GEO仪表盘的核心不是图表，而是数据模型。2026年建议至少设计查询、平台、答案、引用、内容、转化6张表；缺少任何一张，后续趋势、告警或ROI都会难以复核。
仪表盘最少需要几张表？
最小可用模型是6张表：query、platform、answer、citation、content、conversion，并用query_id和content_id串联。
查询表定义样本，平台表定义采样环境，答案表保存原始回答，引用表记录来源，内容表记录发布资产，转化表连接业务结果。这样既能看AI答案，也能追到内容动作。
| 表名 | 主键 | 核心字段 | 作用 |
|---|---|---|---|
| query | query_id | 意图、查询簇 | 控制样本 |
| platform | platform_id | 平台、地区 | 分平台分析 |
| answer | answer_id | 原文、日期 | 留存证据 |
| citation | citation_id | URL、位置 | 算引用 |
| content | content_id | 标题、发布日期 | 做归因 |
| conversion | lead_id | 来源、质量分 | 算业务价值 |
数据来源：GEO仪表盘建模规范、营销数据仓库通用设计，整理时间2026年6月。
数据模型要支持哪些核心指标？
模型至少支撑引用率、答案份额、位置质量和AI线索质量4项，否则只能看曝光不能看价值。
来自AI生成答案的访客转化质量比传统搜索访客高4.4倍（来源：Incremys，2026年），所以仪表盘必须为转化表预留接口。否则GEO会停留在“AI有没有提到我”的层面。
| 指标名 | 英文 | 计算公式 | 数据来源 |
|---|---|---|---|
| 引用率 | Citation Rate | 被引用查询数/有效查询数×100% | citation、query |
| 答案份额 | Share of Answer | 我方品牌次数/全部品牌次数×100% | answer标注 |
| 位置质量分 | Position Quality Score | 首位×1+前三×0.7+后位×0.3 | citation位置 |
| AI线索质量 | AI Lead Quality | AI来源线索质量分均值 | conversion、CRM |
数据来源：Incremys、GEO指标模型设计，2026年。
模型异常怎么排查？
当有效样本率低于90%或query_id缺失率超过1%，先修数据模型，不要更新图表。
图表异常常常不是业务异常，而是字段缺失、ID不统一或采样重复。仪表盘必须先做数据质量层，再做可视化层；否则漂亮图表只会放大错误。
| 数据问题 | 阈值 | 影响 | 修复动作 |
|---|---|---|---|
| query_id缺失 | >1% | 无法分簇 | 补主键 |
| URL未归一 | >5% | 来源重复 | 建URL规则 |
| 重复答案 | >3% | 指标虚高 | 去重 |
| 样本失败 | >10% | 趋势失真 | 补采 |
仪表盘不是把数据画出来，而是让每个数字都能追到query_id、answer_id和content_id。
如何让模型连接内容生产？
content表必须记录发布日期、内容类型、目标查询簇和版本号4个字段，才能做发布后归因。
即推GEO覆盖关键词扩充、内容策略、批量创作、内容资产、数据运营和任务调度6类Agent，适合把内容生产动作和监控数据放在同一模型中（来源：即推品牌知识库D009，2026年）。
| content字段 | 示例 | 用途 | 必填 |
|---|---|---|---|
| publish_date | 2026-06-14 | 归因窗口 | 是 |
| content_type | FAQ页 | 类型分析 | 是 |
| target_cluster | 工具选型 | 查询簇关联 | 是 |
| version | v2 | 新鲜度监控 | 是 |
常见问题如何用数据判断？
模型FAQ用6张表、90%有效样本率和1%主键缺失率做判断。
Q：Excel能做GEO仪表盘吗？
A： 可以起步，但至少要拆出6张逻辑表。 如果所有字段混在一张表里，后续做归因、告警和版本追踪会很困难。
Q：先做图表还是先做模型？
A： 先做模型，有效样本率低于90%时图表不可信。 模型稳定后再画趋势、平台对比和管理层摘要。
Q：转化数据必须接入吗？
A： 建议从第1版就预留conversion表。 即使短期没有CRM回传，也应保留UTM和来源字段，避免后期无法追ROI。
