Search Console 衡量网站在 Google Search 中的出现情况与用户点击频率;AI 监测则衡量特定助理在既定测试样本中给出的回答内容。向管理层解释成效时,务必将两者的计算单位与分母分开处理。

本指南将拆解各个报表层级实际衡量的内容、通过一个连贯的模拟 B2B 案例进行说明,并提供一份可直接带入季度规划的单页计分卡。

1. 传统 SEO 报表衡量的内容

使用 Search Console 追踪 Google Search 表现,并以 GA4 衡量网站上的实测行为;至于哪些流量最终转化为潜在客户,则通过 CRM 进行核实。

Google Search Console:搜索结果行为

Google Search Console 负责回报网站资源在 Google Search 结果中的表现。根据 Google 的 Search Console 成效说明文件,其核心指标追踪的是进入网站前的搜索互动:

  • 查询(Queries): 用户在 Google Search 输入、并为网站带来曝光的搜索字词(受隐私权门槛限制,罕见或敏感查询会被省略)。
  • 曝光(Impressions): 网站链接在 Google Search 结果中向用户显示的次数,具体计算方式视结果类型与卷动规则而定。
  • 点击(Clicks): 用户点击搜索结果链接,并离开 Google Search 前往你网站资源的次数。
  • 点阅率(CTR): 点击次数除以曝光次数。
  • 平均排序(Average Position): 每当网站在搜索结果获得曝光时,其所占据最顶端排序位置的数值平均值。

GSC 能告诉你 Google 是否展示了你的网页,以及搜索者是否选择点击,但它对网页载入之后发生的事一无所知。

Google Analytics 4:站内工作阶段与重要事件

当用户抵达网站后,衡量工作便转移至网站分析。当网页妥善设置 GA4 后,系统会追踪站内的用户行为:

  • 工作阶段(Sessions): 在既定的工作阶段逾时区间内,于网站或应用程序上发起的造访。
  • 重要事件(Key Events): 你特别设置并标记为对业务至关重要的动作——例如提交产品示范申请表单,或下载需填表解锁的规格文件。在目前的 GA4 术语中,Google 将重要事件定义为衡量对业务成功特别重要之动作的事件(取代了过去标准行为报表中使用的「转换」标签)。

GSC 的点击次数与 GA4 的工作阶段计算的是不同层面的数据。点击可能发生在分析代码载入之前;此外,同意设置、代码埋设与归因模式,也都会影响 GA4 实际记录到的内容。

2. AI 搜索监测衡量的内容

AI 监测工作流程并非被动观察公开流量的记录,而是按固定排程,在目标 AI 界面上执行一组受控且与买家相关的提示词,并评估生成的回答。核心指标包括:

  • 抽样品牌提及(Sampled Brand Mentions): 在测试执行的提示词次数中,生成回答出现你品牌名称的比例或次数。
  • 来源引用(Source Citations): AI 回答中明确包含指向你域名(或介绍贵公司的第三方评测与目录页面)链接或来源标注的频率。
  • 事实准确度(Factual Accuracy): 生成内容中关于产品功能、系统整合、服务涵盖地区或定价方案的叙述,是否与你目前的公开说明文件相符。
  • 竞争对手出现情况(Competitor Appearances): 在同一组提示词样本中,有哪些竞争品牌与贵公司一同出现(或取代贵公司出现),以及模型如何描述它们的优势。

由于 AI 模型具有机率性质,且对提示词措辞、地区设置及检索更新相当敏感,这些数据代表的是在既定测试样本中的表现,而非全球买家对话的普查结果。

3. 双管道比较:单位、分母与有效结论

为了看清这些管道如何并列查看而不混淆其计算逻辑,请参考一家假设公司:Northbridge Freight Cloud,这是一家向中型物流运营商销售产品的模拟 B2B 仓储管理软件供应商。

以下是一份模拟的 90 天报表快照(Q1),比较 Northbridge 的自然搜索报表、站内分析、CRM 记录与抽样 AI 监测数据。

报表来源指标(模拟 Q1 区间)单位与分母资料类型可用于预算与运营的有效结论无效结论(应避免)
Google Search Console48,000 次曝光;1,440 次点击;3.0% CTR;平均排序 6.4显示与被点击的搜索链接/已记录的 Google Search 曝光次数观测到的搜索平台行为Google Search 在此区间记录到 1,440 次点击,最顶端平均排序为 6.4。「平均排序 6.4 代表 AI 摘要或聊天机器人将我们排在第六顺位推荐。」
GA4(已设置且获同意)1,180 个自然搜索工作阶段;32 次 demo_submit 重要事件已记录的工作阶段与已设置的重要事件/已同意追踪的自然搜索工作阶段观测到的站内用户行为追踪器在 1,180 个自然搜索工作阶段中记录到 32 次表单重要事件。计算工作阶段转换率时,需统计发生该事件的不重复工作阶段数。「有 260 人在 GSC 点击后立刻跳出」(忽略了拒绝 Cookie 同意设置的情况)。
CRM(直接业务记录)26 个合格销售机会(自由填答栏位中,19 个提及「搜索」,4 个提及「ChatGPT/AI」)已核实的销售管道记录/进线表单提交总数直接业务记录买家在研究阶段同时使用搜索引擎与 AI 工具,即使最终接触点网站分析将功劳归于自然搜索或直接流量。「本季在我们的市场中,只有 4 个人使用 AI 研究仓储软件。」
AI 搜索监测(抽样)90/300 次提及(30%);36/300 次域名引用(12%);14 则回答含有不准确的 ERP 叙述;RivalX 出现在 165/300 次执行中(55%)包含该属性的回答数/300 则已完成回答(50 组提示词 × 6 次执行,本例中全数完成)抽样 AI 输出结果在我们的 50 组买家提示词评量表中,RivalX 被点名的频率几乎是我们的两倍,且有 14 则回答错误陈述我们的 SAP 整合功能。「30% 提及率代表我们拥有 30% 市占率,或获得了 90 次网站造访。」

4. 诊断实战手册:何时该使用哪份报表

在技术 SEO、漏斗底部页面转换、数位公关与产品说明文件之间分配季度营销预算时,每份报表都能诊断出特定的失效模式。

有点击却无洽询

使用 Search Console 检查查询意图。若已设置 GA4,请查看其中的表单事件,并与 CRM 的结果比对。在重新设计洽询表单之前,请先测试表单是否运作正常。

AI 产品事实有误

储存该则回答及任何来源链接。请产品团队确认该项功能,接着修正含糊或过时的说明文件。重新测试相同的提示词并记录结果。

有提及却无自有域名引用

打开系统显示的来源,并与你自己的网页进行比对。检查买家是否能针对该项任务找到清晰、最新的参考页面。观测到的品牌提及,并不能作为网站获得造访的证据。

5. 提示词、搜索、造访与潜在客户:尊重归因限制

  1. 切勿从抽样提示词外推整体市场数据: 如果你在三个 AI 平台上监测 50 组高意图提示词,40% 的提及率仅代表你的品牌出现在该特定测试集的 40% 回答中。你不能将该百分比乘上假设的产业提示词总量,借此宣称总市场触及率。在封闭的 AI 生态系中,并不存在等同于搜索广告关键字规划工具的公开、已验证提示词量记录。
  2. GA4 看不见的零点击研究: 物流总监可能会请 AI 助理将十家供应商筛选至三家,在未点击任何来源引用的情况下读完摘要,并在两天后于 Google 输入「Northbridge Freight Cloud」——或直接在浏览器输入 URL。视路径与归因设置而定,GA4 可能会记录为一次自然搜索或直接流量工作阶段;若用户点击了 Google Search 结果,GSC 则可计入一次点击。但这两项工具都看不见先前由 AI 完成的初选名单步骤。
  3. 同意设置与参照网址剥离: 即使用户在 AI 界面内点击了引用链接,参照网址标头(Referrer headers)也未必能完整传递;此外,同意设置与技术实作方式,皆会影响观测数据与报表覆盖范围。

查看预算时,请将 CRM 记录与标示清楚的客户自填来源,与上述两份报表一并参照。

6. 单页综合决策计分卡

以下是一份模拟综合计分卡,延续我们假设的 Northbridge Freight Cloud Q1 检讨,并规划 Q2 行动方案。

目标证据(模拟 Q1 基准线)负责人Q2 行动方案后续追踪与频率
1. 捕捉高意图的非品牌搜索需求GSC: 48,000 次曝光带来 1,440 次点击(3.0% CTR);WMS 比较查询群组的最顶端平均排序为 8.2。SEO 负责人更新 6 个核心 WMS 页面的标题标签、比较表格与内部链接,随后查看同一查询群组与排序位置的 CTR。于第 30 天与第 60 天查看 GSC 查询群组点击次数与平均排序。
2. 将自然搜索访客转化为业务洽询GA4: 1,180 个实测自然搜索工作阶段中,有 32 次 demo_submit 重要事件。CRM: 26 个合格销售机会。需求开发负责人将前 10 大自然搜索落地页上的 9 栏式示范申请表单,替换为 5 栏式分流表单;确认同意声明横幅的一致性。每两周检查一次 GA4 demo_submit 重要事件率与 CRM 的 SQL 数量。
3. 修正 AI 买家回答中的事实错误AI 监测(300 次执行样本): 14 则回答错误陈述 Northbridge 的 ERP 整合支持能力。产品营销发布公开且可供爬虫检索的 SAP 整合架构页面;将旧版 2022 年 PDF 规格表从索引中移除。30 天后重新执行 50 组提示词样本;核实各次执行中的 SAP 整合准确度。
4. 缩小与 RivalX 的初选名单差距AI 监测(300 次执行样本): Northbridge 在 30% 的执行中被提及(12% 获引用),而 RivalX 提及率为 55%。内容与传播负责人盘点引用 RivalX 最频繁的前 10 大第三方目录与技术评测基准;更新 Northbridge 简介文件并发布冷链导入规格文件。每月针对固定提示词集进行抽样 AI 检查,追踪品牌提及率与域名引用率。

建立经得起检验的监测常规

如果你的团队需要针对抽样品牌提及、来源引用、竞争对手出现情况及事实准确度,建立一套结构化、可重复执行的基准线,且不希望掺杂夸大的流量宣称,欢迎探索 FoundUp 的 AI 可见性监测服务,着手建立你的提示词评量表与季度计分卡。

延伸阅读:品牌 AI 可见性监测:该追踪哪些指标及其原因。