本文结论

验收 GEO 先分层再谈数字：采集有效、AI 提及、准确理解、AI 引用、进入候选是五件不同的事，业务转化不属直接交付。按先约口径、再对层次、后查原始、最后定复测四步，用验收表对照交付物。

一个越来越多团队会遇到的场景：第一期服务结束，收到一份效果报告——“品牌提及率提升 40%，覆盖 5 个平台”。负责人看完问团队：这算有效果吗？翻遍报告，找不到一条原始回答，没有说明这些问题是怎么选的、在什么条件下问的，也没有区分“提到品牌”和“引用了官网”。

先给结论：验收 GEO，第一个要问的不是“数字涨了多少”，而是“每个数字处在哪一层，能不能回查”。

你可能听过“我们被 AI 推荐了”这类说法。本文把这类说法拆开：品牌在 AI 回答里出现（提及）、说得对（理解）、页面被列为来源（引用）、在比较类问题里进入候选清单（读者常说的“被推荐”），是四件不同的事；采集本身是否有效，又是它们共同的前提。层次分开，数字才有审计的可能。

00｜前提：采集有效吗？数字才可审计

直接回答：交付物里必须能随机回查每条数字的“问题原文＋采集条件＋完整回答”；做不到这一条，后面所有层次都不用看。

在讨论任何效果数字之前，先确认数据是怎么来的。

有效的采集意味着：问题原文、平台和模型、时间、语言与地区、账号与联网条件都被记录下来，回答有完整存档，换一个时间或账号还能得到可比的结果。采集失败和“品牌未被提及”是两回事，混在一起，所有后续数字都会失真。

**验收问题：**交付物里有没有原始回答存档？随机抽一条汇总数字，能回查到“哪个问题、什么条件、完整回答是什么”吗？

如果这一层不过关，后面的一切都不用看了。

教学示例：涨了 40%，抽查对不上

假设某团队收到月报“提及率环比提升 40%”。抽查原始记录发现：一部分“改善”来自把上月的采集失败记成了“未提及”；另一部分提及来自 AI 把别家的能力说成了该品牌的能力。分层核对后，真实状况是“提及不稳定、理解有误”，当务之急从“扩大覆盖”变成“修正事实”。

本例用于说明审计方法，不代表某个服务商或客户的真实项目结果。

01｜什么是“AI 提及”？品牌出现了

直接回答：提及只说明品牌名在回答里出现过，不区分说对还是说错——它是最容易统计、也最容易被高估的指标。

提及指品牌名出现在 AI 的回答里。这是最容易统计、也最容易被高估的指标：它不区分说对还是说错。错误信息的重复出现，同样会推高提及率，但它在给品牌积累负资产。

**验收问题：**提及的同时，品类、场景和能力边界说得对吗？有没有对照人工核过事实？

02｜什么是“准确理解”？出现了，而且说得对

直接回答：理解指品牌被放进正确的品类、场景和能力边界里。验收时要的交付物是“错误描述清单＋正确事实来源”，而不只是出现次数。

理解比提及更进一层：品牌不只出现，还被放在正确的品类、场景和能力边界里——说清服务谁、不服务谁、擅长什么。

这一层最常被验收忽略，因为汇总报表很少呈现“说得对不对”。但客户决策时看的是回答的内容，不是品牌名出现的次数。

**验收问题：**交付物里有没有“错误描述清单”，以及对应的正确事实来源？

03｜什么是“AI 引用”？你的页面被列为来源

直接回答：引用指你的页面出现在回答的来源列表里，可以逐条验证——链接点得开、页面真实存在、且确实回答了那个问题。提及不等于引用。

引用指 AI 回答的来源列表里出现你的页面。提及不等于引用：AI 可以提到你的品牌，但支撑回答的证据全部来自第三方页面。

引用是可以逐条验证的——来源链接点得开、页面真实存在、且确实回答了那个问题。

**验收问题：**引用了官网的哪一页？那一页是否真的覆盖了该问题的核心信息？

04｜什么是“进入候选”？比较类问题里有你

直接回答：进入候选指客户问“有哪些选择”“推荐几家”时，品牌在候选清单里。这一层离业务最近，必须用同口径多轮观察确认，不能凭单次结果。

这是距离业务最近的可观察层。当客户问“有哪些选择”“推荐几家”时，品牌被列入候选清单。很多客户拿着这样的 AI 回答来咨询，这一层的表现直接影响后续机会。

**验收问题：**客户最常问的几个比较类问题里，你在不在清单上？是否有同口径的多轮观察，而不是单次结果？

05｜业务转化是 GEO 的直接交付吗？不是

直接回答：不是。咨询量和成交受定价、销售能力、产品匹配度等多重因素影响；GEO 的责任边界是“可观察的答案呈现层”，把提及直接换算成收入的承诺本身就是红灯。

咨询量和成交受定价、销售能力、产品匹配度等多重因素影响。GEO 的责任边界是“可观察的答案呈现层”——从采集到进入候选。把提及次数直接换算成收入的承诺，本身就是验收时的红灯。

验收表长什么样？

直接回答：五层各对应“观察什么、合格的记录长什么样、常见的注水方式”，可以直接拿去对照交付物逐项打勾。

把五层整理成可以直接对照交付物使用的表：

层级观察什么合格的记录长什么样常见的注水方式
采集有效条件与原始回答每条数据可回查：问题原文＋条件＋完整回答只给汇总数字，不给原始记录
AI 提及品牌是否出现注明平台、问题、时间把采集失败或错误提及计入提及率
准确理解说法是否正确标注错误描述并附正确事实对照只统计提及，不核对事实
AI 引用来源列表引用链接可点开、可验证把“品牌被提到”混同“官网被引用”
进入候选比较类问题的清单同口径多轮观察记录把单次有利回答当成稳定位置

怎么用这张表？

直接回答：先约口径，再对层次，后查原始，最后定复测——四步按顺序走。

先约口径，再对层次，后查原始，最后定复测。

  1. 开始服务前，书面约定问题集和采样条件：观察哪些问题、在哪些平台、什么账号条件、多久复测一轮；
  2. 收到交付物时，对照五层看覆盖到哪一层，缺层报告要说明原因；
  3. 随机抽查原始记录，验证可回查性；
  4. 约定复测节奏。AI 回答存在波动，重要结论要建立在同口径的多轮观察上。

验收时有哪些常见误区？

  • 把汇总报表当交付物。没有原始回答的数字无法审计，也就谈不上验收。
  • 把一次好回答当稳定结果。单轮观察说明不了位置，只能说明概率。
  • 把提及当理解。说错的提及是负资产，核对事实是必要动作，不是可选项。
  • 把转化承诺当验收标准。GEO 管不到成交，管得到的是答案里的呈现。

哪些判断已经成立，哪些需要自己验证？

五层阶梯是行业内逐步形成的观察口径，不是某个官方标准；不同平台的呈现形式不同，引用的展示方式也在变化。验收时，以你们书面约定的问题集、平台和采样条件为准，不要直接套用任何“行业平均”数字。

有两个外部参照可以帮助校准预期。一是 Google 官方对度量的口径：

“与搜索结果页的其余部分一样，出现在 AI 功能（如 AI Overviews 和 AI Mode）中的网站，会计入 Search Console 的总体搜索流量。”（原文：Just like the rest of the search results page, sites appearing in AI features (such as AI Overviews and AI Mode) are included in the overall search traffic in Search Console.） —— Google Search Central，《AI Features and Your Website》

二是术语来源本身：GEO 出自 Aggarwal 等人的 KDD 2024 论文，其中“可见性最多提升 40%”是论文在自己基准数据集上的实验结果，不是可以写进合同的行业承诺。第三方 AI 平台目前普遍没有对等于 Search Console 的官方报表，这正是验收要落到原始记录的原因。

正在选服务商，应该问哪三个问题？

直接回答：交付物里有没有原始回答？提及和引用有没有分开统计？复测的节奏和口径是否书面约定？——三个问题都答得清楚，合作才有一个可审计的开始。

这三个问题分别对应验收表的采集层、统计口径和复测节奏。拿着这张表逐项对照，缺哪一项，就先让服务商补上哪一项的说明。

三个问题都答得清楚，合作才有一个可审计的开始。

留一个小作业：如果你手上有 GEO 服务商的效果报告，对照验收表抽查一条汇总数字，看能不能回查到原始回答。结果如何，欢迎邮件告诉我们。

下一篇聊更往前的一步：怎么选服务商——拿着这张验收表，重点检查哪几项交付能力。

参考来源