GEO项目交付SOP：从诊断到验收的五个步骤2026

GEO交付必须从诊断开始，直接发稿等于盲投

GEO 交付必须从诊断开始，直接发稿等于盲投。没有诊断，你根本不知道客户该占哪些问题、哪些问题天然没有品牌位，发稿再多也只是在空白区里打转。

对决策层：客户续费不是因为发了多少稿，而是因为看到了可验证的变化。State of AEO 2026 调查显示，40.6% 的从业者把“缺少度量与归因工具”列为最大挑战——客户最怕的就是钱花了却看不到效果。诊断是给客户一个可验证的起点：先看清 AI 现在怎么说他、引用了谁、哪些问题根本没人提他，再谈优化。没有这一步，项目从第一天就埋下扯皮隐患：你说有效果，客户说没看到，最后只能拿发稿量交差。

对执行团队：项目启动前必须完成五区分区，否则不进入执行。五区是把客户关心的每个问题，按 AI 回答时点了谁分成五种：优势区（点了客户且靠前）、竞争区（点了客户但竞品在前）、敌占区（只点竞品）、歧义区（点了客户但说错）、空白区（谁都不点）。我们自己的实测（1047 条 query）里，空白区有 202 条，跑偏率（AI 回答偏离提问原意的比例）13.3%，是有品牌三区的两倍。这意味着：如果直接发稿，有近两成的问题 AI 本来就不点名任何品牌，你发再多内容也进不去。先分区，把预算集中在有品牌位、能争的问题上，才是对客户负责。

对数据团队：诊断的数据采集方案要固定下来：固定提问集、分引擎、记录原始回答。具体操作：挑 20 个客户最在意的问题，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？半小时能做完，不需要任何工具。但必须把 AI 的原始回答整段存下来，因为后面验收要复测，没有原始回答就没法对比“答案变没变”。这一步是后续所有步骤的地基，做不扎实，后面的监测和优化都是空中楼阁。

第一步诊断：用五区分区，空白区的问题别投

诊断的第一步是把客户关心的问题按“AI 回答说了谁”分成五区，空白区的问题天然产不出提及，投了也白投。

五区不是抽象分类，是直接看 AI 回答里出现了谁、说对了没有。把客户的关键词表逐条问一遍，每条问题都会落进下面五个区之一：

跑偏率是 AI 回答偏离提问原意的比例。有品牌名的三个区（优势、竞争、敌占）跑偏率只有 5.4~6.6%，而空白区跳到 13.3%，翻了一倍多。这说明：越是没有品牌位的问题，AI 越容易自由发挥，回答越不可控。把预算投在空白区，等于花钱买一段没有你、还可能跑题的科普。

对决策层，这张分区表就是预算地图。哪些问题值得争、哪些问题现在别碰，一眼能看出来。预算只投在有品牌位或能争到品牌位的问题上。没分区之前，提及率的分母里混着一批天然产不出提及的问题，这部分预算注定归零——分区就是把分母洗干净，让每一分钱都花在能产生品牌曝光的地方。

对执行团队，这一步不是内部做完就交差，而是要带着客户一起做分区。把客户的关键词表逐条归类，产出《问题分区表》作为项目基线。这张表要成为后续所有优化动作和验收的对照底稿：哪些问题从敌占区打进了竞争区、哪些问题从空白区被放弃、哪些问题在优势区守住了，都要以这张表为起点。

对数据团队，分区不需要复杂工具。用 20 个问题自测法就能快速判断：挑 20 个客户最在意的问题，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？半小时能做完，不用买任何工具。但客户的关键词表往往几百上千条，人工逐条问不现实，而且一次提问的结果有随机性，需要多次复测并留存原始回答。这一步人工做到 20 条就撞墙，批量执行和留痕要交给工具——后续步骤里的品牌排名监测和数据采集机制，就是干这件事的。

第二步定目标：把提及率升级为决策级指标

只按提及率收费，等于只对 IAB 四个维度里的第一个负责，剩下三个没人管，客户迟早会问“提到我但说错了怎么办”。把交付标准从“被提到”升级到“被提到、排得靠前、说得对、能促成行动”，不是加价，是让续费时拿得出可复现的证据。

对服务商老板来说，续费风险不在客户不认可 GEO，而在客户问“你给我的 40% 提及率，再测一遍还是 40% 吗”。同一份调查显示，只有 15.2% 的团队在用工具度量，而 40.6% 的人把“缺少度量与归因工具”列为最大挑战——这意味着谁先交付可复现的数据，谁就拿到了续费定价权。IAB 4P 框架把 AI 可见度拆成 Presence、Prominence、Portrayal、Persuasion 四个维度，只按提及率收费，等于只对第一个维度负责，剩下三个维度的风险全部由客户承担。客户现在不懂，但当他发现 AI 提到自己时说的是“规模较小、功能基础”，或者把竞品的短板安在自己头上，他就会回来找你。

对项目负责人来说，合同里必须写清四个 P 的验收口径，否则交付边界模糊，客户拿什么标准验收你，你就拿什么标准被挑战。下面这张表可以直接放进合同附件：

注意第四行：Persuasion 目前多数 AI 平台无法提供从“被提到”到“点击留资”的全链路归因，强行把它写成硬性 KPI，只会逼着执行层造假。合同里写清“方向性数据”四个字，反而保护了双方。

对数据团队来说，交付物不是一张提及率报表，而是原始回答全文的留存与复测记录。只记一个数字，客户问“这个 40% 怎么来的”，你拿不出任何一条原始回答，这个数字就是废纸。操作上必须做到两件事：第一，每次采集时留存 AI 回答的完整原文，包括引用来源列表；第二，复测时用同一批问题、同一套提问方式再问一遍，对比答案变化。人工手动复制粘贴原始回答，量大且容易遗漏，工具可以自动采集并留存快照，复测时直接调取历史版本做 diff。这一步人工做到 50 条问题就会撞墙，工具接手后，留存和复测变成默认动作，而不是额外加班。

把目标定在决策级数据，不是让交付变重，而是让验收变轻——客户不再追问“你怎么证明”，因为原始回答和复测记录已经替他问过了。

第三步执行：先改信源结构，再发内容

执行优化不是先写稿，是先看 AI 现在引用谁、你的官网占比多少，否则内容发出去也进不了引用源。信源结构，就是 AI 回答末尾那些引用来源里，品牌官网、专业媒体、自媒体达人、平台聚合页各占多少。你可以自己验：挑 20 个客户最关心的问题，在豆包或 DeepSeek 上逐个问，只数每个回答的引用来源里有几条指向客户官网，算个占比。这个数直接决定预算往哪投——官网占比低的行业，把预算全押在官网和自有内容上，等于投进一条占比不到十分之一的通道。

对决策层，先看一组分行业数据：科技软件官网被引占比 25%，企业服务 21%，教育 16%，文旅 7%，快消 6%，汽车 5%。如果你的客户是快消，官网被引占比只有 6%，意味着 AI 回答里 94% 的引用来自别处。这时候让团队闷头写官网文章、做官网优化，钱就花错了地方。正确顺序是：先补信源结构，把内容铺到 AI 实际会引用的那些阵地上去，再谈内容本身。这不是说官网不重要，而是说官网在 AI 引用体系里只占一小块，不能当主战场。

对执行团队，信源结构数据直接决定内容分发渠道。五引擎实测显示：自媒体达人是所有引擎的第一大信源，占 40%–70%，腾讯元宝最高达 70%；通义千问的专业媒体占 33%，是五引擎里最高的。所以，如果客户的重点平台是腾讯元宝，优先合作自媒体达人；如果重点平台是通义千问，优先投专业媒体。内容体裁也要跟着信源走：榜单类内容被引占比 28%，教程 25%，评测 22%，而纯资讯只有 4%，单一案例只有 1%。这意味着执行团队应该把资源集中在榜单、教程、评测这三类体裁上，而不是发新闻稿或单篇案例。

对数据团队，采集信源结构数据的具体做法是：固定一批问题（建议不少于 50 条，覆盖客户的核心品类词、品牌词、对比词），在五个引擎上分别提问，记录每个回答末尾的引用来源，按“官网、专业媒体、自媒体达人、平台聚合页”四类打标，统计各类占比。注意要分引擎单独统计，不能合并——因为不同引擎的信源偏好差异很大，合并会掩盖问题。下面这张表是信源结构与内容渠道的对照，供执行时参考：

表格里的“优先渠道”和“内容体裁”是基于五引擎总体信源结构（A1）和体裁被引占比（A3）的推断，具体到某个客户，仍需以该客户所在行业的实测数据为准。但方向是明确的：官网占比越低的行业，越要把内容预算从官网挪到自媒体达人和专业媒体上，体裁优先做榜单、教程、评测。

第四步监测：用续航天数判断内容是否被引用

内容发出去只是开始，能不能被 AI 持续引用才是效果。续航天数比发布量更能说明问题——发布量是过程指标，续航天数是结果指标。一篇内容被 AI 引用一次可能是偶然，连续被引两周才说明它被真正采信了。

对决策层： 如果内容平均 5 天就被 AI 遗忘，说明内容没有被真正采信，需要调整策略，而不是继续加量。我们实测的两组数据可以当参照：餐饮类内容平均续航天数 5.3 天，工业类只有 3.9 天。这意味着你花预算铺出去的内容，大部分在一周内就从 AI 的回答里消失了。决策层要盯的不是"这个月发了多少篇"，是"上个月发的内容，今天还有几篇活着"。如果续航天数持续低于行业均值，加预算是浪费；如果续航天数在拉长，说明内容策略开始生效，这时候才值得追加投入。

对执行团队： 项目负责人要建立日级监测机制，核心是固定提问集、分引擎、每日同一时段采集。具体做法：把优化过的内容对应的核心问题固定下来，每天在同一时间段向豆包、DeepSeek、文心一言、通义千问、腾讯元宝分别提问，记录每条内容是否出现在回答的引用来源里。产出物是一张监测记录表：

这张表每周更新一次，月底汇总成续航天数分布。执行负责人看这张表，就能回答"哪些内容被 AI 真正采信了、哪些发出去就沉了"。

对数据团队： 操作层按固定口径执行，不要自己发明判定规则。判定"被引"的标准是：URL 或内容片段出现在回答的引用来源中。判定"结束"的标准是：连续 2 天未被引。续航天数 = 最后被引日期 − 首次被引日期 + 1。这里有一个必须区分的坑：抓取不等于被引。我们实测过，真实 Googlebot 的请求里有 76.6% 不是内容请求，Bytespider 高达 93.2%，Bingbot 和 Baiduspider 分别是 39.9% 和 37.7%。也就是说，爬虫来抓你的页面，不代表 AI 会在回答里引用你。监测时只看"引用来源里有没有你"，不看"服务器日志里有没有爬虫来过"。这两件事混在一起，续航天数就会虚高，整个监测就失效了。

续航天数这个指标的意义在于：它把"发了多少内容"翻译成了"内容活了多久"。验收时，发布量可以注水，续航天数注不了水——它是每天固定提问、逐条记录出来的，原始回答和引用来源都留痕，随时可以复测。

第五步验收：按 IAB 八项标准交付，不是发稿清单

客户要的不是发稿清单，是能拿去开会定预算的决策级数据。验收报告必须能回答三个问题：这个数怎么测出来的、再测一遍还是这个数吗、原始回答留了吗。答不上来这三问的报告，不管图表多好看，都不能支撑续费决策。

对决策层来说，验收报告是续费的核心武器，不是交付流程的最后一环。IAB 的原话值得直接放进报告封面：失败在于把方向性数据当成决策级数据来用，却没意识到中间的差距。方向性数据只能看个大概趋势，决策级数据要经得起八件事的追问。服务商老板最该盯的不是报告页数，是报告里有没有原始回答留存和复测记录——这两样缺任何一样，客户下一次比稿时就有理由换人。同一份调查里，40.6% 的从业者把“缺少度量与归因工具”列为最大挑战，这意味着谁先把验收做扎实，谁就在续费谈判里占了别人没有的位置。

对执行团队来说，IAB 八项标准不是学术清单，是客户会逐条问你的问题。每一条都要有对应证据，不能只写“已覆盖”。下面这张表就是验收会上的对答脚本：

这张表的使用方式是：每一条都问自己“交付物那一列的东西，我现在拿得出来吗”。拿不出来的那条，就是客户下一次会卡住你的那条。

对数据团队来说，验收的底线动作是两个。第一，原始问答快照必须全量留存、支持一键导出。不是存汇总分数，是存每一次提问的完整回答原文——只有原文才能在客户质疑“这个数怎么来的”时拿出来对质。第二，报告必须分平台单独展示结果，不能只给一个合成分数。不同引擎的答案差异本身就是客户该知道的信息，合成一个数等于替客户做了他不该委托给你的判断。

人工能做到哪一步：把八项标准列成清单、逐条核对、把原始回答截图归档，这些靠纪律就能做。但人工撞墙的地方在于——当客户追问“这 200 条 query 里有多少是定义题、多少是选型题”时，靠手工分类既慢又不可复现；当客户要求“把豆包和 DeepSeek 分开看”时，靠人工逐个平台重测的成本会随 query 量线性膨胀。工具从这里接手：按意图槽位自动分类 query 池，分平台采集并留存原始快照，复测时用同一批问题重新跑一遍、自动比对两次结果的差异。验收报告里的每一个数字，背后都要能点开看到那条原始回答。

失败处理与边界：没人能保证效果，能保证的是可验证

没人能保证效果，能保证的是效果可被验证。交付 SOP 里没有失败处理和边界声明，项目一定会扯皮——不是扯在效果好不好，是扯在“这算谁的”。算法变动、客户不配合、空白区天然做不动，这三件事在签约前不讲清楚，验收时就会变成三笔烂账。

对决策层，这一节要解决的是合同怎么写。GEO 效果受算法变动影响，这是机制决定的，不是服务商能力问题。上文那篇论文已经证明：能提升可见度的对抗性手段一定损害引擎效用，引擎有明确动力封堵。这意味着算法变动不是意外，是常态。合同里承诺“排名进前三”等于承诺一件你控制不了的事；但承诺“数据可复现、过程可追溯、每次变动有记录”是你完全控制得了的。把保证效果翻译成保证可验证，是这一节对老板唯一重要的事。

对执行团队，这一节要解决的是责任怎么界定。三件事必须在项目启动会上对齐，写进交付文档，而不是等出了问题再吵：

第一，算法变动导致提及率下降，算谁的。 判定标准不是“降了多少”，是“变动时间点前后，我们做了什么、平台改了什么”。如果平台改了信源权重，同一批内容在所有品牌上的引用都同步下降，这是平台侧变动；如果只有客户品牌下降、竞品没动，这是我们侧的问题。这个判定逻辑要在签约前告诉客户，让他知道你不会拿“算法变了”当万能借口。

第二，客户不配合提供素材，怎么处理。 诊断和优化都需要客户提供产品参数、真实案例、资质证明。客户不给，内容就只能写通用描述，而通用描述在 AI 引用逻辑里权重最低。SOP 里要写明：客户素材缺失导致的引用率不达标，不构成服务商违约；但服务商有义务书面列出“缺了哪些素材、缺了会怎样”，而不是事后甩锅。

第三，空白区问题做不动，怎么提前说。 诊断阶段已经分过区，空白区的问题天然产不出品牌提及。如果客户坚持要投空白区，执行团队要书面声明预期：这类问题优化后跑偏率仍然显著高于有品牌位的问题，投入产出比低，建议降权或放弃。客户签了字再投，就不是你的责任。

对数据团队，这一节要解决的是怎么记录才能分清“我们没做好”和“平台变了”。三个动作缺一不可：

记录每次算法变动的时间点。 平台官方发布、行业讨论、监测数据出现系统性跳变，都要打时间戳。没有时间戳的“算法变了”就是借口。

变动时间点与监测数据对照。 把提及率、引用源、续航天数的变化曲线叠在算法变动时间轴上，看是全局性下移还是单品牌下移。全局性下移是平台侧，单品牌下移是我们侧。

保留原始回答快照。 每次监测的原始回答全文留存，不存汇总数。出了争议，拿原始回答出来对，比任何解释都有用。这正是决策级数据那八件事里“可复现性”和“数据校验”的落地动作。

这张表不是给客户看的免责声明，是给项目负责人用的内部边界清单。每一行都要在签约前和客户过一遍，客户确认过的边界才是边界，没确认过的都是扯皮素材。

失败处理的核心不是“失败了怎么办”，是“失败之前怎么把话说清楚”。说清楚了，失败就是一次可归因的迭代；说不清楚，失败就是一场互相甩锅的烂账。

常见问题

GEO项目交付流程怎么标准化？

按五步走：诊断现状（五区分区）、确定目标（决策级指标）、执行优化（先改信源结构）、监测反馈（续航天数）、验收报告（IAB八项标准）。每一步都有明确产出和验收标准。

GEO项目怎么向客户证明效果？

用决策级数据：留存原始回答全文、复测同一批问题、分平台展示结果、按 IAB 八项标准交付。客户问“这个数怎么测出来的、再测一遍还是这个数吗、原始回答留了吗”，你能答上来。

GEO诊断怎么做？

挑 20 个客户最在意的问题，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？然后按五区分区：优势区、竞争区、敌占区、歧义区、空白区。空白区的问题天然产不出提及，别投。

GEO内容发出去多久能看到效果？

看续航天数，不是看发布量。餐饮内容平均5.3天、工业3.9天就被 AI 遗忘。如果内容平均续航天数低于行业均值，说明没被真正采信，要调整信源结构或内容体裁。

GEO服务商怎么验收？

按 IAB 八项标准逐条问：样本量多少、查询量多少、提问类型覆盖了吗、测试频率多少、可复现吗、数据校验了吗、方法学文档有吗、分平台报告了吗。缺一条，报告就不够决策级。