截至 11 月 6 日的公开信息，广州日报报业集团旗下大洋 GEO 当天上线，平台由集团旗下广州日报报业经营有限公司与人工智能与数字经济广东省实验室（深圳）（光明实验室）联合研发，面向粤港澳大湾区政企机构提供可信信息服务。官方给这组服务的定位很明确：从「被 AI 引用」转向「被准确引用」。同一时期，CTR 联合中国传媒大学广告与品牌学院、国家广告研究院发布的报告显示，70.4% 的广告主已规划 GEO 预算，14% 把 GEO 当成刚需，但行业里以铺量、曝光、排名为卖点的服务商不少，信源质量参差、效果难核验。
AI 的三个坑，决定了 GEO 不能只做曝光
官方把 AI 的问题归成三类：幻觉，指模型生成不存在的文献或错误事实；谄媚，指模型迎合用户、越聊越偏；投毒，指虚假信息被混入语料后模型照单全收。三类问题的共同点是，它们都不会表现为「品牌没出现」，而是表现为「品牌出现了但说错了」。只看曝光量的监测方法，对这三种情况全部失明。
这也解释了为什么「铺量」思路走不通。铺量的目标是让品牌名出现得更多，但模型采信的依据是信源的可核验程度，不是出现次数。同一句错误表述被复制到一百个低质站点，模型反而更容易把它当成共识。对政企机构，这种「越优化越错」的风险比缺席更严重。
准确引用要拆成三步验证
第一步是可见度，品牌在 AI 搜索的核心问题里是否出现，这也是 GEO 优化的起点。第二步是读懂，模型引用的页面是否包含完整、结构化的关键事实，而不是零散片段。第三步是采信，引用的域名是否属于可信层级。三步缺一步，结论都会偏：只做可见，会把错误表述当成成果；只做读懂，会忽略信源层级；只做采信，会漏掉大量长尾问题。
幻觉纠偏要有台账
纠偏不是改一次页面就结束。可行的流程是：记录错误表述、定位原始信源、更正信源、重新抽样、观察是否复现。台账里要写清错误出现的时间、平台、问题原文与更正日期，这套记录在对外沟通时也是证据。没有台账，纠偏就变成反复救火。
监测口径也要写进合同。要求服务方说明抽样的问题集、平台清单与轮次，以及可见度与引用来源的统计方法；口径不写清楚，交付时只能凭对方的报表说话。对政企机构，这一条比价格更值得争。
谄媚带来的偏差，要靠固定问题集过滤
模型会顺着用户的措辞走，同一个事实用不同问法可能得到不同答案。监测时如果每次换问法，结果就无法比较。做法是固定问题集、固定问法、固定抽样轮次，用同一把尺子反复量，才能看出真实变化。
投毒防线在信源侧，不在模型侧
品牌无法控制模型如何训练，但能控制自己被哪些页面描述。把官网、词条、权威媒体上的表述统一，等于给自己建了一道防线：即便别处出现错误信息，模型交叉验证时也能找到一致的可信版本。这道防线需要长期维护，不是一次投放能解决的。
| 问题类型 | 典型表现 | 纠偏动作 |
|---|---|---|
| 幻觉 | 引用不存在的文献、编造参数 | 补可核验事实、留存检测报告 |
| 谄媚 | 顺着提问者口径给出偏向结论 | 固定问题集、多问法交叉抽样 |
| 投毒 | 虚假信息被反复引用后成为「共识」 | 统一官网与权威渠道表述 |
| 遗漏 | 核心问题中完全不出现 | 补结构化页面与信源层级 |
常见问题
GEO 服务只看曝光量，问题出在哪？
曝光只回答「有没有出现」，不回答「说得对不对」。幻觉、谄媚、投毒三类问题都会在曝光数据里表现为正常。
「被准确引用」怎么验证？
用固定问题集抽样，逐条比对答案与官方事实，同时记录引用域名层级，两者结合才成立。
媒体机构做 GEO，和营销公司有什么不同？
差别在编审与事实核验能力。媒体能对内容做溯源与把关，这决定语料能否进入更高层级的信源。
预算有限，先做哪一步？
先做错误台账与固定问题集。两步成本都低，却能避免把预算投在放大错误上。
