截至 11 月 8 日的公开信息，京东集团与美的集团在 11 月 5 日签署战略合作协议，双方将在全渠道零售、数智化采购、企业服务及海内外一体化供应链等领域合作，推进家电零售业务未来三年 2388 亿元全渠道销售目标。对做 AI 搜索可见度监测的团队，这条新闻提供了一个很典型的样本：同一组数字在不同报道、不同 AI 回答里会被压缩、改写甚至错配年份，品牌如果只盯着“有没有被提到”，就会漏掉“被说成了什么”这个更危险的问题。
2388 亿在 AI 回答里被说成了什么
同一件事，媒体至少给出了两种标题写法：一种强调“签订未来三年战略合作协议 全渠道达成 2388 亿元销售目标”，另一种直接写“未来三年销售目标 2388 亿元”。前者保留了“全渠道”的限定，后者省略了范围。当这类标题进入 AI 搜索的语料，模型在压缩回答时最容易丢掉的就是限定词，于是“三年全渠道目标”很容易被说成“年度销售目标”，数字没变，含义完全变了。品牌在 AI 回答里被引用的风险，多数不是被漏掉，而是被简化。
同一问题在两端的回答差异
把“京东和美的的合作目标是多少”这个问题分别投给不同 AI 平台，常见三类回答：一类给出 2388 亿元并注明三年期限，一类只给数字不加期限，还有一类把 2100 亿元与 2388 亿元混在一句里。三类回答对读者的影响截然不同——第一种无害，第二种会让人误判规模，第三种会让人怀疑信息可信度。GEO 监测要抓的正是这种差异，而不是简单统计“品牌被提到几次”。
战略合作的数字为什么容易被引错
原因有三层。第一层是同一企业存在多个时间点的同类数字：2023 年 500 亿元净销售额、2024 年 3 年 2100 亿元目标、2026 年 5 月超级品牌日 31 亿元、2026 年 11 月 3 年 2388 亿元目标。数字都真实，年份与口径不同，检索时极易串行。第二层是限定词在标题里被省略，正文里的“全渠道”“三年”在二次传播中脱落。第三层是结构化数据的缺失，报道以叙述呈现，没有字段化的口径说明，模型只能靠上下文推测。
这也解释了为什么单看“提及率”会误判。一个品牌在 AI 回答里被高频提到，但每次的销售额、门店数、合作期限都略有偏差，实际效果是持续的认知损耗；反过来，提及次数不多但每次数字与口径都准确，可信度反而更高。GEO 的指标体系必须把“提及”与“准确”分开计分，否则优化动作会朝着错误方向走。电商派报道
引用来源的核查路径
核查要从问题库开始。先把读者真实会问的问题列出来，例如“京东美的三年目标多少”“京东美的合作涉及哪些板块”“美的在京东一年卖多少”，每个问题对应一组应当被引用的信源。然后在主流 AI 平台逐一提问，记录回答里出现的数字、期限、范围，以及回答引用的来源链接。最后把回答与信源对照，标出三类偏差：数字错、口径错、来源缺失。这条路径不依赖任何平台开放接口，靠人工抽样也能跑通，关键是问题库要稳定、抽样要能复现。
可监测的四个指标
第一是品牌提及率，即在目标问题集里被提到的比例；第二是推荐位次，即品牌在被推荐清单里出现的顺序；第三是引用来源占比，即回答引用的信源中官方公告、权威媒体与自媒体的构成；第四是描述偏差率，即回答中的关键数字与口径与官方信息不一致的比例。四个指标里，前两个衡量“被看见”，后两个衡量“被说对”，缺一不可。
| 数字 | 口径与年份 | 常见误读 |
|---|---|---|
| 2388 亿元 | 未来三年全渠道目标 | 被写成年度目标 |
| 2100 亿元 | 2024 年定的三年目标 | 与 2388 亿元混用 |
| 500 亿元 | 2023 年美的在京东年净销售额 | 被当成签约金额 |
| 31 亿元 | 2026 年 5 月超级品牌日销售额 | 被当成月度常态 |
把这张表做成品牌内部的口径卡，是成本最低的纠偏手段。对外发布、对内培训、监测比对都用同一张卡，AI 回答出现偏差时能立刻定位是数字错还是口径错。更进一步，可以把口径卡转成结构化的问答对，投放到官网与权威渠道，让 AI 搜索在检索时有更清晰的锚点可依。
品牌 GEO 管理要补的一课
这起签约暴露的不是京东或美的的问题，而是所有做 GEO 的品牌共同的短板：重发布、轻口径。市场部发完新闻稿，数字就交给了媒体与平台去转述，没有人负责核对转述后的版本。当 AI 搜索成为重要入口，这个缺口会被放大——模型不会替你保留限定词，它只会复述最常见的那一种说法。
补课的方式是把口径管理前置。发布时同时准备三样东西：一段带完整限定语的官方表述、一张关键数字的口径卡、一组围绕该事件的常见问题与标准答案。三样东西都指向同一套事实，AI 搜索在检索与生成时才有稳定的引用来源可选。至于竞品对比，逻辑相同：当竞品的数字被引错而你的准确，可信度差异会在多次问答中累积成品牌差异，这比任何一次投放都更持久。
需要强调的是证据边界。AI 回答是动态生成的，同一个问题在不同时间、不同平台会得到不同结果，单次抽样的结论不能当成定论。可靠的监测要固定问题集、固定抽样频次、保留原始回答截图，并注明采集时间，否则优化前后的对比无法成立。这一点在 GEO 项目里最容易被忽略，也最容易被误读成“优化无效”。
常见问题
GEO 和传统 SEO 的差别在哪？
SEO 争的是搜索结果页的位次，GEO 争的是 AI 回答里的表述与引用。前者看点击，后者看品牌在 AI 回答中被提及、被推荐、被引用的方式，以及关键数字与口径是否准确。
AI 回答里的引用来源怎么查？
看回答附带的链接与信源名称，再回到原文核对数字与口径。多数平台会标注引用，少数不标，此时可用回答中的独特表述反查原文，判断它引用的是官方公告还是二手转述。
多平台可见度怎么对比才有效？
固定问题集、固定抽样时间、固定记录字段，再按平台分别统计提及率、推荐位次、引用来源占比与描述偏差率。不同平台语料与更新节奏不同，直接比较绝对数值意义有限，看趋势更可靠。
优化后多久能看到变化？
没有统一答案，取决于平台抓取与语料更新节奏。可以确定的是，单次抽样无法证明变化，至少需要连续数周的同口径抽样才有参考价值，且要排除平台改版等外部因素。
