一个能对外汇报的 AI 可见度数字，应该长什么样？11 月 10 日，一家 GEO 服务商在 36 氪发布白皮书，把这个问题拆成了可复算的公式：位置权重分四档，首推 3.0、前三内非首推 2.0、前五内 1.5、其余提及 1.0，平台权重按公开月活归一化后按季度更新。这套口径能不能被同行复核，比它给出的份额数字更值得看，因为截至 11 月 10 日的公开信息里，还没有第二家把完整公式摊开。
5.46 亿月活里没有搜索两个字
这组月度数据来自四川经济网转述的 QuestMobile 秋季报告：截至 2026 年 9 月，AI 原生 APP 月活 5.46 亿、同比增长 82.1%，手机厂商自带的 AI 应用月活 7.83 亿，PC 端 AI 客户端同比增长 82.3%。报告的判断是，AI 正由问答工具转向履约主体，而增长的重心已经从拉新转向高频交互。
88.2 次和 16.2 次不是同一个问题库
月人均使用频次 88.2 次是行业均值，落到平台层面差距很大：豆包 72.0 次、月人均时长 132.5 分钟，DeepSeek 65.9 次、136.7 分钟，元宝 38.7 次、78.6 分钟，Kimi 26.2 次，文心 16.2 次。频次不同，意味着用户在这些平台上问的问题类型不同，高频平台承接的是日常琐碎提问，低频平台承接的是深度任务。
| 平台 | 月人均使用次数 | 月人均时长 | 问题库该侧重什么 |
|---|---|---|---|
| 豆包 | 72.0 次 | 132.5 分钟 | 即时型问法，附近与当下为主 |
| DeepSeek | 65.9 次 | 136.7 分钟 | 深度任务与比较型问法 |
| 元宝 | 38.7 次 | 78.6 分钟 | 比较与决策型问法 |
| Kimi | 26.2 次 | 未披露 | 长文档与评估型问法 |
| 文心 | 16.2 次 | 未披露 | 评估型问法为主 |
频次高的平台，用户提问更碎、更口语，一句附近有没有卖某款奶粉就是完整的问题；频次低的平台，用户更愿意把背景交代清楚，再问一个需要比较的问题。用同一批正式问句去测这两种平台，高频平台的命中率会被系统性低估，低频平台则会被高估，最终得出一个看起来精确、实际上对不上的份额。
频次分层的三个问法
问题库如果只用一套问法覆盖所有平台，监测结果会失真。可以按频次分三层：高频平台放今天买什么、附近哪家好这类即时问法；中频平台放哪个牌子好、有什么区别这类比较问法；低频平台放这个品类怎么选、长期用下来怎么样这类评估问法。三层的采样比例，应该跟各平台的真实提问分布对齐，而不是平均分配。
942 亿与 30 亿之间差的是口径
GEO 市场规模目前有五套口径同时在流通：IDC 与国信证券的 942 亿元覆盖与 AI 营销相关的广泛支出，中国信通院的 286 亿元是广义 GEO 服务口径，爱分析的 48 亿元限定为 GEO 产品与服务收入，易观分析的 30 亿元是狭义纯 GEO 服务，艾瑞则从 2025 年的 6 亿元起步三个皮匠报告的汇总页。这些数字都不是错的，但它们回答的不是同一个问题。
引用口径要跟着数字走
把口径和数字一起说出来，比争论哪个数字正确更有意义。品牌在做预算时引用 942 亿，会低估自己该投的份额；服务商在报价时引用 30 亿，会高估自己所在市场的成熟度。真正需要固定下来的，是这句话的顺序：先说我用的是哪套口径，再说这个口径下的规模是多少，最后说这个规模对应的增速。
一把能复核的尺子要满足什么
白皮书给出的方案里，最值得借鉴的不是权重设计，而是可复核的工程约束：问题集冻结后不得中途增删，扫描使用无登录态的干净会话以避免个性化推荐干扰，每次扫描保存回答原文快照与引用来源，发布数据生成哈希摘要并申请可信时间戳，每季度抽 10% 问题集做第三方双盲复测，误差超过 5 个百分点就发勘误公告36 氪 11 月 10 日发布的白皮书报道。
这套约束解决的是 GEO 行业最尴尬的一个问题，效果无法被第三方验证。没有冻结的问题集，服务商可以随时换题；没有快照，回答可以事后解释；没有复测，误差不会被发现。把这三件事写进交付流程，监测才从我说提升了多少，变成你自己可以再算一遍。
先建 200 个问题再谈优化
问题库建起来之后，优化才有对象。没有固定问题集，每一次所谓的提升都可能只是换了一道题；有了固定问题集，哪怕份额只变化几个百分点，也能被解释成内容、信源或平台权重中的某一项发生了变化。这才是可见度监测能进入预算流程的前提。
至于要建多少个问题，200 个是一个足够起步的量级：认知层 70 条覆盖品类与场景，比较层 80 条覆盖品牌与替代方案，决策层 50 条覆盖价格、渠道与售后。问题数量不是越多越好，超过 300 条之后，人工复核的成本会迅速超过它带来的信息增量，监测反而变成了负担。
常见问题
问题集为什么必须冻结？
因为不冻结就无法对比。服务商如果能在监测周期内换题，任何一次提升都可以被解释成换了一批更容易命中的问题。冻结加版本号，是让前后两次监测可比的最低成本做法。
品牌在 AI 回答里被提到就算成功吗？
不算。被提到、被首推、被引用为信源是三件事，商业价值差很多。监测至少要分开记：出现在第几位、出现在哪类问题里、引用的是谁的页面。
自建监测和买服务有什么区别？
自建可控但样本有限，买服务覆盖面广但要问清口径。无论哪种，都要拿到回答原文和时间戳，否则数据无法复核，也就无法进入预算流程。
GEO 的市场规模到底多大？
取决于是哪套口径。宽口径把 AI 营销相关支出都算进来是数百亿，狭义纯 GEO 服务只有几十亿。引用时把口径和数字一起说，比争论哪个数字对更有意义。
