GEO 代运营动辄年框,而效果又难以在签约前验证。我给外贸客户的建议一直是:先做一个 8–12 周的 POC(概念验证),把基线、问题集、验收口径定死,再决定是否签年框。POC 不是试用期打折,而是让双方在同一套数据上对齐「什么叫有效」。
这篇讲 POC 怎么设计:基线怎么测、问题集怎么建、周期多长、验收看哪些数,以及 POC 常见的失败方式。

1. 为什么 GEO 特别需要 POC
AI 回答的波动远大于传统排名。几项研究给了很具体的量级:
- SISTRIX 分析了 10,826 组测量序列:只用 1 个问题测量,品牌出现率的误差可达 ±34 个百分点;20 个问题约 ±9.5;100 个问题约 ±4.2。要做到 ±5 大约需要 70 个问题,±3 需要约 200 个。
- 圣加仑大学的《Don’t Measure Once》研究建议每个问题每天至少运行 7 次,才能把单品牌检出率的标准误压到 0.10 以下;要覆盖来源的多样性,约需 8 次。
- Search Engine Land 介绍的实践建议:各平台分开追踪,报告提及率时附置信区间,并保留模型变更日志。
这意味着:没有足够大的问题集和足够长的观察窗口,服务商说「涨了」和「跌了」都可能只是噪声。POC 的第一价值,就是在花大钱之前建立一套双方认可的测量方法。
2. 基线:开工前必须测完的东西
| 基线项 | 测什么 | 数据来源 |
|---|---|---|
| AI 出现率 | 封存问题集下,品牌被提及、网站被引用的比例 | 多平台、多次运行的抽检 |
| 竞品出现率 | 同一问题集下 3–5 个主要竞品的出现率 | 同上 |
| 描述准确性 | AI 对公司、产品、认证的描述是否正确 | 人工标注 |
| 搜索数据 | 相关页面展现、点击、AI 展现 | Search Console(含生成式 AI 报告) |
| Bing 被引用 | 被引次数、被引页面、grounding 查询 | Bing Webmaster Tools AI Performance |
| 流量与询盘 | AI 来源会话、询盘事件 | GA4 |
| 技术前提 | 抓取、索引、robots.txt 对各类爬虫的设置 | 站点检查 |
基线至少测两周,取均值作为起点,并把测量时间、平台版本、运行环境一并记录下来,复测时保持同样的条件。如果只测一天就开工,POC 结束时连「变化是否超出正常波动」都无法判断。
还有一个容易被忽略的前提:Google《Do you need an SEO》建议在评估阶段只给服务商 Search Console 的只读权限。POC 期间,我建议所有数据权限都先给只读,后台改动由你方执行或审批。
3. 问题集怎么建
问题集是 POC 的核心资产,我按以下规则建:
- 来源要真实。至少一半来自询盘邮件、销售电话记录里的原话,另一半来自 Search Console 查询词和行业常见问法。Search Engine Land 也建议把合成问题和销售通话中的真实问题混合使用。
- 按意图分层。我用七类:发现(有哪些供应商)、比较(A 和 B 区别)、评估(某参数够不够)、验证(这家公司是否靠谱)、异议(MOQ 太高怎么办)、替代(有没有更便宜的方案)、实施(怎么安装、维护)。
- 品牌词与非品牌词分开。品牌问题测准确性,非品牌问题测可见性。一个可参考的配比是品牌、品类、问题三类大致均分。
- 数量。POC 阶段建议 40–80 个问题。少于 20 个,误差太大;太多则抽检成本过高。
- 封存。问题集在开工前双方签字确认,POC 期间不得增删。确实要调整的,另建一组新问题,旧组继续测。
| 意图 | 示例问法(工业泵工厂) | 主要测量 |
|---|---|---|
| 发现 | chemical transfer pump manufacturers in China | 是否提及 |
| 比较 | magnetic drive pump vs mechanical seal pump | 是否引用对比页 |
| 评估 | can PP pump handle 98% sulfuric acid | 引用与准确性 |
| 验证 | is [品牌] a real factory | 描述是否准确 |
| 实施 | how to prevent dry running in magnetic pump | 是否引用技术页 |
4. 周期与验收口径
POC 周期我一般定 8–12 周:前 2 周测基线,中间 6–8 周交付,最后 2 周复测。Google 页面需要重新抓取和索引,AI 回答又存在明显的时间波动,短于 8 周很难看到超出噪声的变化。
验收口径要写成可计算的规则,例如:
- 主指标:非品牌问题集的网站引用率,按周均值计算,POC 最后两周相对基线的变化,并给出置信区间。
- 辅助指标:品牌问题的描述准确率;Search Console 中目标页面的展现趋势;Bing AI Performance 中被引页面数量。
- 交付物指标:约定的页面数量、技术修复项是否完成。
- 业务观察:AI 来源会话和询盘只做观察,不作为 POC 硬性指标,因为 8–12 周样本太小。
我会特别避免在合同里写「排名第一」「必须出现」之类的保证。Google 明确说过没有人能保证排名第一,AI 回答同样如此;把它写成验收条款,只会让服务商挑最容易出现的问题。

5. 一个 POC 场景
我以一家做化工泵的外贸工厂为例(示意场景)。问题集 60 个:品牌 20、品类 20、问题 20,覆盖 ChatGPT 搜索、Perplexity、Google AI Overviews 三个平台,每题每周运行 5 次。基线两周:非品牌问题网站引用率很低,主要被引用的是两个竞品的技术文章;品牌问题中,有相当比例的回答把公司称为贸易商。
交付 8 周,内容是:5 个选型和对比页、About 页工厂身份改写、认证页补全编号与覆盖型号、修复 robots.txt 中误封的 AI 爬虫规则。复测两周后,双方按约定口径计算:非品牌引用率相对基线的变化是否超出置信区间、品牌描述准确率是否提高、被引 URL 是否是这次新建的页面。三项中两项达成,进入年框;否则按 POC 报告调整方案或终止。
服务合同中其他需要明确的条款,可以对照 GEO 服务商签约前检查清单;GA4 里怎么把询盘设为转化,见 GA4 B2B 询盘转化追踪。
6. POC 期间的协作节奏
POC 的数据再严谨,协作松散也会失败。我在自己团队交付 POC 时,固定三种节奏:
- 每周一次数据同步。服务商发送本周抽检的原始导出和周均值,你方指定一名对接人确认收到。周报只写三件事:本周交付了什么、哪些问题簇的引用 URL 有变化、下周计划。不写形容词,不写「效果显著」。
- 每两周一次内容审核。新页面上线前,由你方工程师或销售核对参数、认证、交期等事实。GEO 页面一旦写错数字,被引用后的纠正成本远高于上线前多花半小时审核。
- 期中一次复盘。第四到第六周,双方对照交付计划检查进度,确认技术修复是否已生效、新页面是否已被索引。若有页面迟迟未被收录,先排查技术原因,而不是继续堆内容。
还有一点:POC 期间尽量不要同时启动其他大的网站改动,例如改版、换域名或大规模调整 URL。否则测量结果里混进了别的变量,结束时无法判断变化来自哪里。确实必须改的,记入变更日志并注明日期。
7. POC 常见失败方式
| 失败方式 | 表现 | 预防 |
|---|---|---|
| 没有基线 | 只有结束时的截图 | 开工前两周测基线 |
| 问题集被替换 | 期中换成更容易出现的问题 | 封存并签字 |
| 只测一个平台 | 用 ChatGPT 结果代表全部 | 平台分开统计 |
| 用服务商账号测 | 个性化导致结果偏高 | 你方用干净环境抽检 |
| 交付与测量脱节 | 内容发在问题集无关的方向 | 交付计划对应问题簇 |
| 把询盘当硬指标 | 短期样本太小,结论随机 | 询盘只做观察指标 |
常见问答
POC 应该收费吗?
应该收费。免费 POC 往往投入不足,或只做最容易出效果的问题。按实际交付内容付费,双方才都会认真对待。
问题集可以让服务商来建吗?
可以由服务商起草,但至少一半问题应来自你方的询盘和销售记录,并由你方确认后封存。
POC 结束数据没有明显变化怎么办?
先看技术前提和交付物是否完成,再看被引 URL 是否开始出现新页面。没有超出波动的变化,就不应进入年框,可以调整方案再测一轮或终止。
GEO 代运营的 POC,本质是先用 8–12 周把测量方法和验收口径做实。基线、封存问题集、分平台多次运行,这三件事做好了,签不签年框都有依据。