到 11 月 11 日为止，公开的 GEO 检测流程里最容易被跳过的一步，是同一个问题到底要问几遍。多数团队的做法是问一次、截图、写进周报；而监测方案里的通行口径是同一问题重复采样，稳定之后才出结论。这个差别看起来只是工作量，实际上决定了报告是能复核的观测，还是一次性快照——快照只能说明此刻模型说了什么，观测才能说明优化有没有发生作用。
一次采样不能当结论
同一个问题问两遍，AI 给的答案可能不一样。这不是平台不稳定，而是生成过程本身带随机性：检索到的网页、上下文组织方式、措辞偏好都会影响结果。单次采样得出的可见度，误差可能比优化带来的提升还大；用它汇报，等于把噪声当成了业绩。
可操作的折中是分层采样。核心问句（品牌词、主推品类词）采样次数拉满，长尾问句降低频次；采样时段固定，避开模型版本更新的窗口；同一批次内不更换提问账号与环境。这样得到的不是绝对精确的数字，但至少同口径可比。
三类关键词各建一组问句
公开方法论普遍把提问分成品牌核心词、品类词、场景词三类，也有方案按品牌词、产品词、竞品对比词切分，并分别指定目标引擎——同一个词在不同 AI 产品里的推荐结果差异显著。分类的意义在于归因：品牌词表现差，说明事实页有问题；品类词表现差，说明行业语料不足；对比词表现差，说明第三方证据缺位。三类混在一起统计，只能得到一个无法行动的总分。
| 统计项 | 通行做法 | 复核方式 |
|---|---|---|
| 采样次数 | 核心问句多次采样后取稳定值 | 保留原始回答与时间戳 |
| 提及率 | 出现品牌名的次数除以总测试次数 | 按问句类型分组重算 |
| 位次占比 | 首位或前三出现的比例 | 核对同屏竞品数量 |
| 引用来源 | 统计被引用页面与信源类型 | 抽查链接是否可达 |
| 信息准确率 | 核对参数、资质、服务范围 | 与官网主口径逐条比对 |
均值之外还要看离散度
只报平均值会把问题盖住。同一组问句，五个平台里四个稳定、一个持续下滑，算术平均之后看不出来；把平台离散度单列一列，才知道是整体退步还是某个入口掉了。同理，同一平台不同问句之间的差异也要看：品牌词稳、品类词崩，说明问题在行业语料而不是品牌页。
引用率要按信源分层统计
引用来源这项指标最容易被算错。只统计自有站点，会系统性低估实际曝光——AI 回答引用的往往是第三方评测、社区讨论与媒体报道。正确做法是先给信源分层：自有站点、权威媒体、垂直行业媒体、评测与社区、目录与问答平台，再分别统计被引次数，看结构是否健康。
权威媒体与自媒体的差
有稿件援引的实测口径称，央媒与国家级媒体内容的 AI 引用概率可达普通自媒体内容的九倍以上，权威新闻媒体引用率在八成以上，普通自媒体不足一成；常规新闻稿发布三十天后，主流 AI 问答平台可检索引用的比例平均不足一成半。这组数字来自服务商侧材料，样本与方法未公开，但方向值得记住：铺量不等于被引用，信源权重是有层级的。
复测节奏要跟更新频率对齐
复测频率不是越密越好。服务商核验清单里，抓取精度与更新频率是可查项：数据按天刷新，抓取、入库到被模型引用之间存在延迟，复测密过这个延迟，只是把同一批数据读第二遍；复测疏过内容失效周期，又会把过期结论当成现状。合理做法是让复测周期与更新频率、内容有效期三者对齐，而不是套一个固定天数。
复测最容易犯的错是同时改问句库和内容。两件事一起动，效果无法归因；正确顺序是先冻结问句库跑一轮基线，再改内容，再复测。如果必须扩充问句，就在报告里单列新问句组，不与原基线混算。同一批数据里，也只有冻结过问句的那部分才能用来回答「优化有没有起作用」。
常见问题
同一问题要问几次？
公开流程建议至少三次取均值，部分监测方案对单问题采样三十次以上再出结论；核心问句多采、长尾问句少采是可行折中。
为什么要把关键词分三类？
品牌词、产品词、竞品对比词对应不同问题：事实页、行业语料、第三方证据，分开统计才能定位到具体动作。
引用率只算自有站点行不行？
不行。AI 回答大量引用第三方内容，只算自有站点会低估曝光，需要按信源层级分别统计。
复测周期怎么定？
按时效分层：时效类问句每周一次，事实类问句每月一次，并以固定基线做锚点，避免与问句库调整混在一起。
