一份行业白皮书说，被 AI 正确提名的供应商拿到询盘的概率提升 3 到 5 倍；另一份服务商材料说，某化工企业的搜索可见度在一个月里从 10% 升到 90%。这类数字最容易在汇报会上换来掌声，也最容易在下一次复核时被推翻。判断它们能不能用，只需要问三件事：分母是什么、观测窗口多长、有没有对照组。这份电力设备行业的 GEO 白皮书发布于 2026 年 11 月，按截至 11 月 11 日的公开报道口径，它给出的方法论已在十个行业走完端到端验证，但倍数类结论仍缺少可核对的样本说明。
倍数结论要成立，先过分母、窗口、对照组三关
先拆「3 到 5 倍」这句话。分子是进入询价环节的企业数量，分母是同一批企业的总数，中间还隐含一个前提：询盘能被归属到具体来源。如果询盘来自展会、老客户转介绍或招标公告推送，把它算到 AI 提名头上，倍数就被放大。白皮书给出的判断是，在 AI 搜索结果中被正确命名的供应商获得询盘的概率提升 3 至 5 倍，未被模型记住的企业等于在新生意链路里隐形（凤凰网河北）。这个方向站得住，具体倍数需要用企业自己的询盘来源结构去校。
| 结论类型 | 公开表述 | 可核程度 | 复核时要什么 |
|---|---|---|---|
| 归因类 | 询盘概率提升 3 到 5 倍 | 低 | 询盘来源结构与样本行业分布 |
| 过程类 | 十个行业完成端到端验证 | 中 | 单个行业的验证记录与时间 |
| 个案类 | 可见度一个月内从 10% 升至 90% | 中低 | 问题集、采样平台与前后对照 |
| 结构类 | 三类需求占比超 60% | 较高 | 调研样本与提问方式 |
再看「可见度从 10% 到 90%」。分子是被引用的次数，分母是提了多少问题。一个月内提升八倍，如果是同一套问题集、同一批平台、同样的采样次数，说明供给侧的语义结构确实被吸收了；如果问题集在中途换过，或者新增了大量长尾问法，提升里就混进了分母变化。这类个案最有参考价值的部分不是数字，而是它把品牌信息拆成「问题答案」知识单元、围绕可信度重建技术内容的做法。
同一句被正确提名，两种统计口径
口径差异通常出在「提及」的定义上。第一种是把出现品牌名算作提及，哪怕回答里只是列举；第二种是要求品牌被作为推荐项列出，且附带正向描述。同一批回答按两种口径统计，可见度能差出一倍以上。报价单与月报里如果不写清用哪一种，客户看到的提升可能只是换了计数规则。
还有平台差异。元宝、豆包、DeepSeek、通义千问、Kimi、文心一言各有不同的用户画像、引用偏好与内容结构要求，同一个品牌在 A 平台被推荐、在 B 平台毫无存在感，是相当普遍的现象（IT之家）。跨平台合并成一个「总可见度」时，权重怎么分配就成了另一处需要写明的假设。
十个行业验证过，能核到哪一层
十个行业的说法本身有价值，它说明方法论不是只在一个品类里碰巧生效。已披露的行业包括液冷、密封高分子材料、半导体材料、氢能装备、工业机器人、储能系统、新能源汽车、航空航天、医疗器械，加上这次的电力设备，共十个（凤凰网河北）。但验证到哪一层，公开信息没有展开：是可见度指标提升，还是询盘数量提升，还是成交转化提升，三者的证据强度完全不同。
行业侧的规模数据倒是可以交叉验证。白皮书引用的口径是 2025 年中国电力装备行业营业收入突破 10 万亿元、电力设备总产值突破 6.3 万亿元、特高压设备市场突破 2500 亿元、变压器出口 646 亿元且同比增长 36%。这些数字决定了采购方在 AI 里问什么：技术参数、供应商推荐、工程案例三类需求合计占比超过 60%。需求结构决定了优化对象，这一点比倍数结论更实用。
第三方复现难在哪里
难点有三个。一是问题集不公开，复现者不知道原始样本问了什么；二是平台结果不稳定，同一问题在不同时间采样会漂移；三是商业机密，服务商不愿披露客户名单与投放节奏。三个难点叠加，导致倍数类结论只能作为方向参考，不能作为验收标准。
另一个常被忽略的变量是时间。生成式引擎存在先入为主的效应，先被引用的品牌会因反复引用而强化语义关联，后来者要花数倍成本覆盖旧关联，而且旧关联不会立刻消失；品牌信息长期缺失时，模型会用第三方点评、旧招聘页甚至竞争内容填空，纠偏周期明显拉长（新浪新闻）。这意味着同一套动作在不同时间点做，结果不可比。
把倍数拆成四步可测的动作
第一步锁定问题集。按采购决策链拆成技术参数、供应商推荐、工程案例三组，每组固定二十到三十个问法，版本号写进文档。第二步固定采样条件：平台、时间、次数、账号状态四项不变，任何一项变动都换版本号。第三步记录三元组，即问题、回答、引用来源，同时记下回答里出现的数字与对应指标名。第四步设对照，选三到五家同规模、未做优化的企业作为参照，按同一问题集同期采样。
四步跑完，倍数才有意义。有对照组的提升是净效应，没有对照组只能叫同期变化。这一步成本不高，却能把「看起来涨了」和「确实因为这件事涨了」区分开，也是把服务商汇报变成可验收交付的关键。
写进服务合同里的四个字段
如果要把这套方法写进采购或服务合同，至少约定四个字段：指标定义（提及算不算、推荐算不算）、观测窗口（起止日期与采样频次）、对照设置（参照企业数量与选择标准）、交付物（原始记录是否随报告提供）。四个字段写清，验收时就不会为口径争论，服务商也更容易证明自己的工作。
常见问题
白皮书里的倍数结论能直接引用吗？
可以作为方向引用，不能作为效果承诺。引用时写清来源、发布时间与口径说明，并标明样本未公开。对内部汇报，建议同时给出自己企业的对照数据，两者放在一起才不会被误读成承诺。
没有对照组，怎么判断优化有没有效？
退一步看两个替代指标：问题集内的引用条数变化，以及引用来源的结构变化。前者看数量，后者看质量。如果引用条数上升但来源全是低权重页面，说明只是被提到了，没有被当作证据。两个指标同时改善，才值得继续投入。
为什么同一套动作在不同时间做，结果差很多？
因为模型的语料与检索结果在变。先入为主的品牌会被反复强化，后来者要覆盖旧关联成本更高；反过来，新品发布、进入新场景或行业规则更新时，会出现新的知识吸收窗口。抓窗口比堆稿件有效，但窗口期无法精确预测，只能靠持续采样观察。
多平台合并成一个总可见度，合理吗？
可以做，但必须写明权重。按用户规模加权、按目标客群重合度加权、或者干脆不加权只做分平台对比，三种做法得出的结论可能相反。监测报告里如果只给一个总分而不给分平台明细，基本无法用于决策。
