统计 AI 答案中的来源引用，建议把“答案里出现过”“用户点进来”和“后续形成有效转化”分开计数，再按查询词、日期、页面和引用位置建立记录。这个方法适用于人工抽样、团队周报和页面改版前后比较；它只能描述可观察信号，是否带来有效业务结果，仍需用自家数据验证。
先把“引用”分成三种
同一页面出现在 AI 答案里，不等于有人访问。统计时可以分成答案引用、引荐点击、后续转化三层：答案引用记录页面是否被提到，引荐点击记录用户是否从回答进入站点，后续转化则看表单、电话或订单中的一个主事件。
这三层不要合并成一个“引用率”。例如某页面在多次回答中出现，但没有点击，只能记作展示信号；用户点击后又通过品牌词搜索回来，也要把两个触点分开标记。归因窗口应结合销售周期设定，不能把所有后续行为都算给一次 AI 引荐。
真正有用的统计表长什么样
一行记录对应一次查询和一次回答，至少包含查询词、测试日期、使用的平台或入口、答案是否提到目标页面、引用页面标题、引用位置、是否出现链接、是否产生点击。若同一回答引用多个页面，每个页面单独占一行，避免把多条来源压成一条。
统计汇总时，可分别计算“被提到的查询次数”“带点击的查询次数”和“带主转化的点击次数”。分母必须写清楚：是全部测试查询、出现引用的查询，还是已经产生点击的查询。分母变了，比例就不能直接横向比较。
一次查询要留下哪些记录
- 固定查询词和问题场景，记录日期、平台、登录状态、地区设置及回答版本，避免下一次测试时条件变化。
- 逐字摘录与目标页面有关的句子，记录页面名称、引用链接是否存在，以及回答是否把页面内容说成了其他含义。
- 在站点分析工具、服务器日志或 CRM 中查看引荐来源、落地页、有效表单和成交状态，无法判断来源的访问单独标为未识别。
- 为主转化事件设定一个口径，例如只统计有效表单，并写明归因窗口；同一用户多次访问时按既定规则处理。
- 保留测试时间、回答截图、页面版本号和数据导出时间，页面改版后才能判断变化来自内容调整还是测试条件变化。
判断做得是否扎实，不在于表格有多复杂，而在于每条记录都能回到原始回答、落地页和后续业务状态。人工抽样与日志数据出现差异时，先标记差异，不要直接修改某一层的数字。
抓取、索引和答案引用不是一回事
抓取表示程序访问过页面，索引表示搜索系统将页面纳入可检索范围，答案引用则表示某次回答提到了页面。三者是不同观察对象，前一层出现并不能推出后一层必然出现。把服务器日志里的爬虫访问量写成引用次数，会让报告失去意义。
Google Search Central《搜索抓取和索引概览》介绍了抓取与索引的基础关系；Schema.org 的类型和属性说明则服务于结构化表达。它们可以帮助团队理解页面如何被机器读取，却不能单独证明 AI 引用次数、点击率或转化结果。
哪些数字可以拿来比较
适合比较的数字，取决于统计层级。查询覆盖率可看目标查询中出现页面引用的次数，点击率可看带 AI 引荐的访问占对应引荐展示记录的比例，转化率则要以选定的主转化事件为分子。每个比例旁边都应写分母、时间段和样本范围。
引用位置、页面类型和问题类别也值得分组。产品定义类问题、对比类问题和故障排查类问题，可能对应不同页面；混在一起只会得到一个难以解释的平均数。涉及成本、周期、单量或效果的判断，无法通用判断，需用自家数据验证。
数字变化后，先查哪一环
如果答案引用次数下降，先回看查询词是否改变、页面是否仍能访问、页面标题与正文是否保持同一主题，再查看抓取与索引状态。页面能打开，并不代表所有机器都能读取正文；响应状态、robots.txt、站点地图和页面内链接都应放进同一份变更记录。
如果引用没有变化但点击减少，问题可能出在回答中的链接展示、落地页承接或用户需求变化，不能仅凭引用次数判断内容质量。若点击增加而有效表单没有增加，应把落地页、表单来源和销售记录放在同一条归因链里，找出在哪一段出现断点。