GEO 做完怎么判断有没有用？一套可复用的监测流程
客户坐下来常问的一句是：GEO 做了两个月，怎么证明它有用？很多人手里只有一份截图——某次在某个 AI 里搜品类词，回答里出现了公司名。这不叫证据，这叫运气。
同一句话换三个会话问，三次结果可能都不一样。所以监测 GEO 不是截图打卡，而是把它当成一次抽样调查：固定问题、固定平台、固定字段、固定频率，看的是分布和趋势，不是某一次的运气。
一、先分清四类指标，别把「提到」当成「赢」
不少老板把「AI 回答里有没有我」当成单一标准，这会把判断带偏。实际至少要拆成四层看：
| 指标 | 怎么判定 | 能说明什么 | 不能说明什么 |
|---|---|---|---|
| 提及 | 正文出现品牌名、公司全称或产品名（AI 编造的相似名不算） | 语料里有你的痕迹 | 说明不了态度 |
| 引用 | 回答里出现你的官网链接，或明确标注「据 XX 官网／文档」 | 内容被抓取且被采信 | 引用不等于推荐 |
| 推荐 | 在「推荐几家」「哪家好」「怎么选」类问题里被列入候选，且带正向描述 | 进入了决策链路 | 单次推荐不代表稳定 |
| 流量 | referrer 含 AI 域名的站外会话，以及品牌词搜索量变化 | 真实商业影响 | 归因天然有损耗 |
四类指标的门槛是递增的：提及相对容易做到，流量很难拿。只盯提及率，容易做出「AI 到处提你但没人点」的假繁荣。我们做 GEO 生成式引擎优化 时的习惯是把提及和引用当过程指标，推荐和流量当结果指标，两套分开汇报。
二、问题集怎么设计：20 到 40 条，分四层
问题集是整个监测的地基，设计歪了后面全是白测。经验做法是四层各 5 到 10 条：
- 品牌层：直接问「XX 公司怎么样」「XX 是做什么的」。这层测的是已有认知有没有被正确复述，重点看有没有编造，比如把注册资本写错、把业务说成别的行业。
- 品类层：去掉品牌只问需求。「南昌企业想做知识库找谁」「中小企业的 AI 私有化部署有哪些服务商」。这层是主战场。
- 场景痛点层：用客户的原话问。「公司文档太乱 AI 答不准怎么办」「老板要求三个月内落地 AI 但预算有限」。这层更接近真实提问。
- 对比决策层：「私有化部署和直接用公有云 API 哪个划算」「GEO 和 SEO 要不要都做」。这层看的是你有没有进入方案讨论。
问题别写成关键词堆砌，也别全用行业黑话。判断标准很朴素：把这句话念给一个不懂技术的销售听，他会不会这么问客户。问题集要留版本号，每次改都记下来，否则趋势没法比。
三、多平台提问：新开会话，每条至少三次
国内常用的是 DeepSeek、豆包、Kimi、通义、腾讯元宝、文心这几家，语料来源和检索策略不一样，同一问题给出的答案能差很远。别只测一个平台，也别把几个平台的答案混在一起算平均。
采样有三条纪律：
- 每次提问新开一个会话，不要在一个对话里连着问。上下文会让 AI 顺着你上一句走，答案是被污染的。
- 同一问题至少问 3 次，不同时间、不同会话，记录命中次数而不是命中与否。3 次里中 1 次和 3 次全中，含义完全不同。
- 开联网检索和不联网各测一遍。有些平台默认不联网，答案来自训练数据，更新滞后；开了联网才反映当前网页内容。
四、记录字段：只写「有／无」等于白记
| 字段 | 填写规则 | 用途 |
|---|---|---|
| 日期与时间 | 精确到小时 | 平台版本更新频繁，时间戳是回溯依据 |
| 平台 ＋ 是否联网 | 分开记 | 区分训练数据影响和检索影响 |
| 问题编号 | 对应问题集 | 横向对比不同层级问题 |
| 命中情况 | 提及／引用／推荐／未出现，四选一 | 避免「有」这种模糊答案 |
| 原话摘录 | 把提到你的那句话原样粘下来 | 看描述准不准、有没有被排在末位 |
| 同场竞品 | 回答里还出现了谁 | 判断你在候选池里的位置 |
| 引用来源 | AI 标注的信息出处域名 | 反推哪些内容被采信了 |
后两列常被省掉，但恰恰有用。同场竞品能看出 AI 眼里的「这一行有谁」，引用来源能告诉你该往哪类内容上加投入——如果 AI 反复引用的都是行业媒体的榜单而不是你的官网，那补官网内容的优先级反而该往后放。
五、复测频率：单次回答不能当结论
AI 回答有随机性，任何一次单点结果都不构成结论。我们的建议节奏是这样：
- 基线测：项目开始前做一次全量，20 到 40 条问题 × 3 次 × 各平台。这份基线是后面所有对比的锚。
- 周轻测：挑 8 到 10 条核心问题跑一遍，看有没有异常波动，只做预警不下结论。
- 月全测：完整跑一遍，出趋势表。这才是能拿给老板看的东西。
判读时看三个数：提及率（问题集里被提到的比例，按命中次数算）、推荐位占比（对比决策层问题里进入前三个候选的比例）、AI 引荐流量（统计工具里筛 referrer 含 AI 域名的会话数）。前两个是 GEO 指标，第三个是生意指标。
还有个现实提醒：AI 答案受平台版本、热点、语料更新时间影响很大，单月回落很正常。连续两个月同方向变化再下判断，别一个月不涨就换策略。
六、我们踩过的几个坑
用自己常用账号测。登录状态下 AI 会带历史偏好，你在自己账号看到的结果，跟一个陌生客户看到的可能不一样。条件允许就用干净环境或无痕窗口。
把「提及」记成「推荐」。AI 顺带一句「市面上还有 XX 等」，和「建议优先考虑 XX」，商业价值差一个量级。字段不拆开，团队会误以为进展不错。
只看流量不看描述准确度。被 AI 说错业务范围，比不被提及更伤——客户拿着错误信息来问，你还得先纠正。品牌层问题要把描述准确性单列一栏。
忽略官网这一侧。提及率上不去，很多时候不是内容发得少，是站点结构太碎、缺可被抓取的事实页。
可以参照一下我们给企业做 企业知识库 的思路，把公司全称、成立时间、主营范围、服务边界整理成几页能被直接引用的结构化内容，这件事往往比多发十篇软文有效。
七、先跑一份基线，再谈效果
如果现在还没有任何基线数据，讨论「有没有用」其实没有依据。低成本的做法是：今天就挑出 10 条像客户原话的问题，去 3 个平台各问 3 次，用上面那张表的字段记下来，存成初版。两周后再跑一次，你就有了一条能看的曲线。
需要现成模板的，可以先用我们的 免费 AI 可见度诊断 跑一轮，拿到原始记录再对照自测数据。测完不确定怎么读，打电话 400-873-2750 或 联系我们，把表格发过来，我们按问题层级帮你拆一遍，顺便看看是内容问题还是站点结构问题。