CTO怎么看GEO预算2026：报告能不能进董事会

大多数AI可见性报告只能看趋势，不能进董事会

你看到的AI可见性报告，大多数只能说明大致方向，进不了董事会会议室。现有AI可见性数据约九成只能看趋势，不能作为预算或KPI依据。

对决策层，这直接意味着：你的供应商给你的数据，大概率是“方向性”的，而不是“决策级”的。State of AEO Report 2026对599名从业者的调查显示，40.6%的人把“缺少度量与归因工具”列为最大挑战，位列所有挑战第一；同一调查中，82%的企业在做AI搜索优化，但只有15.2%在用工具度量。这并非孤证：IAB、WFA、AirOps的四份独立调查一致指向同一个缺口——做的人80-96%，能度量的人6-23%。供应商自己都缺工具，给你的报告自然只能看趋势。而IAB《Measuring Visibility in the AI Era》早已把数据分成两档：方向性数据（Directional）和决策级数据（Decision-Grade）。方向性数据可以看，但不能进董事会，因为它回答不了“这笔钱花得值不值”，也支撑不了“该给哪个团队定KPI”。

对执行团队，接手供应商报告的第一件事是判断数据级别。只有汇总数字、没有原始回答和复现记录的报告，一律归为方向性数据。这类数据可以用于内部讨论，但不该出现在向CEO汇报的PPT里，更不能作为考核依据。你需要推动供应商提供决策级数据——它必须包含原始回答快照、查询详情、采样方法说明，以及能复现的结果。如果供应商给不出来，不是他不想给，是他根本没有采集和留存这些数据的能力。这时你就该准备换供应商了。

对数据团队，判断一份数据能否复现，看它是否记录了三个要素：模型版本、时间戳、问题列表，以及是否保存了回答全文。如果连这些都没有，复现和溯源就无从做起。IAB的Decision-Grade八项标准里，“可复现性”“数据校验”“方法学文档”是硬要求。一个没有原始回答、只有百分比数字的报告，本质上是把不可验证的结论包装成KPI。

这就是第一道闸：多数报告卡在趋势，进不了决策。要过这道闸，数据必须从“能看到”变成“能复现”。

数据可信度三道闸：可复现、可溯源、可隔离

要让一份 AI 可见性报告能进董事会，先看它能不能过三道闸：可复现、可溯源、可隔离。这三道闸不解决“数据好不好看”，只解决“这数能不能信”。

对决策层，这三道闸是可以直接抛给供应商的三个问题，不必懂技术细节。可复现，就是同一组问题再跑一次，结果大致一致；可溯源，就是每个结论都能回到原始回答和引用链接；可隔离，就是采样环境干净，没有伪造身份或注入假样本。IAB 那份标准里，可复现性与方法学文档是决策级数据的硬要求；Meta 那个被 WIRED 在 2026 年 6 月曝光的项目——伪装成未成年人向对手平台提交高危提问——用现成反面教材划出了隔离的红线：可以模拟用户“可能是谁”，不能伪造用户“不可能是谁”。在供应商汇报时，你只要问一句：你的数据过了这三道闸吗？答不上来，报告只配当参考，不能当预算依据。

对执行团队，三道闸要变成准入清单里的三个硬项。可复现对应要求供应商提供两次独立运行的结果对比，差异超出合理范围就降级；可溯源对应要求导出原始回答全文、引用链接和时间戳，导不出来就说明这个数无法复核，跟没量没什么两样；可隔离对应要求供应商书面说明采样账号、提问环境和频率控制，证明没有用 API 缓存数据冒充用户视角，也没有往问题集里塞有利样本。现有供应商哪一项交不出来，就哪一项降级，不要因为“一直合作”就放过。

对数据团队，这三项落到执行层面是具体配置。可复现要固定问题集、控制提问频率、记录每次查询时的模型版本；拿不到模型版本，两次结果差异就说不清是模型更新还是数据问题。可溯源要保留每次查询的原始回答全文、引用来源 URL、采集时间戳，不存截图，存结构化原文，截图没法复核。可隔离要用干净账号、真实问题，不向任何平台注入样本；问题集里不能混入“正确答案”的诱导性提问，这跟 Meta 项目里的高危提问一样，都会污染对方的统计和审核队列，只是方向相反。

这三道闸里，可复现和可溯源靠人工抽样还能做一两次，但要每天固定问题集、全量留存原始回答、逐条追溯引用来源，人工不可持续。工具接手的是这三件事的自动化：用真实用户搜索行为模拟提问，不依赖 API 缓存；全量留存原始问答快照；对每条被引内容追到出处。人工该做的是把三道闸作为验收标准写进合同，而不是替供应商跑数据。

第一道闸：同一组问题再跑一次，结果必须一致

可复现是数据成为证据的前提。同一组问题连续跑两次，品牌提及、位置、引用来源必须一致；做不到，这份报告只能算一次性采样，不能拿来做预算或 KPI。

对决策层：IAB 标准把可复现性列为决策级数据的基本要求之一。如果你的团队拿着同一组问题问 AI，今天报告“排名第一”、明天“排名第三”，任何据此得出的“提及率上升 20%”都没有意义。不可复现的根因在供应商采样方法，而不是 AI 本身。结论：拿不到两次运行对比文件，就别在预算会上引用这份数据。

对执行团队：验收动作是要求供应商提交同一组问题的两次运行原始回答对比，重点看三项——品牌有没有被提到、被排在第几位、引用来源是否相同。合理差异是句子措辞微调；排名从第一掉到第五、引用来源从官网变成竞品站，就是方法问题。把对比文件作为续费与验收的必选项，不是可选项。

对数据团队：固定问题集（如 100 条），同一引擎、同一时段、同一账号状态，跑两次，留存完整回答。这里有一个容易被忽略的变量：问题集本身的设计会影响结果稳定性。内部实测发现，AI 回答偏离提问原意的比例——跑偏率——在有品牌名的问题里约 5% 到 7%，但在一个品牌名都不出现的空白区问题里能到 13%。判断一个回答有没有跑偏，方法很简单：读 AI 的回答，看它答的是不是你要问的那件事；你自己拿 20 个问题各问一次就能感受到。这意味着问题集必须分层设计，不能全挑有品牌名的有利问题，否则复现性再好看，也是挑出来的。

人工可以自己跑两次对照，但问题集一旦达到数十条、同时覆盖多个引擎和双端，人工复测会漏记、口径漂移。检测工具从这一步接手：自动留存每次原始回答与查询快照，保证同一组问题每次跑测的口径一致，让复现性可被核查，而不是靠人工印象。

第二道闸：每个结论都能回到原始回答和引用链接

不能溯源的汇总KPI就是黑盒，没有审计价值。一个“提及率28%”如果拿不出对应的原始回答和引用链接，你连这次提及对你是加分还是减分都无法判断，更谈不上核实真假。IAB八项标准里，数据校验与方法学文档是决策级数据的底线，过不了这关的数字只能降级为方向性，不具备审计意义。

对决策层来说，这意味着采购时必须把“可溯源”写进验收条款。不要接受任何只有百分比、没有原始记录的报告。你可以直接问供应商：这个数是从哪几条回答里数出来的？引用了谁？回答全文在哪？如果对方拿不出来，这个数字就不能支撑续费决策，更不能进董事会。

对执行团队来说，验收动作很简单：从供应商报告里随机抽5条结论，逐条要求提供对应的原始回答截图或全文、引用来源链接、以及当次采样的模型版本。5条里任何一条缺原件，该供应商的数据可信度就要打个问号。这不是挑剔，是IAB数据校验要求的最基本落地。

对数据团队来说，技术实现并不复杂，但必须一开始就做对。每次采样要保存四样东西：回答全文、引用来源URL列表、时间戳、引擎版本。为什么引用来源必须逐条留？因为我们7月对五个主流引擎的抽样统计显示，自媒体达人是所有引擎的第一大信源，占比在40%到70%之间，腾讯元宝最高到70%。这意味着如果你不逐条追溯“这次提到我的回答到底引用了谁”，就可能把一篇小红书笔记的随口一提，当成专业媒体的权威背书。有了原始回答和链接，才能判断这条提及的来源质量和真实性。

第三道闸：采样环境干净，不伪造身份，不注入假样本

采样数据本身不干净，后面的可复现与可溯源全部归零。这不是技术细节，是数据能否进入决策流程的准入门槛。2026年6月被WIRED曝光的Meta「Project Cannes」事件已经把这条线的边界划清楚了：通过都柏林外包商Covalen雇佣数百名承包商，注册伪装成18岁以下未成年人的账号，向ChatGPT、Gemini、Character.AI提交自杀、自残、饮食失调、性与毒品类高危提问，逐条记录回答——单轮测试跑了45,000条以上，WIRED审阅的一份表格含3,748条提问，项目至少持续到2026年4月。OpenAI、Google、Character.AI三方均未授权，且服务条款明确禁止此类测试，均称事前不知情。数据采回来，合作方全部否认授权，这批数据还能支撑什么决策？它先变成诉讼材料了。

对决策层：这件事的教训不是"别学Meta"，而是"采样环境不干净的数据，在进入董事会之前就已经被污染了"。一个需要向董事会解释AI可见性投入的CTO，拿出的报告如果含有一条通过伪造身份获得的数据，整份报告的可信度就归零，没有人会去逐条区分哪条干净哪条脏。伪造身份和注入假样本不是数据的瑕疵，是数据的死刑。A10这件事的意义在于：身份会改变答案。OpenAI已在ChatGPT部署年龄预测模型，判定为未成年即切换到受保护版本；Character.AI自2025年11月起关闭未成年用户的开放式聊天。你伪造一个不存在的身份，得到的是一份在真实用户场景下根本不会出现的回答。这份数据不能支撑预算，不能写成KPI，不能进审计，只剩风险。

对执行团队：这条闸的实际动作是验证。你要的不是承诺，是采样环境说明——从供应商那里要三份文件：账号是否真实注册、问题是否真实用户会问、频率是否受控。供应商说"真人模拟检索"，你要问的是：账号是否存在一个可核实的人类身份？问题集是否来自真实用户问法，还是为了触发某种回答而构造的？提问频率是模拟一个正常用户还是一秒十条的机器人？三份文件要不到，这家供应商的数据就没过这道闸。不需要技术背景，这三问就是验厂清单。

对数据团队：执行层面的规则是固定的，因为环境不同会真切地改变采集结果。内部A9站点实测抓取已经量化过这个差异：真实Googlebot的非内容请求占76.6%，Bytespider达93.2%，而Bingbot只有39.9%，Baiduspider 37.7%。同一个站点、不同的采集身份，请求结构可以相差一倍以上。所以采样必须固定：干净账号，不针对任何特定身份做模拟（未成年、特定职业、特定地域都算特定身份）；固定问题集，按正常用户频率运行，控频，不批量爆破；每次运行的账号状态要记录，出问题时能定位到具体会话。做不到这四点，采集回来的数据连环境变量都没说明白，后面的复现和溯源就是空中楼阁。

三道闸是IAB决策级标准的具体落地动作

三道闸不是新概念，而是把 IAB 八项标准里最难落地的四条翻译成可以当场执行的检查动作。方向性数据和决策级数据的差距，IAB 已经用八项标准讲清楚了；问题在于，八项标准里有几条是原则性的表述，供应商审计时很难直接拿着用。可复现、可溯源、可隔离这三道闸，本质是给其中四条标准——可复现性、数据校验、方法学文档、幻觉识别——各配了一个可操作的动作。

对决策层来说，这件事的意义只有一句：你向董事会提交 AI 可见性报告时，三道闸就是这份报告能不能被称为"数据"而不是"观察"的界线。IAB 的判定很直接——失败往往在于把方向性数据当成决策级数据来用。三道闸把这条界线变成了三个可以当众问出来的问题：换个时间再测一次，结论还一样吗？这个数字拆下去，每一层都能追到原始回答吗？有没有把幻觉和脏样本从统计里单独拿出来，而不是静默混在里面？三个问题都答不上来的报告，无论图表多完整，都只能叫一次性采样。

对执行团队，三道闸的价值在于给供应商审计表提供了具体映射。把 IAB 八项标准表左列依次列出，右列对应三道闸的检查动作：可复现性对应"要求供应商隔周用同一组问题复测，比对两轮结果的一致性"；数据校验对应"任意抽取报告里的三个数字，要求逐层下钻到原始回答正文"；方法学文档对应"要求书面说明采样频率、问题集构成、平台覆盖范围、以及为什么这么设计"；幻觉识别对应"要求供应商报告被标记为幻觉的提及，而不是静默剔除"。这样审计就不必依赖负责人的个人经验，任何一位数据负责人拿着这张表都能完成同等质量的验收。

对数据团队，落地方式是把三道闸写进数据接收流程的准入条件。第一，入库时检查是否有原始回答全文与现场快照，缺一条就不进主表；第二，每次汇总计算保留下钻链路，任何加总数字都能还原到单条查询；第三，幻觉和异常样本单独标记、单独存储、单独报告，不允许在清洗阶段直接删除。这三条规则落实到管线上之后，接下来无论谁用数据做分析或上报，天然满足 IAB 决策级要求里最难被供应商伪造的那一部分。

CTO决策：第一年不自建模型，先采购检测数据积累决策级记录

第一年不要投在自建监测系统上，先把采购的检测数据跑满6-12个月，攒下决策级记录，再决定是否自建。这不是说供应商的能力一定比内部团队强，而是自建的时间成本和验证成本在第一年不值得付——尤其在你还没有决策级数据基线之前，你连自建出来要验收什么都说不出。

对决策层

自建的技术门槛是真实存在的。Expedia的Head of Organic and Agentic Search在The CMO Podcast里说得直接："如果你真要自己建，技术上非常非常难——尤其是QA、确保所有数据都拉得到、确保一切都准确。"他的观察还包括：每个引擎奖励的内容不同、重点不同、情感倾向也不同，这些是相当分散注意力的事。如果你的核心业务不是搜索引擎研究，第一年把技术团队投进去做这套东西，得到的多半是一个勉强能用的初级版本，而不是决策级系统。

更关键的是预算逻辑。第一年你缺的不是工具，是判断：AI回答里你的品牌排第几、被怎么描述、引用了谁、这次回答能不能复现——这些数据攒够6-12个月，你才有判断自建是否值得的基线。这份基线是独立于任何供应商存在的资产，无论你之后自建、换供应商还是继续买，它都能复用。没有这份基线就上自建项目，等于在没有验收标准的情况下做工程。

对执行团队

供应商选型按三道闸来，本节不再重复。执行层面要抓三件事。

第一，不管选谁，要求供应商交付每一次查询的原始记录，至少包含：问题原文、回答全文、引用来源、时间戳。只给一个汇总KPI的合同不要签——没有原始记录，你手里就没有数据资产，只有数字。

第二，建立供应商数据质量评分机制。按月或按季度，对供应商交付的数据按三道闸抽检打分，记录每次抽检结果。这份评分档案有三个用途：约束供应商持续达标；以后要换供应商或自建，它是谈判和决策的依据；内部团队通过抽检练出对数据质量的判断力。

第三，合同节奏上不要第一年就签死长期合同。季度或半年滚动续约是合理节奏——数据质量稳不稳，三到六个月才看得出雏形。

对数据团队

这一年内部团队要做的不是建系统，是学习：学供应商的数据结构、采样口径、存储格式，同时规划未来接收这些数据的接口。做好这件事的前提是数据可导出、结构可辨、原始记录可访问——所以"要求交付原始记录"在这里变成了技术上的硬约束：没有原始记录，技术团队这一年学不到任何东西。

同时保持对供应商技术路线的跟踪：他们抓的是API还是真实用户前端，采样频率是多少，会不会被平台反制。这些都是在为6-12个月后的自建决策攒证据。

一个明确的边界：如果供应商的数据结构是封闭的、不接受导出、只给看面板，那不管它对外宣称多强，数据团队这一年都学不到东西。这类供应商不符合"积累决策级记录"的目标。

局限与边界

这条路成立有一个前提：三道闸是真过的，不是合同上写写而已。如果第一年采购的数据本身不可复现、不能溯源，那积累的就不是决策级记录，而是12个月的方向性观察——那这12个月就只剩沉没成本。另一重现实是，State of AEO那篇调查显示只有15.2%的从业者在用度量工具，意味着市场上真正能交付原始记录、经得起三道闸的供应商是稀缺的。选型时要有预期：可能找不到一次性全过的，需要看谁在三道闸之间愿意改。

第一年买数据不是省事的妥协，是把自建决策推迟到你手里有决策级记录的那一天。到那时你做出的自建决策，才是基于数据而不是基于焦虑。

这三道闸可以用来审计任何供应商，包括我们

这三道闸同样适用于我们自己，而且我们主动要求你用它们来审我们。

作为提供数据检测、分析与决策能力的工具方，我们交付的每一份数据都必须能通过可复现、可溯源、可隔离这三道闸。产品设计从一开始就围绕这三件事：采样方法可复现，每一条引用来源可逐条追溯，采样过程与真实用户行为隔离。但你不必相信这句话——你可以把这三道闸当成验厂清单，原封不动地拿来审我们。我们能承诺的不是“排名一定上升”，而是“每一次排名变化都可被验证、可被追溯”。前者是服务商的话，后者才是工具该做的事。

对决策层：选供应商时，你手里应该只有一张统一的评分表，我们和其他供应商一起被放上去打分，不享受任何豁免。如果一家供应商（包括我们）拒绝提供复现记录或原始回答样本，那它交付的就不是决策级数据，而是只能看趋势的方向性数据。你可以直接问我们要这些材料，我们都会给。这比任何“案例效果”都更能说明一家供应商的数据能力。

对执行团队：数据负责人可以把这三道闸设为所有供应商的统一准入门槛。你可以在合同或对接清单里明确要求三样东西：采样方法说明、原始数据样本、复现记录。这三点我们都会在技术对接前提供。如果你已经在用别的服务商，也建议你用同一把尺子去量他们——标准统一了，不同供应商之间的比较才有意义，内部汇报才不会被“这个数怎么来的”打断。

对数据团队：在技术对接前，你可以直接向我们要这些材料：采样方法说明（提问集怎么生成、采样频率、平台覆盖、去重规则）、原始数据样本（不是汇总后的KPI，而是某次真实提问的完整回答与引用列表）、复现记录（同一批问题在不同时间跑出来的差异对照）。我们不会以“商业机密”为由拒绝提供采样方法；原始回答样本如需脱敏，我们会提供可审计的脱敏切片。如果你在复现时发现任何一处对不上，那是我们的问题，不是你的问题。

这三道闸的最终作用，不是把供应商分成“靠谱”和“不靠谱”，而是让每一个供应商——包括我们——都拿证据说话。你不需要信我们，你只需要验我们。验得过，再谈下一步；验不过，你省下的不只是钱，还有一次失败的预算答辩。

常见问题

AI可见性报告怎么审计？

审计核心是三道闸：可复现（同问题再跑结果一致）、可溯源（每个结论能回到原始回答和引用链接）、可隔离（采样环境干净，不伪造身份不注入假样本）。检查供应商是否提供原始回答、重复运行记录、采样环境说明。拿不出原始记录的，只能当作方向性数据，不能用于预算和KPI决策。

CTO为什么要关心AI搜索数据？

用户已开始用AI搜索做决策，品牌在AI回答中的可见性直接影响获客和品牌认知。但多数供应商数据不可审计，可能导致技术投入浪费。CTO需要把住数据可信度关口，确保每笔技术预算都能用可验证的数据来支撑，避免为黑盒数据买单。

什么是Directional数据和Decision-Grade数据？

方向性数据只能看大概趋势，决策级数据能用于定预算和考核。IAB《Measuring Visibility in the AI Era》区分了两者，并要求决策级数据满足八项标准，包括可复现性、数据校验、方法学文档等。大多数供应商目前只提供方向性数据，因为缺少工具和方法。

Meta Project Cannes事件是什么？对品牌方有什么提示？

2026年6月WIRED披露，Meta通过外包商注册未成年账号，向ChatGPT等平台提交高危问题并记录答案，污染了这些平台的风险统计。这提示品牌方：采样数据必须干净隔离，伪造身份或注入假样本的数据既无效也可能违法。选择供应商时要确保其采样方法合规、环境干净。