GEO 服务商发来的案例,十有八九是一张截图:某个 AI 产品的回答里出现了客户品牌,旁边一个红框。我们团队自己也做 GEO 交付,所以我很清楚这张图能证明什么、不能证明什么——它能证明「某一天、某个账号、某种问法下出现过一次」,不能证明可复现、不能证明是服务带来的、更不能证明带来了询盘。
这篇只讲核验方法:签约前怎么要求现场复现,监测后台至少要看到哪些字段,以及怎么从数据里读出「真效果」和「运气」。

1. 为什么单张截图几乎没有证据价值
原因不在服务商诚不诚实,而在 AI 回答本身的波动机制。
- 同一问题每次回答都不同。圣加仑大学团队 2026 年发表的《Don’t Measure Once》对重复提问做了测量:不同问题之间来源重合度(Jaccard)从低于 0.2 到高于 0.8 不等,单问题评估「不可靠」;要把单品牌检出率的标准误压到 0.10 以下,每个问题每天至少要跑 7 次。
- 问题之间差异更大。SISTRIX 对 10,826 组测量序列的分析显示,问题之间的差异平均是同一问题随时间波动的 2.4 倍;假设品牌真实出现率 25%,只用 1 个问题测 20 天,结果可能落在 0% 到 59% 之间,换成 20 个不同问题才收窄到 16% 到 35%。
- 答案会个性化。Semrush 的 LLM 优化指南提醒,开启记忆的账号会根据用户画像调整推荐,你看到的不是买家看到的。
所以一张截图,最多算「样本量为 1 的观测」。截图越精美,越要追问它是怎么来的。
2. 现场复现:我在会议里怎么做
我建议把复现放在视频会议里,由你方操作,服务商只看不碰。步骤如下:
- 会前封存问题。让对方提前提交案例对应的原始问法,你再自己补 5–10 个同义或相邻问法(例如把「best supplier」换成「manufacturer for OEM」)。问题提前存档,会上不许改。
- 用干净环境。新开无痕窗口或未登录状态,关掉记忆;能选地区就选案例声称的目标市场。
- 每题多跑几次。每个问题至少跑 3 次,记录每次是否提及品牌、是否列出来源链接、来源是不是客户自己的页面。
- 分平台。案例声称覆盖 ChatGPT、Perplexity、AI Overviews,就逐一复现,不接受「一个平台出现即可代表全部」。
- 当场记录。用表格记「问题 / 平台 / 第几次 / 是否提及 / 是否引用 / 引用 URL / 描述是否准确」。
| 复现结果 | 怎么解读 | 下一步 |
|---|---|---|
| 原问法、多次运行都出现,且引用客户页面 | 有一定稳定性 | 看同义问法与相邻问法 |
| 原问法出现,同义问法全不出现 | 很可能是针对单一问法的优化或偶然 | 要求解释机制与覆盖范围 |
| 只提及品牌,不引用任何客户页面 | 可能来自第三方内容 | 问清来源是什么、谁发布的 |
| 多次运行时有时无 | 正常波动,需看出现率而非有无 | 要求后台的历史出现率数据 |
| 一次都不出现 | 截图可能来自个性化或已过期 | 要求原始导出数据和时间戳 |
注意「只提及不引用」这一行。Ahrefs 对 7.5 万个品牌的研究发现,AI Overviews 品牌提及与全网品牌提及量的相关性(0.664)远高于与外链数(0.218),说明品牌出现很可能来自站外讨论。这不是坏事,但你要知道服务商做的是站内内容还是站外铺稿,后者需要追问合规性。
3. 监测后台至少要看到的字段
现场复现只能抽查,持续判断要靠监测后台。我对后台的最低要求:
| 字段 | 为什么需要 | 缺了会怎样 |
|---|---|---|
| 封存问题清单与创建日期 | 证明问题不是事后挑的 | 可以只展示「好看的问题」 |
| 每题运行次数与时间戳 | 出现率才有分母 | 无法区分波动和趋势 |
| 平台与模型版本、地区 | 不同平台来源差异很大 | 把一个平台的结果当全部 |
| 提及 / 引用 / 引用 URL 分列 | 提及与引用是两件事 | 看不出贡献来自站内还是站外 |
| 描述准确性标注 | 错误描述比不出现更伤 | 只算出现次数,忽略说错 |
| 竞品同题出现率 | 判断相对位置 | 只有自己的数字,没有参照 |
| 原始回答导出 | 可第三方复核 | 只能相信对方的汇总图 |
| 变更日志 | 对应平台更新与交付动作 | 无法解释突变 |
Search Engine Land 介绍的做法也接近:按意图建 prompt 库、各平台分开追踪、每题每周多次运行,报告「提及率 ± 置信区间」而不是单个数字,并记录模型和平台更新日志。后台能导出原始数据,这一条我认为不可让步。

4. 从数据里分辨「真效果」与「运气」
拿到后台数据后,我用四个问题自查:
- 有没有基线? 服务开始前同一问题集的出现率是多少。没有基线的「现在出现了」无法归因。
- 变化是否超出波动范围? SISTRIX 的数据是:20 个问题的日均值无缘无故跳 4–5 个百分点很常见,十天里有一天会跳 10 个点以上。所以我只比周均值或四周滚动窗口。
- 变化能否对应到交付动作? 例如某周上线了一批对比页,随后相关问题簇的引用 URL 开始出现这些页面,这是有说服力的链条;全站数字涨但引用 URL 不是你的页面,就要另找原因。
- 有没有业务端信号? Google 说明 AI Overviews 与 AI Mode 的数据并入 Search Console「网页」搜索类型;Bing Webmaster Tools 的 AI Performance 能看到被引次数和被引页面;再加上 GA4 里来自 chatgpt.com、perplexity.ai 等的推荐流量和询盘表单记录。监测后台数字涨了,这几处至少要有一处跟着动。
5. 一个核验场景
我以一家做工业风机的外贸工厂为例(示意流程,不含真实客户数据)。服务商给了截图:「best industrial fan manufacturer in China」在 ChatGPT 里提到了客户。我们会议上复现:原问法 3 次中出现 2 次,但引用来源是一篇第三方榜单文章;换成「EC fan OEM supplier」「industrial ventilation fan factory」等 6 个相邻问法,18 次运行只出现 1 次;Perplexity 上全部未出现。
结论不是「服务商造假」,而是:案例证明的是一篇榜单文章被检索到,不是客户站点的内容能力。我接下来会问三件事:榜单是谁发的、是否标注了商业合作;客户自己的事实页在这些问题下为什么没被引用;如果合作,问题集怎么封存、验收看什么。签约前要问的其他条款,可以对照 GEO 服务商签约前检查清单。
6. 常见误区
- 把「排名前三」当指标。AI 回答里的列表位置随会话变化,Google 自己的《Do you need an SEO》也提醒「没人能保证排名第一」,同样适用于 AI 回答。
- 只看品牌词。问「XX 公司怎么样」当然会提到你,有意义的是非品牌的品类和问题词。
- 用服务商账号看结果。账号历史会影响回答,必须在你自己的干净环境里看。
- 忽略时间窗。案例截图要标日期和平台版本;半年前的截图在模型更新后可能完全无法复现,这时应看的是持续监测曲线,而不是当初那一刻。
- 只看出现、不看说错。AI 把你的交期、认证说错,比不出现更麻烦,后台必须有准确性标注。
怎么从整体上挑服务商,另见如何选择靠谱的 GEO 服务商。
常见问答
现场复现要跑多少次才算数?
会议抽查每题至少 3 次、加 5–10 个相邻问法;持续监测则按周比较出现率。研究建议品牌级估计每题每天约 7 次,问题数量越多越可靠。
服务商不肯给原始数据怎么办?
把原始回答导出写进合同交付物。只给汇总图、不给原始记录的后台,无法被第三方复核,不宜作为验收依据。
提及了但没引用我的网站,算有效吗?
算品牌曝光,但要问清来源内容是谁发布、是否合规。验收时提及率与引用率分开统计,避免把站外铺稿的效果算成站内内容能力。
核验 GEO 案例,核心是把「一张图」换成「一组可复现的数据」:封存问题、多次运行、分平台、导出原始记录,再和询盘对照。