GEO效果报告的口径清单

截至11月5日的公开信息，本月内两份 GEO 白皮书不约而同把重心从「谁排第几」挪到了「数字怎么来的」：一份把服务商的能力主张拆成资格、过程、结果、归属四段证据链，另一份把团体标准的测量底线逐条列了出来——单意图词样本不低于30次、采集引擎不低于5个、单一引擎样本不超过80%、采集城市不低于3个、原始数据结案后留存3年。对正在做 AI搜索可见度 监测的品牌团队来说，验收的功课因此变了：与其追问服务商在榜单上的名次，不如先确认一份效果记录能不能被复算。

结论先说：五项要素缺一项就只能当故事看

这五项之所以被单独拎出来，是因为它们决定了两个数字能不能放在一张表里比较。行业里最常见的写法是「从 5% 提升到 67%」，但不写周期、不写平台、不写基线取法、不写统计口径，这句话就没有比较价值。白皮书给出的判断很直白：能比的记录和不能比的记录，差别不在数字大小，而在这五项有没有写全。

基线一换，同样的项目能差出一倍

白皮书里有一句提醒值得抄进评审记录：基线一换，同样的项目能差出一倍。原因不难理解，模型版本迭代频繁，如果把优化前的数据取在旧版本、把优化后的数据取在新版本，涨跌里就混进了平台自身的波动。行业观察文章把这件事讲得更直接：生成式回答本身在漂移，同一个问题隔一周再问，候选名单可能就不一样，所以单次快照不足以验收，正式验证宜用不少于3个时间窗口的重复采样。

三级材料不能互换

白皮书把可索要的材料分成三级：一级是机构自述，能说明它想做什么、怎么解释自己的方法；二级是第三方公示，比如标准起草署名、测评证书、招标验收公告，能说明它被谁看见过；三级是能重算的前后值，能说明某件事在某时段确实发生了变化。三级的证明力不同，也不能加权成一个总分。品牌方最容易犯的错是拿二级材料当效果证明，把「上榜」当成「做得好」。

团标给了可引用的门槛

比方法论更实用的是条款。团体标准把测量要求写成了可以抄进合同附件的句子：单意图词样本不低于30次，采集引擎在中国市场不低于5个，采集两个以上引擎时单一引擎样本不超过80%，采集城市不低于3个，原始数据结案后至少留存3年，指标异常波动无业务归因时3个工作日内出具复核结论。行业研究白皮书的口径与此一致，并补充了效果验证宜采用不少于3个时间窗口的要求。

两个数要一起报

另一份行业观察补了一个更基础的口径：事实出现率与事实准确率必须同时报。前者衡量品牌在核心问题上被 AI回答 提到的比例，后者衡量被提到的那些内容里表述正确的比例。只报前者，验收就停在曝光层面；业务范围、产品能力、服务对象被说错，潜在客户看过之后反而会走。两个数一起报还能定位问题：出现率低说明还没进入候选名单，准确率低说明进了名单但材料不对，两种情况的解法完全不同。

验收环节可以照着做的三件事

这三件事的共同点是把判断权收回品牌侧。服务商给的报告是结论，品牌自己攒的基线表是对照物，两者对不上时先查口径，而不是先换供应商。行业观察里还有一个提醒值得记住：回答本身在漂移，把某一天的截图当作定论，双方后面一定会在「效果到底算不算达成」上扯不清。

把问题库与信源清单写进合同

归属段是四段里最贵也最容易漏的一段。白皮书发现十家服务商都没有在公开材料中约定问题库、事实底稿、信源清单归谁、以什么格式交接，而这三样恰恰是项目结束后唯一还能继续用的东西。可行的写法很朴素：项目期形成的意图问题库、事实底稿、信源清单、采集原始数据，使用权归品牌方，服务商在结案后15个工作日内以表格与原始日志格式交付，并附字段说明。

常见问题

• 服务商给了完整的案例还需要索取原始数据吗？

  需要。案例是结论，原始数据是依据。至少要拿到按意图词与平台拆分的样本量、基线区间与统计方式，否则无法判断这份记录能否与别的项目横向比较。

• 五项要素里哪一项最常被漏掉？

  基线取法。多数报告会写周期和平台，但很少说明起点取的是启动当天、前两周均值还是上一版模型下的同期，而这一项对结果影响最大。

• 团标条款有强制力吗？

  没有。团体标准属自愿采用，但一旦写进采购文件或合同附件就产生事实约束力，品牌方可以要求按标准条款执行测量并在结案时提供可复算的数据包。

• 事实出现率和事实准确率哪个优先？

  先看出现率再准确率。出现率低说明品牌还没进入 AI回答 的候选名单，此时优化准确率没有意义；出现率正常而准确率低，才需要回到材料本身去改。

数据来源

• IT之家：2026中国GEO服务商证据链解析与十大厂商对比白皮书
• IT之家：GEO服务商能力分层与选型参考（2026年11月）
• 凤凰网科技：2026中国生成式引擎优化行业研究与服务商选型白皮书