GEO 市场规模的争议，不是数字高低，而是口径不同。以 11 月 12 日更新的那份行业白皮书为界，里面并排放着三组数字：2026 年国内 GEO 市场规模预计突破 290 亿元、行业渗透率从 2025 年的 38% 升到 72%、Gartner 预计到 2026 年底传统搜索引擎访问量下降 25% 以上。三个数字来源不同、统计对象不同，读在一起很容易得出「这个行业已经成熟」的结论。但采购方真正要签的合同，这三个数字一个字都写不进去。
三个数字分别是谁在算
290 亿元这一项，最需要问清楚的是统计对象。如果它统计的是企业花在 GEO 服务上的采购额，那它和品牌自己的预算规模直接相关；如果它把搜索广告、内容制作、监测工具一并算了进去，那这个数字对单个品牌的意义就完全不同。同一句话在不同统计对象下可以差出几倍，而白皮书通常不会把这一层写在标题里。
渗透率 72% 的问题在分母。企业总数里包含大量根本没有线上获客需求的个体户，把它们算进分母，渗透率会天然偏低；只算中大型企业，渗透率又会天然偏高。这类指标单独看没有意义，必须和分母定义一起引用，否则第二年换个统计方，数字一定对不上，读者会误以为是市场发生了变化。
Gartner 那句话已经用了两年
传统搜索访问量下降 25% 的判断提出于 2024 年，至今仍被反复引用。这不代表它错了，但代表它是一件「预测」而不是「观测」。预测可以用来说明趋势方向，不能用来设定预算比例。真正能拿来定预算的，是自己站点在四个引擎里的提及率与引用率，这两项可以每周复测，也可以拿出原文对照。
把三类数字分开之后，白皮书的用处反而更清楚了：它提供的是行业坐标系，不是验收标准。坐标系告诉你同行大概在什么位置，验收标准得自己写，而且必须写成可复测的形式。
三项标准里只有一项能写进合同
白皮书给出的选型标准是技术自研程度、全链路交付能力、效果可核验性。三项都重要，但只有第三项天然具备合同属性。自研程度无法验证，交付能力可以看案例，效果可核验性则可以直接落到条款上：用哪套问题集、跑哪几个引擎、多久复测一次、指标怎么定义、结果以谁的截图为凭。
| 选型标准 | 采购方能自己验证吗 | 落到合同上的写法 |
|---|---|---|
| 技术自研程度 | 基本不能，需要现场看系统与团队 | 只能作为尽调项，不作为验收项 |
| 全链路交付能力 | 部分能，靠案例与客户回访 | 写明交付物清单与交付时间 |
| 效果可核验性 | 完全能，给一批问题跑一遍对原文 | 写明问题集、引擎、频率与指标定义 |
现实里最常见的失败不是服务商能力不够，而是双方从来没定义过「有效果」。品牌以为有效果是被推荐，服务商交付的是被提及；品牌以为复测用同一批问题，服务商每轮换一批问题。两边都觉得自己完成了工作，合同里却找不到一句可以判定的话。把可核验性提到前面，等于先把这个分歧解决掉。
样本量比排名更能说明问题
服务商梯队排名是白皮书里最容易被截图传播的部分，但它对采购决策的帮助有限。真正需要问的是样本：一轮测试覆盖多少个问题、每个问题跑几次、四个引擎是否都跑、答案原文是否留档。20 个问题跑一次的结论，和 200 个问题跑三次的结论，可靠性差一个量级，报价却可能只差三成。
还有一个常被忽略的细节：同一句提问在不同时间问，答案会变。这是生成式引擎的固有属性，不是数据错误。因此任何一次单点测试都只能算快照，判断效果必须看趋势。要求服务商提供连续四周的复测记录，比要求它提供一份漂亮的单次报告有用得多。
采购前该问的五个问题
问题清单不用长，但每一条都要能落到纸面。下面五条按顺序问，基本可以把「能不能验收」这件事问清楚，也能顺带看出对方是工具型还是全案型。
五条问完，通常会得到两种回答。一种是把问题集、引擎、频率、定义都说得清楚，并且愿意把交付物写成数据表；另一种是强调方法论先进、案例丰富，但落到具体数字就开始模糊。两种回答的差别不在能力，而在是否愿意被复核。
白皮书里那句「效果可核验性」之所以值得单独拎出来，是因为它是三项标准里唯一可以由采购方单方面验证的。自研程度要看对方机房，交付能力要看对方客户，只有可核验性完全掌握在自己手里：给一批问题，跑一遍，对原文。一份关于 GEO 执行流程的梳理把这条链路拆成问题、答案、引用、页面四个节点，四个节点都能留证据，争议就有地方落脚。
常见问题
290 亿元的市场规模能用来做预算依据吗？
只能做参照。它说明这个赛道已经有服务供给，不能说明你该花多少。预算要按自己的问题集规模、引擎覆盖数和复测频率算，这三项才是成本项。
渗透率 72% 意味着同行都在做了吗？
不一定。渗透率依赖分母定义，企业总数和中大型企业数会算出完全不同的结果。判断同行是否在做，看的是同类问题下 AI 答案里出现了哪些品牌，而不是看一个百分比。
服务商梯队排名该不该作为筛选依据？
可以作为初筛，不宜作为终选。排名说明市场认知度，不说明它能把你的问题集跑准。终选还是要落到样本量、复测频率和交付物形态上。
为什么强调答案原文留档？
因为生成式答案会变。没有原文，三个月后无法判断指标变化是优化起效还是引擎调整，也无法向内部解释预算为什么继续投。
国内引擎和海外引擎要同时监测吗？
取决于客户在哪提问。国内用户的入口集中在豆包、DeepSeek、通义、元宝，只盯海外引擎得到的可见度，回答不了国内的生意问题。
