如果你手里只有一份排名表，能得出的结论通常只有一句：名次变了。但 GEO 要回答的是另一个问题——AI 到底怎么描述你。11 月 12 日公开的一篇服务商实践把诊断拆成三层：AI 是否认识这个品牌、能否准确解释它的产品、是否会在具体需求下推荐它（中华网）。截至 11 月 12 日，这套拆法比任何单一分数都更适合做验收标准，因为三层证据对应三种完全不同的修补动作。
三层证据各自证明什么
第一层是认知，问的是「提不提到你」。这一层不过，后面两层没有意义，因为模型连品牌名都没有进入候选。第二层是解释，问的是「说得对不对」，常见问题是把产品能力说得过宽或过窄，或者把旧版本的功能当成现版本。第三层是推荐，问的是「在有具体需求时会不会选你」，这一层最接近成交，也最容易被误判成内容质量问题，实际上往往是场景说明缺失。
认知层：先确认名字进没进候选池
认知层的验证很朴素：用不带品牌名的品类问题去问，看答案里出现哪些品牌。如果连续多个问题都不出现，说明公开信息不足以让模型把你和这个品类关联起来；这时补的不是产品页，而是品类层面的公开材料，例如行业报告里的份额描述、媒体对这类解决方案的报道、协会或标准组织的名录。
解释层：口径不一致会被放大
解释层的问题往往出在口径。官网写支持十个渠道，产品手册写支持八个，三年前的新闻稿写支持六个，模型抓到的可能是任意一个。它不会判断哪个更新，只会把抓到的写法复述出来。这类错误的修复成本不高，但需要先发现：把同一事实在不同页面上的表述列出来对照，差异一目了然。多源一致性本来就是打分维度之一，口径不统一等于自己给自己减分。
推荐层：场景缺失比内容质量更常见
推荐层不过关时，最常见的误判是「内容质量不够」，于是加篇幅、加形容词。实际更常见的原因是场景缺失：内容讲了产品是什么，没讲什么情况下该选它、什么情况下不该选它。用户在 AI 里提问时几乎都带着场景，模型要给出推荐理由，就必须找到场景与产品的对应关系；缺了这层对应，答案只能给一个泛泛的品类描述。
把诊断做成可复测的证据链
证据链的写法决定了诊断能不能复用。建议每条结论都带三样东西：原始提问、答案原文片段、引用来源。三样齐全，结论才可复核；缺了引用来源，结论就退化成主观印象，下次复测也无法比较。行业里另一个常见误区是把关键词铺量当成信息建设，结果是页面变多、口径更乱，诊断结论反而更难收敛。
| 证据类型 | 记录什么 | 能证明什么 |
|---|---|---|
| 认知证据 | 品类问题下答案出现的品牌集合 | 品牌是否进入候选池 |
| 解释证据 | 答案中关于产品的原句与官网表述对照 | 口径是否一致、是否用了旧版本信息 |
| 推荐证据 | 带场景的提问与答案给出的推荐理由 | 场景与产品的对应关系是否成立 |
| 纠偏证据 | 修正信源上线日期与之后的答案变化 | 纠偏是否生效、生效需要多久 |
四类证据里，纠偏证据最少见，也最能说明问题。它要求记录修正动作的时间点，再在固定间隔回看同一问题的答案。多数团队做了修正，却没有留下时间戳，于是无法回答「改了到底有没有用」，下一轮预算也就无法论证。
验收时该问的三个问题
样本、口径、复测周期
拿到一份 GEO 诊断，先问样本：问了多少条问题、覆盖几类意图、在几个平台上跑。再问口径：品牌被提及算不算通过，还是必须出现在引用来源里。最后问复测周期：多久回看一次，用什么判断改善。三个问题问完，报告的可用性基本就清楚了；三个问题答不上来的报告，通常只能当宣传材料。
常见问题
三层证据要全部通过才算合格吗？
不必。三层是诊断顺序，不是验收门槛。多数企业的现状是认知层勉强通过、解释层问题最多、推荐层几乎没有，先修解释层的性价比通常最高。
品牌被提及和被引用，哪个更重要？
被引用更重要。提及只说明名字出现过，引用说明你的页面被当成依据，后者才与后续的访问和咨询相关。
纠偏一般多久见效？
没有统一答案，取决于模型更新节奏与信源权重。可行的做法是固定第 7 天与第 30 天两个观察点，用自己的数据积累经验，而不是套用别人的周期。
竞品占位严重时还有必要做诊断吗？
更有必要。竞品占位恰好说明该品类的答案位有限，诊断的作用是找出哪些场景还没有被占住，而不是在已饱和的问题上硬碰。
