截至 11 月 5 日的公开信息，GEO 服务商在报价单上给出的往往是一个“推荐率”，但监测记录里真正能支撑复盘的字段远不止一个。品牌被提及、官网被引用、回答被人工判定为推荐，是三种不同的结果；把三者压成一个百分比，等于把可以定位问题的地方全部抹平，剩下的数字既解释不了效果，也指导不了下一步该改哪里。
一条监测记录里该存哪几类字段
完整的一条记录至少要包含六项：提问原文、平台与模型版本、检测时间、原始回答全文、回答中出现的引用链接、以及人工判定位次。少了任何一项，后续复测就无法判断变化来自内容修改、平台版本更新，还是提问方式本身不同。把记录按资料版本归档，还能回答一个更关键的问题：改完之后，同一个问题下的回答到底有没有变。
样本量与统计区间比一个百分数更重要
推荐率的分母是提问次数，而不是提问数量。同一批问题在不同时间问两次，得到的分母可能相差一倍。因此规范的做法是同时呈现样本数量与统计区间，并在相同条件下重复采样，让结论落在一个可以比较的范围内。只给一个点值，等于把不确定性藏起来，采购方也无法判断这个季度比上季度是进步还是波动。
相同条件下重复采样的意义
“相同条件”指的是同一批问题、同一批平台、同一时间段。条件一变，数字就不再可比。这也是为什么按季度做试点比按月看数更稳：季度内的平台版本变动相对可控，样本也足够看出趋势。
分平台经营 一个模型的结论不能外推
不同 AI 平台选取的信源结构差异很大，一个平台上的高提及率不能等同于全平台的可见度。行业观察显示，相当比例的提及只出现在单一模型里，这意味着可见度必须按平台分别经营与汇报。合并成一个跨平台均值，看起来体面，实际上掩盖了最需要修补的那一层。
| 记录类型 | 判定依据 | 常见误用 | 建议呈现方式 |
|---|---|---|---|
| 品牌提及 | 回答中出现品牌名称 | 把中性介绍算作推荐 | 与推荐分开计数 |
| 官网引用 | 回答给出官网链接或标注来源 | 用第三方转载页替代官网 | 记录引用页的完整地址 |
| 人工推荐 | 人工复核判定为推荐 | 用模型自评替代人工 | 标注复核人与复核时间 |
| 竞品占位 | 同一问题下竞品的出现情况 | 只看自己不看竞品 | 同题对比记录位次 |
合并均值会掩盖什么
假设某品牌在五个平台里的两个有明显提及，另外三个几乎为零，合并后的均值看起来尚可，但真正决定线索的是那三个空白的平台。分平台呈现能让预算落到缺口上，合并均值只会让人觉得整体还行，而问题恰恰出在没有被看见的那几层。
这张表的价值在于把“被提到”和“被推荐”分开。一个中性介绍出现在回答里，和品牌被放在第一位推荐，对业务的意义完全不同；前者说明资料被抓到了，后者才说明资料被采信了。
人工复核这一环为什么省不掉
模型自己判断自己是否推荐，本质上是把评价权和被评价对象放在一起。可行的做法是让模型只负责取回回答，由人工按预设规则判定位次与推荐意图，并把判定标准写进流程文件。这样即使换人复核，结论也不会漂移，第三方也能复算。
采购时怎么用这三条验收供应商
把上面三点转成采购语言，就是三句必问：监测是否附样本量与统计区间，结果是否分平台呈现，人工复核是否留痕。三句都答得清楚的供应商，交付物至少可以被检查；只给一个推荐率数字的，验收时只能凭感觉。市场规模的扩张让服务商数量迅速增长，但可核验的交付仍然是少数，这一层判断只能由采购方自己做。
常见问题
品牌被 AI 提到就算 GEO 有效吗？
不算。提及只说明资料被抓取到，还要看回答是否准确、是否给出引用来源、是否被放在推荐位次。
为什么不能只看跨平台综合推荐率？
不同平台的信源结构不同，同一品牌在各平台的可见度差距可能很大，综合均值会掩盖最需要修补的那一层。
统计区间的意义是什么？
它把抽样波动显性化，让相邻两个周期的数字可以比较，避免把正常波动当成效果提升。
人工复核会不会太慢？
复核只需处理被引用的回答片段，不必全量通读，把它做成流程节点而不是事后补救，成本可控。
