2026年自己做GEO优化怎么做？四步从AI基线到可验收

第一步先测基线：动手前先看清AI现在怎么说你

没有基线的优化，最后只会变成一堆无法结算的动作。你花出去的时间和钱，如果换不来一个能向老板交代的“提升”，就等于白干。所谓基线，就是你在动手改任何内容之前，把 AI 现在怎么回答你关心的问题、提到了谁、引用了哪些来源，原样拍下来。之后任何一次复测，都是拿这张照片和后来的照片比。

对决策层：这笔钱该买到的是一张可比较的底片。 你现在批这笔预算，不是为了听服务商说“我们发了多少篇稿”，而是为了将来有一天能坐下来，看着前后两个数字说清楚：AI 对我们的提及从多少变成了多少、引用了我们官网的次数有没有增加、把我们描述成什么样还没有出偏差。没有这张底片，所有“提升了”“见效了”都只是一面之词。我们的实测里有一组数据可以说明为什么基线必须先测：在 1047 条问题、执行了 731 条的抽样里，AI 的回答能不能点名品牌，和问题类型强相关——有明确品牌名出现的问题，跑偏率只有 5% 到 7%；一个品牌都不出现、只让 AI 泛泛科普的“空白区”，跑偏率跳到 13%。你不先分清哪些问题本来就不可能点名，后面就会把预算砸进一批天然产不出提及的坑里。

对执行团队：开工第一件事不是写内容，是做一轮基线检测。 做法很直接：固定一张问题集，至少 20 条，覆盖四类——品牌词（“XX 品牌怎么样”）、品类词（“这个品类里哪个好”）、场景问句（“预算两万想买什么”）、竞品对比词（“A 和 B 哪个适合我”）。拿这些问题，在同一时段、同一设备上，逐个去问豆包和 DeepSeek，预算允许再加文心一言和腾讯元宝。每次提问后，把回答原文完整存下来，顺手把回答末尾的引用来源也截图或复制。这张表就是你的基线。不要急着优化，先看三件事：每个问题里出现了谁、谁排在前、引用源是什么类型。这一步人工也能做，但会撞到两个墙：一是要同时问多个平台、每个平台答案还变，手动记录容易漏；二是一周后再复测时，能否用完全一样的提问口径，直接决定前后能不能比。这两点做不好，基线就是废的。

对数据团队：基线操作的技术口径要在一开始定死。 至少三条：第一，问题集固定后不要中途修改，如果必须改，旧问题和新问题分开记录，不能混在一起算提及率；第二，保存回答全文的时候，不要只记“提到了”“没提到”，要连引用 URL 一起保存，否则后面追不回来，这是 IAB 4P 框架里 Presence（有没有被提到）之外我们刻意补的一条——提到时引用了谁，才是判断信号质量的根据；第三，记录方式统一成表格：每条问题一行，列的问题 ID、引擎名、回答里出现的品牌名及顺序、引用源归类（官网/媒体/达人/平台页/无引用）、爬取时间。你回头就能查，这比一堆截图好用。关于“传统词表有大量非目标意图”这一点，我们有一个独立的 Bing 关键词实测可以引证：拿“geo”当种子词往外扩，145 个扩展词总共 4630 万印象里，地图导航占了 91.66%，真正的生成式引擎优化只占 0.01%。这说明如果直接搬传统搜索的词表来测 AI，大部分问题跑偏是必然的——先测基线，才能把预算对准真正有机会出现品牌位的那部分问题。

基线做完了，记住一个限制：你看到的答案是当时当刻的，换个时间、换个账号问，答案可能变。所以基线不是一张永远正确的表，它是一张“在某一刻、用某一组问题、问某一个平台”的快照。它的价值不在绝对准确，而在让之后的每次复测都有同一个起点可以比。

基线按AI回答点谁分五区：每一区动作不同

分区不是给关键词打分，而是画地形图。很多团队拿着关键词表就开干，却不知道有些问题AI根本不点名，有些问题AI点名却说错——不区分的话，投入会撒在注定无果的地方。把你关心的每个问题，按“AI回答它的时候说了谁”分成五种：优势区点你的名且靠前，竞争区点了你但竞品在前，敌占区只点竞品，歧义区点了你但说错品类、功能或与同名品牌混了，空白区一个品牌名都没有。

自己花半小时就能做一次分区。挑20个你最在意的问题，打开豆包或DeepSeek逐个问，只记两件事：出现品牌名了吗？出现的是谁？不用买任何工具，做完就有了一张初步地形图。这张图直接决定预算该往哪放：优势区不需要再买曝光，重点守住别让竞品挤掉；敌占区是被对手占着的问题，攻进去才有增量；空白区没有任何品牌，先到先得，但AI最容易跑题，投入前要标记清楚。

对决策层，分区等于画出品牌在AI里的地形：自己的地盘守，对手的地盘攻，没有品牌的地方先到先得。这个判断有实测支撑：我们执行了731条问题，分布是优势区仅9条、竞争区114条、敌占区189条、歧义区217条、空白区202条。也就是说大部分问题并不在自家手里，真正要拿的是敌占区和空白区。这比任何一张“提及率总表”都更接近真实的战场形状。

对执行团队，分区结果直接变成行动清单：优势区做监控，发现竞品冒头就补信源；竞争区逐条拆为什么竞品排前，能追的追，追不动的先放；敌占区选和业务强相关、又没有人认真做的先攻；空白区先识别哪些问题值得做，再做内容占位。不要平均用力——五区动作完全不同，这正是把“发文章”和“做优化”分开的关键一步。

对数据团队，判定规则要写死，否则区间边界会漂。五区判定标准：优势区点你的名且排在前面；竞争区点了你但竞品排在你前头；敌占区只点竞品，从头到尾不提你；歧义区点了你但说错了——品类错、功能安到别人头上、和同名品牌混了；空白区整段回答里一个品牌名都没有。还要注意：跑偏率随区域单调上升。有品牌名且说得对的三个区（优势、竞争、敌占）跑偏率在5.4%到6.6%之间；歧义区升到9.0%；空白区跳到13.3%。分区时一定要把“回答明显跑题”单独标出来，不能全量算进提及率。

只测提及率不够：还要看到引用了谁、说对没有、活几天

只测提及率，等于只记了“AI有没有念到你的名字”，但没记它念到的时候是夸是骂、念的是哪页纸、以及这篇答案过两天还在不在。提及率是对的，该用，但它回答不了一个关键问题：这次被提到对你究竟是资产还是负债。

对决策层：你花钱买来的“被提到”可能正在劝退客户。 AI 提到你的时候，可能把你归到错误的品类、把竞品的短板安在你头上，或者用“规模较小”“功能基础”这类描述一笔带过。出现比不出现更糟——因为一个正在选型的人看到这段回答，可能直接把你划掉。IAB 的 4P 框架里，这叫做“被怎么描述”（Portrayal），它下面有四个具体检查项：情感倾向是正是负、语境是褒是贬、有没有幻觉或事实错误。这四件事任何一件出问题，你花钱买到的那次提及就是负资产。这就是为什么只验收提及率不够：它只对四个维度里的第一个负责，剩下三个没人管，而你承担全部后果。

对执行团队：把基线扩成三张表。 在已经有提及率的基础上，补三张就会够用一半——引用源表、描述正误表、续航表。

对数据团队：三张表分别对应三套判定规则。 引用源表按官网/专业媒体/自媒体达人类别计数。我们自己的五引擎实测（A1）显示，自媒体达人在所有引擎里都是第一大信源，占被引来源的 40%–70%，腾讯元宝高达 70%；而专业媒体占比最高的是通义千问，为 33%。这意味着不同引擎的信源偏好差异很大，引用源表必须分引擎单独计数，不能合成一个总数。

描述正误表对应 IAB 4P 的 Portrayal 维度，需要逐条比对 AI 描述与你官方资料的差异，判定四个细项：情感倾向、语境框架、幻觉（AI 编出不存在的功能或数据）、事实错误（AI 把竞品的信息安到你头上）。至少每周跑一次，对重点负面描述做回归跟踪。

续航表按 A4 口径执行：每日同一时段用固定提问集采集，以被引 URL 或其内容片段出现在回答引用来源中判定为“被引”，连续 2 天未被引判定为“结束”。我们的实测里，餐饮类内容平均续航天数为 5.3 天，工业类为 3.9 天。如果你的内容续航明显低于行业平均，说明采信链路有问题，需要回头查引用源表里权重高的信源是否已经把你替换掉。

选问题先杀定义题：不产品牌曝光的词占再大流量也没用

先杀定义题，再谈优化——把传统 SEO 词表直接搬进 GEO 监测，等于花钱盯一批 AI 永远不会点你名字的词。

许多团队开工第一件事是把搜索量大的词铺满。但 AI 搜索里，提问方式决定回答体裁：用户问“什么是 GEO”，AI 只能给一段科普，没理由点名任何品牌；用户问“GEO 工具哪家好用”，AI 不点名就没法完成回答。前者是定义题，后者是选型题。拿你的词表对一遍，给每个词只问一句：用户要的是一段解释，还是一份可选名单？只有后者才真正有品牌位。

对决策层，预算压错词的损失在数据上非常具体。 我们的一次 Bing 关键词实测：以 geo 为种子扩展出 145 个词，总印象 4630 万，其中地图导航类占 91.66%，“生成式引擎优化”仅占 0.01%；geo vs seo、geo seo、seo geo 三个词合计每月约 324 次。如果预算压在“生成式引擎优化”这类听起来专业但没有真实搜索量的词上，你花的钱连被 AI 调用的机会都没有。定义题在搜索引擎时代能带来流量，在 AI 时代不产生品牌曝光——这是两套完全不同的选词逻辑。

对执行团队，开工前把关键词表分成两类，只把选型题放进监测清单。 定义题留给官网知识页当科普存量，不占监测预算；选型题才是主战场。下面这张表可以直接拿去跟团队对齐：

对数据团队，用种子扩展法做一次自检。 拿行业关键词做种子跑扩展，统计这组词的搜索意图构成。如果“XX 优化”这类词在印象里的占比跟“生成式引擎优化”一样低到 0.01%，说明词表整体偏离了真实用户的提问意图。更快的检查不需要工具：对每个词问一句“用户要解释还是要名单”，回答不了这个问题的词，直接从监测清单里删掉。先杀定义题再谈优化，否则你监测的是一批注定没有品牌位的词。

诊断完要产出任务清单：先排序再动手，别每处都动一点

没有优先级，优化预算就会被稀释在十几个动作里，最后每个问题都只动了一点，没有一个 AI 答案发生变化。诊断出问题只是第一步，真正的优化是从“看报告”进入“决定先改哪一个”。这是从“发现问题”到“改变答案”的决策点——不做排序，团队就会每处都试一点，结果每块都没明显变化。

对决策层：优化是决策结果，不是发文章动作

诊断表上可能有几十个问题，预算不可能全压。排序要按一个原则：先动那些能让 AI 答案真正发生变化的位置，而不是把预算均匀撒在每个漏洞上。

优先级依次是：

1. 空白区先占位——AI 谁也不点，谁先提供它能引用的高密度内容，谁就有机会第一个被写进答案。先到先得，成本最低。
2. 歧义区先纠错——AI 点了你的名，但说错了，或者安到别人头上。这是品牌伤害最大的区域，每多存活一天都在劝退潜在客户。
3. 敌占区评估代价——AI 只点竞品不提你。要评估抢回来的成本和胜率，不是所有敌占区都值得上。
4. 优势区只维护不追加投入——你已经排在前面，守住即可，别把新预算投到这里去锦上添花。

这个排序的意义在于：预算流向的是能改变答案结果的地方，而不是平均发稿。不排序的最大风险，是钱花完了，十几个问题还是每个都只动了一点点，复测时没有一个答案发生变化。

对执行团队：任务清单必须写到能验收为止

排序之后就落地成任务清单。每条任务不能只写一个模糊动作，要写清楚以下七个字段，否则执行完无法结算。

示例一行：

最关键的是“验收指标”这一栏。每条任务必须绑定一个复测问题：优化动作完成后，用同一个问题、同一个引擎重新跑，把新答案和基线答案比对。不要写“提高提及率”——那不叫验收，叫 KPI 口号。按 IAB 4P 选维度：空白区看 Presence 是否从 0 到 1，歧义区看 Portrayal 是否修正，优势区看 Prominence 是否守住。能让 AI 答案产生可验证变化的动作才值得上 P0。

对数据团队：排序规则要能复现，不能凭感觉

排序的依据不应该是“哪个动作好做”，而应该是“哪类问题体量大、哪类问题 AI 最容易跑偏”。

先说一个需要知道的判断：跑偏率，就是 AI 回答偏离提问原意的比例。你可以自己验——拿同一个问题问五遍，数数有几遍并没有回答你问的问题。A6 实测里，有品牌出现的几类问题跑偏率在 5.4%～6.6%，歧义区升到 9.0%，空白区最高，到 13.3%。也就是说，越是没有品牌被点到的区域，AI 越容易给出答非所问的回答。空白区体量也最大，A6 分出来的 1047 条问题里空白区 202 条、歧义区 217 条，两类加起来超过四成。这就是为什么优先级要往空白和歧义倾斜——不是拍脑袋，是它俩同时满足“体量大”和“跑偏高”两个条件。

落到操作上，每条任务必须绑定一个复测问题，不是绑定一批主题。复测问题是固定的一句话，前后测试用完全一样的措辞、同一引擎、同一时段跑，拿到原始回答全文，再和基线那一次对比。只有动作＋复测问题＋验收指标一起出现，这个任务才算可结算。没有复测问题的“优化”，做完只能看发布稿数，看不见 AI 答案有没有变。

人工能做到哪一步，工具从哪里接手

人工能把诊断出的问题按五区分好类，也能在每个区里列出候选动作。但到了几十个任务要排序的时候，人很容易滑向“哪件容易做”而不是“哪件最影响 AI 答案”。尤其是空白区和歧义区量一大，哪些是“有把握的空白”“有把握的纠错”，靠人工逐个评估，判断会不稳定。

排序这一步由策略 Agent 接手：综合可见度数据、竞品动态、信源分布，自动定位曝光短板，生成带优先级（P0/P1）的优化任务清单，并且给每条任务挂上对应的复测问题和验收指标。人工只做最后的确认和资源分配。顺序始终是——先用工具做完检测，再由 Agent 做排序和决策，把人从几十条任务的优先级拉扯里解放出来。

内容往三种体裁投：榜单、教程、评测合计占AI引用七成五

AI 回答里被引用的内容，75% 来自榜单、教程、评测这三种体裁；纯资讯文章只占 4%，单一品牌案例只有 1%。也就是说，把预算花在新闻稿和单篇客户故事上，在 AI 引用的世界里几乎等于零曝光。

对决策层：这条判断直接改变预算分配的起点。传统内容预算的大头通常压在品牌故事、新闻发布、客户案例上——这些内容在搜索引擎时代有流量价值，在 AI 引用时代几乎不产生品牌可见度。AI 在回答选型类、对比类、怎么选类的问题时，需要的是能直接拿来当答案用的材料：一份把同类产品排开的榜单、一篇能照着做的步骤教程、一段有对比细节的实测记录。这三类内容合计拿到七成的引用份额，是因为它们本身就能独立构成 AI 回答的答案——而不是需要被打断、总结、再加工的信息。预算应该按这个结构重新切：如果你今年有 100 万内容预算，先把至少 70 万押在这三类上，剩下的再去补行业媒体和官方信息的空白。新闻稿该发还发，但别把它算进 GEO 的内容投入。

对执行团队：具体怎么做分两步。第一步，把内容产量按体裁配齐——不要平均分配，按 AI 引用偏好排优先级。教程类能拿到 25% 的引用份额，而且教程天然适合拆成多篇（一个话题拆入门、进阶、踩坑三篇），效率最高；榜单类拿到 28%，是份额最大的单一体裁，但制作成本也高——一份榜单要覆盖足够多的对象、有真实的横向对比，才能被 AI 当成可引用的列表；评测类占 22%，关键在于要有可对比的细节数据，不是"用了感觉挺好"。纯资讯和单案例几乎不用为 GEO 专门安排产能。第二步，按行业决定渠道布局。官网被引占比不是一个恒定数，行业差异极大：科技软件 25%、企业服务 21%、教育 16%——这三个行业还能靠官网内容拿下一部分引用；但文旅只有 7%、快消 6%、汽车 5%，官网在 AI 引用里几乎是个透明的存在。这些行业的内容必须投在第三方阵地：专业媒体、达人内容、聚合平台的榜单页。以汽车为例，只靠官网发内容，等于把钱投进了一条占比不到二十分之一的通道。另外有一条行业例外：生活服务类内容里，带结构的体验型内容（散文式、有具体场景和感受的）被引权重是榜单的 2.9 倍，比榜单自己的 1.9 倍还高——这类行业不要套用"先做榜单"的通则，先做真实体验内容。

对数据团队：A3 的口径是 2026 年 7 月对五大引擎被引来源的抽样统计，按真实引用事件加权，账号级判定。使用这个数据时要注意一件事：它是"被引内容"的体裁分布，不是"你发了什么"的体裁分布——这之间隔着 AI 引用行为的筛选。你在后台看自己内容的体裁分布可能是 60% 资讯、20% 案例，但 AI 实际引用的世界里资讯只占 4%。所以检验自己内容库有没有对齐，不是看产量占比，是看被引占比：把你们目前已被 AI 引用的内容拉出来，按体裁分类，看是否也落在榜单/教程/评测这个区。如果大量引用来自资讯或其它散类，说明你们的引用是偶然性命中，不是结构性优势。另外注意，这个 75% 是五引擎的合计，引擎之间存在差异，逐引擎拆开看时，哪类内容在哪个引擎更吃香是不同的——投完内容后的监测粒度至少要分引擎，不能只看一个汇总数。

验收只看三件事：出现没有、排位变没变、错误描述纠没纠

GEO验收不是数发了多少稿，而是同一批问题下，没提到的有没有出现、提到的排位变没变、错误描述纠正没有。这三点分别对应IAB 4P框架里的三个维度：Presence（有没有被提到）、Prominence（排在第几）、Portrayal（被怎么描述）。每个维度都需要独立验收，不能用一个加权总分掩盖三件事各自的真相。

"已发布12篇内容"不是一个成绩。它是过程指标，证明的是"你做了动作"，证明不了"动作产生了结果"。而结果只能从同一批问题的答案变化里读出来。

对决策层

这是唯一能向老板说明这笔投入买到了什么的口径。

你把同一批问题在优化前和优化后的AI回答并排放在会议室桌上：左边是没出现你品牌的十道题，右边是今天出现的那几道；左边是排在竞品后面的那个位次，右边是现在的位次；左边是把你的功能安到别人头上的那段描述，右边是纠正之后的描述。这三组对比，不需要解释任何专业术语，任何一个老板都能看懂钱花在了哪里。

反过来，如果你的服务商只能给你"已发布32篇内容"这个数字，你就该问一句：这32篇里，哪一篇的回答里出现了我们的名字、现在排第几、那段描述会劝退客户还是吸引客户。答不上来的报告，第一次可以容忍，第二次就是浪费预算。

IAB对"决策级数据"有一条明确要求：度量结果必须可复现。拿这个标准去套你手上的验收报告——如果对方说不清"怎么测出来的"和"再测一遍还是不是这个数"，那这份报告的定位是方向性参考，不是预算依据。把方向性数据当决策级数据用，就是IAB原话里写的失败方式。

"发了多少篇"这个口径一年前还能勉强说得过去，现在不行了。因为做的人80%以上，能度量的人只有6%到23%——这个缺口意味着，能拿出可验证验收数据的人，本身就比做内容的人稀有，这是你的真实竞争优势，不要主动放弃。

对执行团队

验收的证据包只有三样东西：

基线答案和复测答案的并排对比。 同一个问题，第一轮跑出来的回答原样留存，第二轮跑出来的回答原样留存，两张截图放在一起，变化读得出来。

每轮原始回答的截图或全文。 不要只记录"提到了/没提到"这样的一行字。原始回答是证据，勾选框只是KPI。AI给出的具体措辞才决定这次提及是在帮你还是在劝退客户。

引用源清单。 你的品牌能在一条回答里出现，是因为AI从某个来源读到了你。问清楚它引的是谁——是你自己的官网、你投的媒体稿、还是某个第三方平台。回答了"引用了谁"，你才知道往哪里继续投。

用这三样东西去替代"已发布12篇"作为成绩单，还有一个直接好处：当竞品排名突然超过你、或者品牌描述突然出错的时候，你能拿出上个月的原始回答，证明这是新发生的变化，而不是一直如此。这种能力在内部汇报里极少有人具备。

具体执行标准：同一批问题在同一时段复测（建议每周一次，至少连续4周）。因为AI回答有概率性，单次复测结果不足以做判断。A4实测数据显示，一条品牌内容在AI回答里的续航时间是3.9到5.3天——这意味着，如果你只验收一次，你测到的可能是它恰好被引用的那一天，而不是常态。反复测，记录被引的持续天数，才是兑现了"内容能活多久"这个维度。

对数据团队

复测的实验条件要锁死：问题集保持一致、提问时段保持一致、引擎版本保持一致、用户环境匿名化。不要换问题集、不要换时段、不要用API接口去测产品前端效果——API是调用裸模型，没有产品前端的系统提示、历史记忆和安全策略，给不出"真实用户会看到什么"的答案。

被引的判定规则：统一用URL或内容片段出现在回答引用来源中判定为被引。三个引擎口径一致，不加权，不合并。

三项验收指标和对位关系如下：

错误描述单独成项，因为它的优先级别高于提及率增幅。把品牌安错品类、把功能张冠李戴，比没被提到更伤。IAB的Portrayal维度包含情感倾向和事实错误，这些都需要原文留存才能判断，存一个极值KPI替代不了。

失败处理也要预先定义好：如果复测后提及率下降，先回查引用源，判断是内容过期被替换，还是竞品发布了新对比内容，本质是"我们的内容被替代"；如果位次没变但描述变差了，那是内容本身的措辞问题，不需要投更多，需要改内容；如果错误描述没有被纠正，那是信源结构的问题——AI从占比高的低可信源读到了错误信息，要补的是更高权重的信源，不是再发一遍纠正声明。

所有原始回答必须留存，不只是KPI。这一点在IAB的Decision-Grade标准里是书面写的要求，不是建议。

人工撞墙点与工具接手处

人工只能测十几条问题，复测两次开始漏记；工具能做到的是固定问题集、固定时段、全量留存原文，并把"错误描述消失比例"自动对位到歧义区问题清单里。人工拿到工具测出的对比表，负责判断"这个变化够不够好、下一步往哪投"。

复测没变化先查问题和口径，再谈算法变动

复测没变化，第一件事不是归咎于“算法改了”，而是检查你问的问题和测量口径是否一开始就选错了。大多数“没变化”是选错了题、量错了地方，不是平台动了规则。

对决策层，给执行窗口期一点耐心，但每轮必须设止损点。比如连续两轮复测后，核心指标没有任何可解释的变化，就停下重定问题清单，不要无限追加发稿。耐心不等于没有退出条件，预算也不该陪着一个永远不动的数据继续烧。

对执行团队，按下面顺序排查四件事，顺序不能乱：

第一，查问题是否落在空白区。空白区是前面分五区时说的那类问题——AI 回答里一个品牌名都不点，只给通用科普。这类问题天然不会产出品牌提及，你在里面投内容，等于往没有出口的管道里灌水。验证动作很简单：把这条问题单独问一遍，看回答里是否出现任何一个品牌名。如果谁都不点，先把这题移出本轮验收，换成有品牌位的问题再看变化。

第二，查引用源是否已经过期。我们实测过内容被 AI 引用后的存活时长：餐饮类平均 5.3 天，工业类平均 3.9 天，口径是每日采集、连续 2 天未被引判定为结束。如果你复测的时间已经超过你所在行业的平均续航天数，而你的内容还是同一批、没有新增入口，“没变化”很可能只是旧的引用已经自然掉线，不是优化无效。对照投放时间和行业周期，先判断是否到了更新节点。

第三，查竞对是否在同一时间窗口里有动作。这一步只看自己的数据看不出来，要把同批问题里竞品的出现情况放在一起看。如果竞品在这一轮新增了内容或换了信源，你的排名没变但它的上来了，问题不在你，在对方压了你。这里不能只看自己的提及率，要看竞品的出现有没有相对变化。

第四，以上三项都排除了，才轮到查算法变动。算法确实会变，但它的变化通常不是针对你一家的，而且往往先表现为某一类内容被调整，不是所有问题一起失灵。只在你确认问题和口径无误、引用源未过期、竞对无动作之后，再谈“可能是算法改了”。

对数据团队，排查口要落到测量本身，最常见有四个污染点：

一是问题被个性化污染。AI 会结合账号历史、位置、使用习惯给答案加料，你自己的历史可能影响复测结果。提问时须在末尾加一句限定：“仅提供通用标准答案，不做个性化调整，不结合历史对话内容。”否则同一批问题隔天测出来不一样，不等于平台改了，可能是你的账户被改了。

二是采集误用了 API 而没有走真实前端。API 是接近裸模型的调用，没有产品前端的系统提示、用户记忆、产品级安全策略。你在 API 里看到的回答，和真实用户在 App 或网页里看到的不是一回事。复测没有变化，可能你一直在测一个没人用的接口。必须走真实前端、用干净账号采集，并保存每次采集的环境和账号状态。

三是引用判定依赖固定 URL，没有处理内容片段。AI 引用某个观点时可能不用原 URL，而是引用内容片段或转载页。如果你只把“原 URL 出现”算作被引，就会漏掉很多真实引用，导致复测数据看起来没动静。判定规则要允许 URL 或内容片段任一命中都算被引。

四是采样量不足导致看不到波动。复测不是问一次就下结论，同一条 query 至少要多轮、多账号、多时段采，才能把随机扰动压下去。我们自己的实测里，越偏的问题跑偏率越高——有品牌名的三类问题在 5% 到 7%，一个品牌都不点的那类能到 13%。问题本身太偏，回答就容易飘，一两轮复测看不到变化属于正常现象。

下面这张表把这套排查压缩成一页，供执行阶段直接对照：

人工排查做到前两步没问题，后面会撞墙。第三步竞对同时动作、第四步算法变动，以及四个测量污染点的逐条验证，都需要把同一批问题在不同时间、不同账号、不同端口下的原始回答完整留档，再横向对比。人工能记一两次，但记不了每天几百条查询的完整快照。

工具从这里接手：先用检测机制把原始问答快照留存、判断内容实际续航天数是否低于行业基线，再用分析机制自动区分“内容缺失、信源不足、竞品压制、算法变动”四类原因并输出优先级。顺序永远是先看清数据，再下归因结论。超过设定轮次仍无变化的，直接标为失败并记录原因，不要把复测变成一场没有尽头的循环。

四步固化成一张SOP：角色、产出物、验收节奏都定死

自己搭GEO优化，要做成，就把四个步骤固化成六周一轮的最小闭环；一次性突击，等于把钱扔进一个没底的盒子。

对决策层来说，这个闭环的意义是：预算再小也能跑，而且每轮结束都拿得出一张能对表的产出物。不需要先决定投多少，先跑一轮，用第6周的验收对照表和老板谈下一轮该不该加钱。六周节奏刚好卡在“能看到变化”和“团队不会疲惫”之间，也是我们实测里AI引用内容自然更替的时间窗上沿。

对执行团队，把排期钉死：第1–2周只做基线检测，把固定问题集问完、把原始回答存档；第3周做分析排序，按AI回答点谁的名把问题分成五类，找出缺口和优先级；第4–5周只做执行，按任务清单改结构、发内容、补信源；第6周验收，用同一批问题复测，拿结果和基线对照，再决定下一轮删什么、加什么。产出物一共五样：基线记录、五区表、任务清单、发布内容、验收对照表。指定一个owner，哪怕是自己，没有owner的SOP就是一张废纸。

对数据团队，所有复用要素提前固化：固定问题集、固定采样时段、固定记录模板、固定判定规则。每轮结束必须归档原始回答，不能只留汇总数。下一轮继续沿用同一批问题，否则比较失去意义。这一点和我们自己的实测习惯一致：AI引用内容有短生命周期，必须定频采集才能捕捉到何时消失；IAB也把可复现性和方法学文档列为最低要求，原始回答就是方法学文档的地基。

这张SOP真正的价值在于：它让“自己做”从依赖某个人的手感，变成一

常见问题

自己用豆包/DeepSeek测，结果每次都不一样，该怎么保证基线可信？

固定问题集、同一时段、同一设备或多轮平均是降低方差的办法；更重要的是留存每一次原始回答，验收时不拿单次结果说话，而是比一批问题的汇总变化。AI回答本身有概率性，所以“可复现”不等于每次一字不差，而是趋势可重复。

预算很少，能不能只做基线检测不做优化？

可以。先做一轮基线，隔一周再复测一次，你就能看到没有人工干预时的自然波动。这能防止你被“提升30%”这类话术误导，也能判断哪些问题本身有机会。

我做的行业很偏，AI回答都不提任何品牌，这正常吗？

正常，而且恰好落在空白区。A6实测里731条问题中有202条空白区，一个品牌都不点。谁先让AI有东西可引、有品牌名可点，谁就先占位。行业偏不代表没机会，只说明很多位置还空着。

GEO和以前做SEO选关键词有什么不一样？

SEO关心搜索排名和流量，GEO关心AI回答时点不点名你、怎么描述你。很多SEO流量词在AI里是定义题，不会有品牌曝光。先把词分成定义题和选型题，选型题才有优化价值。