找外包做优化，怎么在合同里写防造假条款？
评估AI搜索优化效果不能只看截图。本文拆解服务商数据粉饰套路，教你通过留存问题清单、固定计算口径等建立独立验收标准，并提供可写入合同的防注水条款。
本文要点
- 评估AI搜索优化效果不能只看截图。
- 本文拆解服务商数据粉饰套路，教你通过留存问题清单、固定计算口径等建立独立验收标准，并提供可写入合同的防注水条款。
怎么判断服务商给的AI搜索优化报告有没有水分？
评估 AI 搜索优化（GEO）效果不能只看一张截图或一个综合比率。一份真实、可复核的验收报告，必须提供完整的问题清单、明确的分子分母计算口径、每一轮的原始回答全文存档以及引用来源的逐条明细。缺少这四样过程数据，任何好看的趋势图都无法被核验。
怎么验证GEO服务商给的交付物是不是真的跑过测试？
判断一份 GEO 效果报告可不可信，不能看 PPT 汇报写得多漂亮，而要看这四样东西是不是实实在在地拿在手里。
|
交付物 |
作用 |
缺了会怎样 |
|---|---|---|
|
完整问题清单（每期留档） |
可重跑、可比对 |
数据无法核验，也看不出中途是否换了更容易答对的题 |
|
每个比率的分子分母定义 |
可解读涨跌 |
仅凭一句「提及率涨了」无法判断是效果变好还是口径变宽松 |
|
原始回答全文存档 |
还原品牌被描述的真实语境 |
只知道品牌「在不在」回答里，不知道被说成了什么 |
|
引用来源逐条明细 |
定位优化动作的切入点 |
无法追溯 AI 到底抓取了哪个页面，只能得到「内容质量要提升」这种无法落地的结论 |
这四样数据都是执行测试过程中的自然副产品。只要服务商真的跑过测试，系统里就一定有留存。如果拿不出来，通常不是因为涉及机密，而是因为在测试时根本没有做结构化存储。
怎么判断GEO服务商在测试中途有没有偷偷换题？
判断一份 AI 搜索可见性报告是否真实，标准只有一个：第三方按同样的方法、在同一时间段重跑这批问题，能不能得到接近的结果。而重跑的前提，是必须知道具体测了哪些问题。
留存问题清单，还能防止一种极其隐蔽的「数据粉饰」手段——中途换题。
如果在后期的测试中，悄悄加进几条自带品牌名的提问（例如将「有什么好用的协同办公软件」替换为「某某协同办公软件好用吗」），品牌的提及率必然会大幅上升。但这并不是因为 AI 搜索可见性变好了，而是因为提问本身就在给品牌送分。
这种操作会让趋势图看起来非常漂亮，但它无法被追溯——除非你手里有每一期测试的完整问题清单。因此，在合作之初就应当明确：问题集发生任何调整，都必须在报告中逐条标注。
想知道你的品牌是否被 AI 推荐？查看品牌 AI 可见性 →为什么同一批AI搜索测试数据能算出完全不同的提及率？
在 AI 搜索的监测中，同一个数据集，用不同的口径能算出差距极大的两个率。
|
分母口径 |
算进去的是什么 |
算出来的提及率表现 |
|---|---|---|
|
全部提交的问题数 |
包含执行失败、API 接口无结果的样本 |
最低 |
|
执行成功的问题数 |
排除接口异常等非内容因素 |
中等 |
|
产生品牌推荐语境的问题数 |
进一步排除定义解释题等无效样本 |
最高 |
如果分母口径不一致，两个时期的提及率数据放在一起对比就毫无意义。
此外，多轮采样在算法上还有一个常见的坑：先算每一轮的比率，然后再取平均值。这会导致样本量极小的那一轮，在最终结果里占了过高的权重。
|
计算方式 |
第一轮数据 |
第二轮数据 |
最终计算结果 |
|---|---|---|---|
|
先算单轮比率再取平均值 |
20 / 40 = 50% |
3 / 12 = 25% |
37.5% |
|
分子分母各自相加再计算 |
分子共 23，分母共 52 |
23 / 52 |
44.2% |
两者的计算结果差了近几个百分点。后者才是这批问题真实的平均表现，而前者把只有极少样本的那一轮赋予了和多样本那一轮同等的权重。
这绝非钻牛角尖。在流量监测上，透镜GEO 团队自己就栽过同类的跟头。在一次策略评估中，我们仅看整站点击率，得出了「标题改版把点击率拉低了」的结论。但当我们把词的类型分段拆解后，才发现真实情况是点击率其实是有所提升的，实际是上涨的。
导致这一误判的原因是流量构成在变——泛词的展现占比在极宽的区间内剧烈摆动。如果把高点击率的品牌词与低点击率的泛词混在一起算平均数，读到的就只是流量构成的变化，而不是真实的优化效果。合并口径，极易把涨的数据读成跌的数据。
怎么判断AI搜索提及率上升时品牌有没有被抹黑？
提及率（Mention Rate）是 GEO 监测中最常用的指标，但它有一个致命盲区：它只统计品牌「在不在」，却不统计品牌「好不好」。
|
AI 的具体描述方式 |
对用户决策的影响 |
提及率计作 |
|---|---|---|
|
列为该领域主要厂商之一，推荐尝试 |
正向 |
1 |
|
描述为「规模较小的创业公司，市场份额有限」 |
负向 |
1 |
|
描述为「功能相对基础，不适合复杂场景」 |
负向 |
1 |
|
将品牌归到完全错误的品类中 |
无效且误导 |
1 |
|
把竞品的短板或负面事件写到了你的名下 |
严重负向 |
1 |
在提及率的算法里，上面这五种情况全部被记作「1」。如果只看提及率，数字涨了，你可能还在庆祝，但实际上后面四种负面或无效提及的占比正在悄悄上升。
透镜GEO 在每一轮监测中都会把原始回答的全文进行留存。因为比率只能告诉你品牌在 AI 回答中出现的频次，而留存的原文才能帮你复核：AI 到底在用什么词汇描述你，以及到了下个月，那句「功能相对基础」的负面评价是否真的被优化掉了。
为什么不能用AI回答截图和官网流量来做GEO验收依据？
在实际业务中，很多市场负责人习惯用两样东西来跟老板交差：一是「AI 提到我们了」的回答截图，二是网站的「引流数据」。这两者都不适合作为硬性的验收依据。
首先，单张截图无法代表常态。AI 的回答具有概率性和随机性，同一句话问三次，给出的品牌推荐名单可能完全不同。一张出现了品牌的截图只能证明「它在某一次提问中出现过」，无法证明「它能稳定地向用户展现」。想要拿到一张好看的截图，只需要反复刷新重试即可，而你根本看不到中间失败了多少次。
其次，网站流量测不准。如今多数 AI 搜索（如 Perplexity 或 秘塔）的回答已经能够满足用户的即时需求，大部分用户看完回答就走，并不产生点击。即使产生点击，由于很多 AI 客户端不带 Referrer 标识，这部分流量在统计工具里也会落入 Direct（直接访问），根本无法追踪。
事实上，连企业自己站点的访客数据都需要经过严格清洗才可信。透镜GEO 对自己的站点做过一次实测，通过「执行过埋点 JS」这一口径来统计新访客，某天数据突然跳到平时的数倍，显示当天绝大多数访客都是新访客，而平时这一比例要低得多。
经过排查发现，是一个云服务商的 IP 段在当天对我们发起了密集的埋点请求，这是一个会执行 JavaScript 的无头浏览器。这直接导致当天的数据严重虚高。
连自己站点的底层数据都需要经过多层过滤才敢采用，如果直接用无法精确归因的网站流量去验收 AI 搜索的优化效果，链条太长，数据极易失真。
在GEO服务合同里应该写死哪些防注水条款？
在与 GEO 执行方或服务商签署合同时，不需要精通技术，也可以把以下几项过程数据的交付写入条款中。这些都是系统运行的自然产物，不涉及额外的工作量：
|
条款类型 |
合同建议写法 |
|---|---|
|
数据交付要求 |
每期交付物必须包含：完整测试问题清单、每一轮的原始回答全文存档、引用来源的网页明细。 |
|
计算口径固定 |
提及率的分子、分母定义在首期确认后不得变更。后续如需变更口径，须提供书面说明并对历史数据进行重算。 |
|
问题集变更约束 |
调整问题集必须逐条标注。新增题目在趋势图中须单独标识，不得与历史数据混跑。 |
|
过程数据归属 |
监测过程中产生的所有原始问答数据、问题清单归甲方所有，合作结束后须提供一键完整导出。 |
|
效果承诺界定 |
仅对可验证的执行动作与检索层收录结果做出承诺，不承诺模型参数内的特定描述，不承诺绝对排位。 |
特别是关于效果承诺，需要理性对待。
什么情况下GEO服务商给的效果承诺在技术上根本无法实现？
在 AI 搜索的生态中，有两件事是不应该被写进承诺条款中的：
|
不该承诺的事 |
为什么 |
|---|---|
|
承诺「在几个月内看到模型彻底改口」 |
已经进入大模型预训练权重（Parameters）里的记忆是极难在短期内擦除或修改的，这属于不可控层。 |
|
承诺「在所有 AI 引擎中实现绝对排位第一」 |
AI 搜索的实时生成结果受到地理位置、上下文、用户画像以及模型随机温度值（Temperature）的多重影响，不存在物理意义上的绝对第一。 |
敢于在这两件事上给出绝对承诺的，要么是不了解 AI 的技术机制，要么是笃定你无法进行系统性验收。
相反，真正可控且可验证的是实时检索层（RAG）的动作：你的内容是否被 AI 搜索的蜘蛛抓取，是否进入了它的检索知识库，以及在实时检索发生时，你的页面是否作为引用来源（Sources）出现在了回答下方。这一层是可以通过技术手段优化，并且可以通过工具进行精准监测的。
怎么在不引入第三方的情况下建立独立的GEO验收口径？
让执行优化服务的团队自己输出效果验收报告，在结构上是不合理的。这等同于让考生自己批改自己的试卷。财务报表需要独立的第三方审计，AI 搜索的可见性监测也是同样的道理。
即使企业目前没有引入第三方监测工具，最低限度的合规做法也是：必须把完整的问题清单与原始回答原文收回自己手中。
只要这两样底层数据在手，无论何时，你都可以找其他技术团队进行复核与重跑。如果手里只留下一堆服务商汇报 PPT 里的百分比数字，一旦合同结束、时间流逝，这些数据就永远失去了复核的可能性。
透镜GEO 作为独立的 AI 搜索品牌可见性监测平台，不承接任何 GEO 优化执行服务。我们只负责客观地记录每一轮测试的问题、原始回答以及引用来源。将验收方与执行方在结构上分离开来，两边的数据对比才具有真正的评估价值。