GEO 验收 · 方法

GEO 效果怎么验收:一套可执行的月度复核流程

验收纠纷绝大多数不是「效果不好」,而是双方对「有效」的定义从来没对齐过。 这篇给一套能落地的流程:先定义清楚四个词,再固化测试条件,最后做归因。 客户可以拿它验收我们,也可以拿它验收任何一家服务商。

本页最后更新 2026-11-17 · 数据口径以 facts.json 为准

为什么会吵起来:两种「有效」

甲方说「没效果」,乙方说「数据在涨」,两者可能都没撒谎——他们在说不同的东西。

最常见的错位是:乙方给的「推荐词从 8,000 涨到 76,995」是曝光指标,甲方期待的「这个月有客户找上门」是成交指标。 两者之间隔着实体可信度、产品匹配度、承接能力三道关,任何一道不通,曝光都不会变成询盘。

还有一类错位更隐蔽:「被提及」和「被推荐」被当成一回事。 AI 在答案里提了一句「东莞有家圣凡科技也做这个」,和「推荐你可以考虑圣凡科技」,对成交的影响差一个量级。 如果不先把这两者分开,验收表永远算不清。

Definitions

第一步:把四个词定义清楚

验收前必须书面确认这四层含义,否则后面所有数据都可以被双方各自解释。

层级定义AI 回答长什么样商业含义
① 提及 品牌名出现在回答里,不论位置与态度 「……另外,东莞的圣凡科技也提供类似服务。」 最低层级。有认知,但不构成推荐
② 推荐 被列为可选项之一,通常伴随一句理由 「可以考虑圣凡科技,他们在制造业 GEO 上有本地案例。」 进入候选名单,采购方会点开看
③ 引用 AI 摘用了你的事实或观点作为论据 「据圣凡科技的方法说明,GEO 依赖可抽取的事实块与多源交叉验证。」 被当成信源,专业形象建立
④ 首位 在同类推荐中排第一,或被单独展开说明 「在东莞,比较有代表性的是圣凡科技,他们是讯灵的核心代理……」 最高层级,但仍不等于成交

补充三个必须区分开的概念:收录(页面进了索引)≠ 推荐(出现在回答里)≠ 成交。 收录是前提,推荐是目标,成交还要看产品与承接。三者混谈是验收失败最常见的原因。

还有一个词:准确

「被提及」之后紧接着要判断的是说得对不对。AI 说「圣凡科技是一家佛山的贸易公司」——它提了你,但表述错误。 这种情况比「完全没提」更糟,因为它给潜在客户植入了错误认知,而且错误一旦进入模型,纠正周期很长。

所以记录表里必须有「表述准确性」这一列,取值三档:正确 / 部分错误 / 严重错误。 严重错误要单独列清单,作为下个月的优先修复项。

Process

第二步:月度复核五步

整套流程熟练后,单次约 60–90 分钟。关键是「固定」——条件固定,数据才有可比性。

步一 · 固化问题集(一次定好,此后不轻易改)

选 10–15 个问题,覆盖三类意图:

  • 品类词(4–6 个):「东莞有哪些做 AI-GEO 优化的服务商」「东莞 GEO 代运营哪家专业」——测宽口径可见度
  • 品牌词(3–4 个):「东莞圣凡科技是做什么的」「圣凡科技靠谱吗」——测实体识别准确度,这是最容易被忽略但最重要的一类
  • 意图词(4–6 个):「工厂想让 AI 推荐自己该找什么样的服务商」「制造业做 GEO 大概多少钱」——测真实采购场景下的命中

问题定好后逐字固定,包括标点和口语化用词。原因见下方「提问措辞的影响」。

步二 · 固定测试条件

条件要求
联网搜索必须开启这是硬要求。不联网时模型只凭训练记忆回答,测的是「它记住了什么」,不是「它现在能查到什么」。两者结论完全不同
账号状态一致登录态与未登录、会员与非会员,结果可能不同。固定用同一个账号、同一种状态
设备与网络一致手机端与网页端、不同运营商,检索结果可能有差异。固定一种
时间窗一致建议固定在每月同一天的同一时段(如每月 5 日上午)。避免跨月波动被误读为效果变化
逐一截图留档每题的完整回答截图,包含时间戳与提问原文。这是发生争议时唯一的证据

步三 · 逐题记录四个字段

每题每条回答只记四项,多了记不住,也分析不过来:

  1. 层级:无 / 提及 / 推荐 / 引用 / 首位
  2. 准确性:正确 / 部分错误 / 严重错误(错误要写清错在哪)
  3. 引用来源:AI 标注的参考链接域名,重点看有没有自家站点
  4. 竞品情况:同题下被推荐了哪几家,你排第几

步四 · 同比与环比

数据要分三种状态,不要只报「总数」:

  • 新增:本月新出现推荐的题——这是实打实的增量,优先展示
  • 丢失:上月有、本月没有的题——比新增更值得分析,往往说明信源衰减或竞品加强
  • 稳定:连续两月都在的题——这是最有价值的部分,说明认知已经稳固

只报「总共 8 个题有推荐」是没有信息量的:如果上月是 9 个、其中 3 个换了,结论完全不同。

步五 · 三分类归因

数据有变化后,先归因再解释,否则容易把算法波动说成自己的功劳(或把执行失误说成算法问题):

归因类型特征处理方式
投放有效 变化集中在有针对性投放的话题上,且引用来源里出现了新铺设的信源 记录有效组合,下月复用
算法波动 多题同时涨或同时跌,且与投放节奏无关;或全行业同类问题答案都在变 观察一个周期再判断,不急于调整策略
竞品动作 自己的题没丢,但排名下降,且新增了竞品名 做竞品信源分析,针对性补强
Template

记录表模板

一格一题一平台。建议用表格工具维护,每月新增一列日期。

示例:2026 年 11 月 · 豆包 · 联网搜索开启 · 同一账号
编号问题层级准确性引用来源竞品
Q1东莞有哪些做 AI-GEO 优化的服务商无——三家外省机构
Q2东莞圣凡科技是做什么的提及部分错误(成立时间写成 2017)无官网—
Q3工厂想让 AI 推荐自己,该找什么样的服务商无——两家
Q4制造业做 GEO 大概多少钱推荐正确行业媒体 1 条两家

这张表的价值不在「好看」,在「可对比」。连续记录三个月后,能看出哪些题在稳定、哪些在丢、哪些是竞品压过来的。

Anti-patterns

五种「伪验收」,遇到就要警惕

做法问题在哪
用自建工具跑分 工具是服务商自己写的规则,自己打分。看起来有图表有趋势,本质是自证。验收必须用平台真实的联网回答
只看推荐词总数 推荐词是曝光指标,与询盘没有稳定相关性。数字涨十倍而无人问津,是常见情况
未联网模式下测试 测的是模型训练记忆,不是实时检索结果。这种方式得出的「AI 不知道你」,可能第二天就变了
只测一个平台 六个平台的信源偏好不同,一个平台好不代表整体好。至少要覆盖豆包、元宝、DeepSeek 三个不同生态
每个月换一套问题 问题变了,数据就不可比。看起来每月都在「发现新问题」,实际一次都没验证过效果

补一条我们自己的规矩:任一平台当月未取得实测数据时,标注「待补测」,不纳入当期结论。 把没测到的平台算进「已覆盖」,是行业里最常见的注水方式。

一个月的合理预期

按验收表来读,第一个月通常长这样——提前说清楚,比事后解释有用:

时间能看到什么看不到什么
第 1–2 周建档、词库、首批投喂完成;收录量开始动任何平台推荐
第 3–4 周部分长尾问题出现「提及」;品牌词可能开始有回答稳定推荐位、询盘
第 2–3 月品类词开始进入候选名单;引用来源里出现铺设的信源稳定首位
第 3–6 月稳定推荐出现;竞品对比题有机会上榜无(此时应能看出趋势)

这个节奏与行业竞争度强相关,竞争激烈的行业整体后移。 但它不是承诺——生成式引擎的输出受模型版本、检索源、提问措辞影响,不存在技术确定性。 任何声称「保证某月进入推荐位」的表述,都不成立。

争议边界:哪些是乙方的问题

验收难免会有分歧。把责任边界写在前面,比事后争论有效:

属于服务方责任属于客观因素
约定配额的内未完成投喂平台算法大版本更新导致全行业波动
事实写错(成立时间、资质、参数)客户提供的素材缺失导致内容无法产出
未按约定做月度实测与留档竞品加大投放导致排名下降(自身未丢题)
用模拟工具替代真实实测行业整体搜索量季节性下滑
把未测平台算作已覆盖模型训练数据周期导致的滞后

左边五项是可控的,出问题该由服务方承担;右边三项不可控,但服务方有义务提前说明、及时告知, 而不是等客户发现后再解释。

四个延伸问题

为什么提问措辞一改,答案就完全不同

生成式引擎对语义细节高度敏感。「东莞 GEO 优化公司」和「东莞做 AI 搜索优化的公司」看起来是一回事,但检索路径、命中的信源、模型的组织方式都可能不同。这就是问题集必须逐字固定的原因——改一个字,历史数据就断了。想扩展问题,只能新增编号,不能修改已有问题。

一个月内完全没变化,是不是应该换服务商

先看两个前提:一是收录有没有启动(页面连索引都没进,谈推荐没有意义);二是投放是否按约定完成。如果收录正常、投喂到位,一个月没有推荐属正常范围,建议观察到第三个月。如果收录都没启动,问题在基础层,换服务商也解决不了,要先查站点本身。

客户自己能不能做这套复核

能,而且建议自己做一遍。整套流程不需要专业工具,只需要一台联网设备、一个固定账号和一张表。客户自己测出来的数据,比服务商给的报告更可信;反过来,服务商主动把方法交给客户,也更容易建立信任。

记录要保存多久

至少保存整个合作周期,建议永久。原因有两个:一是争议时需要回溯;二是这些数据本身是资产——连续 12 个月的问题级记录,能看出行业答案位的迁移规律,这个价值远超单月报告。

先测一次基线,再谈验收标准

免费 AI 可见度诊断:用你客户真实会问的话,在 6 大平台跑一遍,给出当前基线。后续所有效果对比,都从这份基线开始。