GEO服务商怎么找？2026年别问“靠谱”，问这十个验证问题

先问采集方式：用 API 还是真实用户模拟，决定数据是否作废

先问采集方式。服务商若用官方 API 接口取数，拿到的不是用户在产品前端看到的答案；这一条不过关，后面九个问题都不用问。

API 是接近裸模型的调用，没有产品前端注入的系统提示，没有账号记忆与历史，没有产品级安全策略，也没有身份。Meta 的 Project Cannes 事件是这条判断最硬的旁证：他们不走 API，而是雇人在产品前端手动提问，因为 API 给不出“真实用户会看到什么”的答案（WIRED 2026 年 6 月首发）。这个案例是反面教材——可以模拟用户【可能是】的身份，绝不能伪造用户【不可能是】的身份，更不能灌假样本污染他人平台。服务商今天如果把 API 数据当验收依据，等于把裸模型回答当成用户实际看到的答案，结论天然失真。

对决策层，这条必须放在预算审批之前：先确认采集方式是否代表真实用户视角，否则这份数据只配看个大致趋势，不配做验收，更不能拿来向老板证明这笔钱花得值。

对执行团队，直接问服务商一个闭合问题：你们的数据是用模型官方 API 调用拿到的，还是模拟真实用户在 App 或网页里提问抓取的？要求对方解释两者在系统提示、账号历史、安全策略上的差异，并说明为什么你们的方法能代表用户实际看到的答案。答不上来或含糊其辞的，后面不用再谈。

对数据团队，自己做一个 10 分钟实验：同一个问题在豆包或 DeepSeek 里隔 30 分钟问两次，如果回答变化明显，说明答案本身有随机性，服务商那种一次采样、固定不变的数据不可信。与此同时，IAB《Measuring Visibility in the AI Era》的 Decision-Grade 八项标准里有一条是方法学文档——厂商必须书面说明数据采集与校验方式，写不出来就是质量缺口。

查询量少于 50 条，连方向性数据都算不上

查询量少于 50 条，连方向性数据都算不上——服务商不报出查询总量、分平台条数和提问类型，你拿到的报告连被审阅的资格都没有。IAB 八项标准把这条写得很死：少于 50 条 query 的度量项目直接判为 exploratory（探索级），连 directional 都够不着；决策级数据要求大而多样的查询集，并且必须披露总量、每品类条数、prompt 格式种类。这不是建议，是底线。

对决策层，样本量不足的数据不能进会议室，它只配当内部探索，别让它影响预算。你手头的报告如果只覆盖几十个问题，那个“提及率 60%”不能用来向董事会解释这笔钱值不值。一个最简单的自检：报告里有没有写明一共问了多少个问题？如果没有，这份报告连被讨论的资格都没有。跟它并列的事实是：State of AEO 2026 调查里，40.6% 的受访者把“缺少度量与归因工具”列为最大挑战——市场上大多数交付目前连这个门槛都没到。两件事放在一起，意味着你现在能拿到的绝大多数报告，都属于探索级。

对执行团队，你只需向服务商要三样东西。第一，监测覆盖哪几个 AI 平台，每个平台各多少条查询，总数要单独列，不能只给一个合计。第二，提问类型是否覆盖定义题、选型题、对比题、推荐题；如果全是品牌词，那只是重复记录你已经知道的东西，测不出增量。第三，要求分平台单独出报告，不接受一个合成分数。合成分数会把平台间差异抹平，而差异恰恰是决策的关键。三个要求里只要有一个答不上来，这份数据就不该进入验收环节。

对数据团队，你可以自己做一次低成本验证：挑 20 个最在意的品牌词和品类词，去豆包或 DeepSeek 逐个问，把结果记下来。然后拿服务商的监测清单比对——这 20 个词在不在他的监测范围里？如果不在，他给你看的再全，也和你无关。我们自己做意图槽位树实测时，用了 1047 条 query、731 条已执行，才把问题分到五个区里：优势区 9 条、竞争区 114 条、敌占区 189 条、歧义区 217 条、空白区 202 条。这个量级才谈得上判断“哪些问题值得投入”。如果服务商的查询量连 50 条都不到，你连自己处于哪个区都不知道。

只报提及率不够，问清分母和五区分布

只报一个提及率数字，只覆盖了 IAB 四个 P 里的第一个，剩下三个 P 没人管——钱花了，你仍然不知道 AI 把你排第几、说成什么样、有没有促成行动。这个数字甚至可能是虚高的：如果分母里混着一批天然不会点名任何品牌的定义题和科普通，提及率越低，反而逼着服务商用更大的分母去稀释。先给决策层一句结论：一个不提分母、不分区、不覆盖四个 P 的提及率，不能支撑预算决策。

你现在拿到的提及率，是把一批你要占的问题和一批你根本不该占的问题放在同一个池子里算出来的。用户在 AI 里问「什么是 GEO」时，答案里没有点名任何一家公司——不是你没做好，是问题本身就没有品牌位。我们的五区实测显示，AI 在这个区域几乎不产出品牌提及：有品牌名出现的几类，跑偏率在 5.4%~6.6%；一个品牌名都不出现的空白区，跳到 13.3%。你把这类问题混进分母，提及率的分母被撑大，分子没变，数字自然好看。没分区之前，你的提及率里永远混着一批注定归零的预算，你无法知道自己的真实位置在哪。

对执行团队来说，找服务商要数据，一定要把这三个问题问到底。

第一，提及率的分母是什么词集？ 所有服务商都在报提及率，但极少有人主动告诉你：分母里有多少条是「AI 本来就该点名」的问题，有多少条是「AI 本来就不会点名」的科普问题。把「什么是 GEO」和「GEO 工具哪家好用」混在同一个词集里，算出来的提及率既不能反映你该占的位置，也不能反映你实际的位置。你该问的是：这个词集怎么来的？按照什么标准筛过？有没有剔掉定义题和科普通？

第二，有没有按五区分开报？ 五区是个很简单的划分：把你关心的每个问题，按 AI 回答的时候说了谁，分成优势区（AI 点你的名还排前面）、竞争区（点了你但竞品在你前面）、敌占区（只点竞品不点你）、歧义区（点了你却把你和竞品搞混、品类搞错、功能安错）、空白区（谁也不点）。这五个区，不是一回事。优势区你是防守，竞争区你是进攻，敌占区你是从零争夺，歧义区你是纠正，空白区你是先让 AI 愿意点名。不分区，你不知道你的提及率是靠哪个区的优势拉起来的——很可能你在优势区吃老本，敌占区全线失守，总体数字却还过得去。

第三，4P 完整吗？ 提及率只是 IAB 4P 框架里的第一个 P——Presence（被提到）。剩下三个 P：Prominence（排第几）、Portrayal（被怎么描述）、Persuasion（促不促成行动），缺了任何一个，你都不知道这次提及是企业资产还是负面负债。AI 把你排第三还是第八，服务商可能告诉你；AI 在描述里说你「规模较小、功能相对基础」，服务商的提及率还是照算。钱花出去，买到的可能是劝退。这是甲方付了钱最委屈的地方。

把问题分完区、把 4P 问完之后，这个数字才有点用处；在此之前，它只是一个营销材料，不是一个管理数据。

如果你想知道服务商有没有在编数字，自己挑 20 个最在意的问题，逐个问豆包或者 DeepSeek，只记两件事：出现品牌名了吗？出现的是谁？半小时能做完，不需要买任何工具。测完自己算一个数——如果服务商说你整体提及率 60%，你在这 20 个拿真金白银去占的问题上只测出 20%，要么是分母里掺了科普问题，要么是采样方式完全不同。无论哪种，你都有理由要求对方把原始问答记录拿出来。

因为你拿不到可复现的原始记录，这个数就是没法验的。可验，取决于服务商能在你提出质疑时交出同一批问题、同一批引擎、同一时段下的完整回答——结构化排版或整段留存。这一问就能筛掉大部分只给「报告结果」的交付。

要原始回答截图和逐条引用源，不要汇总数字

服务商拿不出原始回答全文和逐条引用源清单，就说明数据没法复现，报告只配当装饰。汇报材料里"提及率提升""声量上涨"那些汇总数字，离开原始回答什么也证明不了——同一个问题再问一遍，答案还是不是那个答案、引用源还是不是那个源，只有把原文存下来才吵得清。

对决策层：你真正要验收的不是增长数字，是可复现性。 一份报告说"品牌被AI提到的次数增加了40%"，但你不知道那40%出现在哪几个问题里、AI当时具体说了你什么、这些回答能不能再跑出来一遍。同一份IAB标准里把"可复现性"和"数据校验"单独列为两条要求，核心就是：回答要能再问出来，原始记录要能拿得出来。拿不出来，这个40%跟没测过没有区别。你签续约时，要的不是对方说"我们有提升"，是对方当场打开一天的原始回答记录，让你看到AI在哪儿提到了你、把你和谁并列、说了你什么——看到这些，你才知道钱买到了什么。

对执行团队：向服务商要两样东西，拿不出来直接淘汰。 第一样：某个具体问题的AI原始回答全文，整段截图或转存文本，不是对方加工过的摘要。第二样：这次回答末尾列出的所有引用来源，每一条的域名和类型。然后追问一句：官网、专业媒体、自媒体达人各占多少？这不是考对方数据能力，是考对方有没有做过信源结构分析——因为五引擎的实测早已说清：自媒体达人是所有引擎的第一大信源，占比40%到70%，腾讯元宝最高达到70%；通义千问里专业媒体占33%，是五引擎里最高的。官网上你的内容做得再好，也只占信源结构里很小一块，正文被引的体裁也有明显偏好——榜单占28%、教程25%、评测22%、纯资讯只有4%、单一案例只有1%。服务商拿给你的引用源清单，如果全是你自家官网页，那说明它只盯着一个占比可能只有个位数的通道，根本没有按AI实际的采信结构去补量。

对数据团队：自己验一次，照行业基准判断服务商有没有替你补齐短板。 打开豆包或DeepSeek，问一个你最在意的品类问题，看回答末尾的引用：数一下有几条指向你自己官网。对照你行业官网被引占比的基准——科技软件在25%左右、企业服务21%、教育16%、文旅7%、快消6%、汽车5%。你行业的官网自然被引率是多少，就是你的信源基线。服务商交付的内容再漂亮，引用源里官网占了九成、自媒体和第三方阵地几乎为零，等于在一条本来就只有十分之一份额的通道里使蛮力。让服务商按你行业的基准对标，而不是拿"我们发了多少篇"来搪塞。

要求对方展示的始终是同一件事：原始回答连带引用源，而不是攒出来的汇总数。汇总数会骗人，截图像留证——这一条，是判定一家服务商量级够不够的最快筛法。

内容能活几天才是效果，问存活时长和复测频率

服务商若只汇报发布后的一次性提及，不监测内容被引持续天数，等于不知道这笔钱能管几天。

决策层先看一个数：效果衰减速度决定要不要持续投钱。自有每日采集里，餐饮类内容平均被引 5.3 天，工业类只有 3.9 天，判定口径是同一问题每天同一时段问一遍，连续两天不再出现在引用来源里就记作“死”。如果你的行业内容平均活不过一周，却签了季度框架，后面几个月都在为已经失效的内容付费。这不是效果不好，是效果的保质期本身就这么短。服务商不报续航天数，你就看不到这件事。

执行团队在验收时问三件事。第一，服务商有没有监测内容被引持续天数，平均是多少天；第二，同一批问题多久复测一次，能不能提供同一问题在不同日期的回答变化记录；第三，历史版本是否保存。至少要求每周复测，并保存每次回答的变化记录，否则你无法区分短期的排名抖动和真正的改善。复测的要点不是“再查一次”，而是用同一批问题、同一时段、同一引擎再查一次。问清这三件，才能谈效果。

数据团队可以自己先做最小可行性复测。连续 5 天，每天同一时间，用同一个问题问同一个引擎，只记两个字段：品牌有没有出现、引用来源有没有变化。做完这一轮，你对“内容活几天”就有自己的基线，不会再被服务商的一次性曲线带着走。

人工能问到第 5 天，但再往后就撞墙了。手工复测只能覆盖个位数问题；要拿到每天、分引擎、固定提问集的续航天数，人工成本会快速超过服务费。透镜GEO 的内容续航天数监测做的就是把“固定提问集、分引擎分别记录、每日同一时段采集、连续两天未被引判定结束”这套规则固化下来，每天自动跑数。IAB 那套决策级标准本来就要求披露测试频率和可复现性，一个只报一次性提及、不报续航天数的供应商，在这两条上已经先不合格。

方法学文档和异常处理，决定数据能不能上谈判桌

不能复现、没有文档的数据，支撑不了下一次预算审批；能写清方法学、说清异常怎么处理的服务商，才可能让品牌部门带着报告进会议室而不被动。

对决策层：你要的不是报告，是能经受追问的证据链

前几节的验证问题已经能把大部分黑盒服务商筛掉。但真正决定预算续不续的，是最后一个动作：上一次汇报里那个数字，换个人、换个时间再测一遍，还是不是它。

IAB 对决策级数据有一条买方可以直接引用的规定：缺少书面幻觉检测方法，应被视为该服务商质量主张的实质性缺口。换句话说，服务商说“我们数据可靠”不算数，它得拿出写下来的方法学文档，说明异常值怎么处理、幻觉和错误提及是报告给你还是悄悄删掉。

同一项调查里，40.6% 的受访者把“缺少度量与归因工具”列为最大挑战。这个数字有两面：一面是市场真空，另一面是风险信号，市面上绝大多数报告连方法学文档都没有，拿它做续费依据，等于用一张没签名的收据报账。

对执行团队：验收前要三样东西，缺一样不签收

第一，方法学文档。 必须是书面文件，内容包括采样规则、每个平台多少条查询、去重方式、异常值怎么过滤。口头说明不算，聊天记录也不是交付物。这份文档的作用是让你在任何时候都能回答财务一句“这个数是怎么来的”。

第二，异常与幻觉处理规则。 这一条看似技术细节，实际直接决定报告能不能用。AI 回答里出现品牌名，但说错了品类、把竞品的短板安到你头上、或者给出一个根本不存在的产品参数，服务商的规则是什么？正确做法是标记并报告，错误做法是静默剔除。前者让你知道风险在哪，后者把风险藏起来，直到客户来问。

第三，原始数据留存与导出。 每次查询的完整问题、完整回答、引用来源列表，至少要能导出存档。这是未来任何争议的唯一仲裁依据。拿不出原始数据、只给汇总曲线的服务商，与其说能力不够，不如说它自己也没底。

用一张表就能完成验收：把 IAB 的几项标准列成问题，逐项问服务商，回答不出来的那行就是风险所在。样本量多少、每个平台多少条、覆盖了哪些提问类型、多久复测、原始回答是否留存、去重规则是什么、有无方法学文档、平台覆盖哪几个，这几点对下来，黑不黑盒当场现形。

对数据团队：用一次追问做压力测试

验证服务商数据能力最省事的方式，是问一个因果问题：“上个月提及率降了 3 个百分点，是哪个信源引起的？”

能答上来的，说明它不只是数数，还知道每次变化背后是哪个引用源动了。只能给出总数、说不出具体信源的，意味着它的数据是一堆汇总数字，没有根因分析能力，这种服务商在算法一调整、数据一波动时，只能给你解释，不能给你动作。

这背后还有一层更实际的原因：数据校验必须处理大量噪声。真实用户在产品前端触发的页面请求里，非内容请求占比很高，抽样、去重、异常过滤每一步都不能省。规则越清楚，复测结果越稳；规则靠临时拍脑袋，同一个数字今天和明天都对不上。

对执行团队来说，这三样东西当天就要齐；对数据团队来说，一次追问就能完成压力测试。方法学文档决定数据能不能上谈判桌，根因归因能力决定数据能不能变成动作。谁有这两样，谁的报告就是验收依据；谁没有，谁的报告就只是装饰。

常见问题