规格不用多高，但必须可复现、可归因、可行动——和你们做产品数据一样的三条标准。
这里要多说一句软件公司的职业病：这个行业埋点埋到像素级，却从没给「机器眼里的自己」做过埋点。原因是过去所有信息入口都是人——搜索、商店、榜单，人搜出来的东西厂商测不准，索性不测。对话框入口把这件事变可测了：买方的问题变成可存档的自然语言句子，机器的回答变成可抄录的文本，测量第一次成为可能。度量体系不用新建，把产品数据那套纪律平移过来就行：固定口径、固定频次、异常归因、趋势复盘。缺的从来不是能力，是这个对象有没有进你们的指标清单。
收官篇给三样东西：一把量尺（软件可见性的三维定义与自测方法）、三条链路（从产品语料到答案出现的通路断点排查）、一张闭环（把度量接回订阅制经营指标的十二个月行动地图）。
一、量尺：软件可见性的三个维度
把「AI 推不推你」翻译成人能考核的指标，拆成三个维度。
维度一，出现率。在给定的标准问题集下，机器答案里点名你产品的比例。这是广度指标。软件业的好处是问题集天然存在：第四篇的问句地图就是你的测评题——从头部问句里按三带抽样三十到五十条，固定问法、固定时间、多平台各测一遍，记录点名与否。出现率不追求高，追求可比：每月同题重测，看趋势。
维度二，准确率。机器提到你时，说的是不是对的。这是软件业必须单列的维度——产品能力被说错，比不被提到更危险。买方向机器要了候选，回头试用发现「支持对接」是旧版本功能，损失的不只是这一单，还有机器语料里新增的一条「厂商宣传与实际不符」。测法：把答案里关于你产品的每一句陈述拆出来，对照单一事实源逐条核对，错一条记一条，区分「过时」（曾经对、现在错）和「虚标」（从来不对），两者的处方完全不同。
维度三，位次与理由。在多款并列推荐里你排第几，以及机器给你的理由句是什么。位次反映证据链密度，理由句是免费的竞争情报——机器为什么推荐你？它引用的理由，就是你当前在语料世界里真实的人设。理由句和你想建立的人设不对齐（比如你想被记住「合规严谨」，机器总说「性价比高」），说明你的证据分布和你的定位叙事错位。
三维合成一个记分口径：出现率×准确率×位次质量，三样都进季度考核，权重按行业阶段调。软件业的经验排法是：先治准确（错比缺致命），再提出现（覆盖问句），后优位次（密度竞争）。顺序不能反——在错误信息上刷出现率，等于放大伤害。
自测有三个纪律性要求。同题同法：问题集、提问措辞、平台版本记录在案，否则趋势不可比。固定频次：每月一轮，别在发版后立即测然后按发版节奏解读。多人盲测：换人执行、结果合并，防个人措辞偏差。有条件上工具的，工具输出的「提及率」也必须能回溯到问题集定义，否则只是把拍脑袋外包了。
二、链路：三条通路的断点排查
量尺告诉你「有没有」，链路告诉你「断在哪」。软件企业的可见性生产走三条并行链路，每条链路都有固定的断点位置。
链路一，代码文档链路：产品能力 → 帮助文档与版本记录 → 被抓取 → 被模型吸收 → 出现在答案。断点高发在两处。抓取层：文档站是不是搜索引擎与 AI 爬虫友好——很多软件公司文档挂在需要登录的空间里，或前端框架渲染导致正文抓取为空，机器根本没拿到货。收录层：文档更新了，抓取快照还停在半年前，机器引用旧版能力。排查动作：用爬虫视角抓自己的文档站，核对核心页面的快照时效。
链路二，渠道节点链路：商店与云市场、社区讨论、评测报告 → 平台页面收录 → 模型引用。断点高发在口径与同步：商店页三年没动、评测引用的定价过期、社区里没人用你的标准话术描述产品。这条链路的健康度指标是「核心事实在几个独立节点上有同步记载」——回到第三篇的资产台账，同步节点那一列的覆盖率就是链路体检表。
链路三，大模型出库链路：模型已掌握你的信息 → 在回答选型问题时检索/推理命中 → 生成时点名。断点在匹配层：机器「知道」你，但在具体处境问题下不认为你匹配——因为你的档案里没有「适合谁」的条件描述，或者问句语言和你的页面语言没对上（客户搜「对账」，你只写「财务核算」）。这条链路的排查最朴素：把月度测评里「未出现」的问题逐条归因，是没收录、没证据、还是没匹配——三种断点分别回链到链路一、信任篇、第四篇。
链路视角还能纠正一笔常见的预算错配。没有链路归因时，可见性一低，团队的默认动作是加内容、加投放——但断点如果在抓取层，加多少内容都是往没通的水管里注水；断点在口径层，新增语料只会制造新的矛盾节点。正确的顺序永远是先修管道、再开水龙头。软件公司熟悉的比喻是：先查渲染和收录，再讨论要不要加新页面。把「未出现」的归因做成三选一并派工单，三周后重测同一批问题，改善通常先于任何投放出现在抓取与口径两条链路上。
三条链路的意义在于把「可见性低」这个笼统结论拆成可派工的工单：抓取问题找运维，口径问题找内容，匹配问题找产品市场。没有链路视角的度量，最后都变成市场部背一个说不清的锅。
三、闭环：接回订阅制的经营台账
度量如果不接进经营，就会在两个季度后荒废。软件业是订阅制主导，天然有一条现成的漏斗可以挂。
第一个接口，线索归因。给表单和试用注册加一个来源选项「从哪里知道我们」，把大模型单列。这是粗糙但有效的自报归因，行业里普遍会低估，趋势价值大于绝对值。配合官网文档站来源的访问日志，两条证据互相补盲。
补盲还有第三种办法：在试用引导流程里加一个不强制的单选题「你之前从哪里知道我们」，选项里把大模型单列。多一道自选动作，自报口径的信度会高一截——用户在决策之后的回忆，比决策之前的归因更诚实。
第二个接口，转化对照。机器点名带来的试用，和广告投放带来的试用，进同样的漏斗跑转化。多数软件公司跑完第一轮会得出一个扎心对照：AI 来源的试用转化率显著高于信息流广告来源——因为前者已经完成过需求理解和初步采信，带着具体场景来。这个对照的意义是预算再分配的依据，不是 PPT 里的亮点数字。
第三个接口，留存回环。订阅制的终局指标是续费率与扩展使用。机器语料影响获客，获客质量影响留存——把 AI 来源客户群的续费率单独切出来看，那是 GEO 投入的最终成绩单。更妙的是回环本身：满意的老客户在社区和商店留下真实评价，喂回信任网络，再影响下一批机器的推荐。订阅制软件公司的 GEO 闭环天然是个飞轮，只是多数公司从没量过它转没转。
第四个接口，台账归一。把三篇的资产台账、四篇的问句地图、五篇的证据网络体检、六篇的三维测评，合成一张季度经营表：核心事实的多节点覆盖数、高频问句答案覆盖率、证据网络健康分、可见性三维得分、AI 来源线索与续费对照。五行数字，五个负责人，每季一次复盘——这就是软件企业 GEO 的全套治理。
台账的另一个用处是抵御指标通胀。GEO 工作做久了，总有人往表里加新指标：语义相似度、内容质量分、模型引用预测值。判断标准只有一个——该指标能否回链到三维量尺或经营四接口之一。回链不上的一律不进台账。数字少而可行动，好过多而各说各话；这条纪律你们在产品数据治理里早写过，现在只是挪个地方用。单点动作不值得考核，台账趋势才值得。
十二个月的行动地图按季度铺：第一季度立尺摸底（问题集、基线、台账归一），第二季度补断点（抓取、口径、高频缺答），第三季度治准确与覆盖（错项清零、答案库扩面），第四季度看归因与定盘（线索对照、下年预算）。每季度末回看一次「本季度机器对你的理由句」——十二个月后，理由句的变化就是你花在所有前六篇里的钱的回报凭证。
案例分析
推演一个场景（模拟，不指向任何真实产品）。两家做协同办公工具的厂商都启动了 GEO 度量。I厂商的「度量」是老板每周手动搜三次自家产品名，看到在推荐里就放心；半年后预算被砍，理由「看不出效果」。J厂商按三维量尺建了四十条标准问题集，月度盲测，季度出链路断点工单：发现文档站核心页未被抓取（找运维开了静态渲染）、三条高频问句无答案页（内容组两周补齐）、机器理由句总写「界面好看」而定位叙事是「流程严谨」（证据分布错位，把审批能力的文档与第三方评测补了密度）。一年后复盘数据：出现率从三成到六成半，准确率的问题项清零，AI 来源试用占比自报口径升到一成五，且这批试用转化率与三十日留存都高于平均。J厂商的预算没被问过一次——每季那张五行台账，比任何一次老板的亲自搜索都硬。两家的产品差距也许一直不大，但一年后被机器描述出来的差距，已经很难追平了。
总结
收官篇把五篇的方法论收进一套可治理的系统。
量尺三维度：出现率、准确率、位次与理由句，合成口径按「先治准确、再提出现、后优位次」排序；同题同法、固定频次、多人盲测三条纪律保数据可比。
链路三通路：文档收录、渠道同步、出库匹配，断点各有归属，把笼统的「不可见」拆成运维、内容、产市场三张工单。
闭环四接口：线索归因、转化对照、留存回环、台账归一，把 GEO 从营销动作变成订阅经营的一部分；季度十二个月行动地图给了落地节奏。
六篇至此走完：入口迁移让认知归位，采信机制让方向归位，档案工程与问句地图让供给归位，信任网络让证据归位，度量闭环让经营归位。GEO 在软件行业从来不是一场投放，是一次信息工程的基建——产品本来就在改变世界的运行方式，现在轮到把「自己如何被世界知道」也重新设计一遍。机器已经站在了买方身边。你的软件要做的，是让机器说得出它。
引用信源
工业和信息化部《2025 年软件业运行情况》（2026-01-30 发布，据中国政府网、新华社、人民日报转载）：2025 年我国软件业务收入 154831 亿元、同比增长 13.2%；软件和信息技术服务业利润总额 18848 亿元、同比增长 7.3%
中国工信新闻网（2026-09-14 报道）：2025 年我国软件业务收入达 15.48 万亿元，为 2012 年的 6.2 倍，年均复合增长率 15.1%；截至 2026 年 6 月，我国日均词元（Token）调用量突破 500 万亿
CNNIC《生成式人工智能应用发展报告（2025）》（2025-10 发布）：截至 2025 年 6 月我国生成式人工智能用户规模达 5.15 亿人
工业和信息化部《「人工智能＋软件」专项行动实施方案》（2026-09-11 发布，据光明日报、新华网报道）：到 2028 年覆盖 2 万家规模以上软件企业，推动软件研发范式、产品形态、服务模式三大转变
开放原子开源开发者大会（据人民网 2025-11-26 报道）：我国活跃开源项目达 300 余万个，活跃开源开发者规模超 227 万人
