第 0005 课 · 它奏效了吗？

衡量效果

两块记分牌，极度不对称。经典搜索给你一个第一方 API。AI 引用什么都不给你——于是你只能搭建那个所有人都在搭的 proxy（代理指标）。

回顾 第 0004 课：你让一个页面获得了入选资格（0002），给它的事实打上了标注（0003），并把它的文字塑造成便于 retrieve（检索）的形态（0004）。这一切都是一场赌注。这一课要闭合这个循环——你怎么知道它真的落地了？

两条管线的衡量方式并不相同，而这道差距就是整个故事。对于经典搜索，Google 通过一个 API 给你 ground truth（真实基准）。对于 AI 答案的 citation（引用），没有任何引擎对外提供这样的接口——所以市面上每一个追踪工具，以及你即将搭建的那个，都是一个 proxy（代理指标）。^[1]

两块记分牌

经典这一侧：直接调用 API

这是个已经解决了的问题——先认证，然后 POST 一个日期区间和你想要的维度。没有工具需要搭建；平台本身就是工具。

# Search Console: top queries by clicks, last 28 days
POST https://www.googleapis.com/webmasters/v3/sites/{siteUrl}/searchAnalytics/query
{
  "startDate": "2026-05-20", "endDate": "2026-06-17",
  "dimensions": ["query"],
  "rowLimit": 100
}
# -> rows of { keys:[query], clicks, impressions, ctr, position }

按计划定时拉取它，把这些行存起来，你就有了随时间变化的排名/曝光/点击趋势——任何 SEO 监控系统的骨干。

AEO 这一侧：你要搭建的 proxy

因为没有 ground truth，每一个商用 AEO 追踪工具都做同样的三步——tools/citation_share.py 也是如此：

第二个辅助脚本 tools/build_prompts.py 负责第 1 步：它把那套买家问题 prompt 库组装出来——来自一次 LLM fan-out（扇出）或你的 Search Console 行数据——并且采用 citation_share.py 正好能消费的形态。这个工具就是那个离线、可测试的核心。它对 被引用的链接（AEO 里相当于排名的东西）打分，而不是对单纯的品牌提及打分：

# coverage = prompts that cite me; SOV = my citations / all citations
cited = cited_domains(entry)          # links in response + citations[]
hit   = bool(cited & my_domains)
sov   = mine / total_citations

$ python3 tools/citation_share.py results.json --domain myseo.io

AI-citation share — 4 prompts, you = myseo.io
────────────────────────────────────────────────────
COVERAGE  50%  cited in 2/4 prompts
SHARE OF VOICE  33%  of all citations are yours
────────────────────────────────────────────────────
Top cited domains:
3ahrefs.com
2myseo.io  ← you
1moz.com
────────────────────────────────────────────────────
Per prompt:
[HIT ] best seo audit tool for developers?
[miss] how to track rankings via api?
[HIT ] what is generative engine optimization?
[miss] cheapest backlink checker?

要知道的天花板：citation_share.py 只统计被引用的链接。“品牌被提及但没有链接”是另一种（更软的）指标；域名匹配很粗糙（没有 public-suffix 列表）。这两点都在工具的 docstring 里被标注为后续可升级的方向。