2026GEO五项团标落地，GEO监测优化采购RFP该关注哪九项指标

日前，中国商务广告协会牵头的五项GEO团体标准（T/CAACCHINA001—005）通过全国团体标准信息平台正式公布。品牌采购侧的反应出现了一个明显的分化：一部分人拿到了标准号，却不知道怎样把它变成合同里一条能被评分的条款；另一部分人则把“001—005”写进招标文件，被评审专家追问“你到底依据哪一册”时答不上来。

标准的存在和标准的可用之间，隔着一道翻译工序。“提升品牌在AI中的曝光”写进RFP，评标时没人能打分；写成“在五个平台、不少于三十个提问、每问题每日不少于三次采样、连续三十天，可见率不低于约定值，并附原始回答与可复算的分子分母”，才有讨论的基础。这道翻译工序，才是本文要处理的问题。

一、先定样本，再谈指标

过去一年，市面上大量GEO效果交付物的标准动作是：问一次、截一张图、做一份PPT。团标做的最硬的一件事，是直接用统计口径把这条路径堵死。有效测量必须满足四条硬约束：每个“意图词—模型—周”组合至少提问30次；覆盖生成式引擎不少于5个、采集城市不少于3个；单一模型样本占比不超过80%；原始采集数据保存至结案后三年。

30这个数字不是拍出来的。统计上的依据是：样本量不低于30时，可见率指标的统计结果标准差不超过10%，才算达到可接受的稳定性。反过来说，一次提问里的品牌出现与否，在统计上连一个有效样本都算不上。RFP里如果只写指标名、不写这四条，验收时对方拿三个问题问一遍、截几张“品牌被提到”的图，你在合同层面很难反驳。

所以RFP的第一段技术条款，不应该是“要求可见率达到多少”，而应该是“在什么采样条件下测出来的可见率，才被采信”。没有采样条件，指标只是一个名词。

二、能当KPI的只有两个半

九项指标在验收中的法律地位并不相同，团标对此有明确分级。可见率和AI情感中正率，是明确可以写进合同作为刚性考核的。语义一致性可以当作“半个”质量验收指标，但仅当合同包含语料建设或知识库交付时才有考核意义，通用营销场景下更适合做诊断参考。其余六项——可见份额、平均排名、指定信息正确率、指定信息覆盖率、信源数量引用率、信源问题引用率——只能作为辅助参考或过程指标，不宜做成硬性对赌。

这个分级背后是一条被忽略的实践逻辑：考核什么，服务商的行为就流向什么。把平均排名写进KPI，服务商的理性动作是去“操作”位序，而不是去修正事实和内容；把可见份额写进KPI，双方会在分母口径上无休止地拉扯。可见率之所以能当KPI，是因为它的定义最抗操纵：品牌出现在答案里就计入，不区分为第几位，不依赖分母争议。AI情感中正率能当KPI，是因为它考察的是表述倾向，而表述倾向可以被语料和事实页的修正所改变。

三、每个指标对应一个动作

指标对实践的指导意义，不在于“考核”，而在于“告诉你下一步该做什么”。九项指标如果只被当成打分表，就浪费了它们最大的价值。

可见率低，先查的不是内容数量，而是问题集本身：测试问题里有多少是品牌词？如果“某某品牌怎么样”这类问题占了多数，可见率会被结构性做高，掩盖了真实品类问题中的缺席。真正有价值的测试，必须以非品牌问题为主。

AI情感中正率低，问题通常不在“负面多”，而在“事实乱”。AI回答中的负面表述往往来自旧网页、旧新闻和过时参数之间的冲突，而不是有人刻意抹黑。这项指标真正指导的动作，是建立一份事实清单——成立时间、产品型号、官方价格、服务地区——逐项比对AI回答是否准确。中正率不等于好评率：一个品牌全是中性陈述、没有负面，中正率会很高，但那只说明没有明显负面，不说明口碑好。

指定信息正确率是九项中最接近“事故指标”的一项。它查的是关键字段对不对，出错是硬伤。企业需要提前锁定一张核心事实表，把“AI说错了什么”变成可归因的问题，而不是笼统的“口碑不好”。指定信息覆盖率则相反，它查的是“该说的有没有说全”，缺失是机会而非违约。两者混成“准确率”一个词，验收时一定扯皮。

信源数量引用率和信源问题引用率必须分开看。前者看一次回答里引用了几个你的源，后者看有多少个问题引到了你的源。一个问题里被连续引用五次，信源数量引用率很好看，但问题引用率可能只增加了一个。方案书把两者压成一个“引用率”，评审时第一句话就应该请对方给定义。

语义一致性的实践价值，在跨平台场景中最直接。同一个品牌在豆包和元宝被描述成两个样子，说明官方事实底座还没有统一。这时候继续铺稿是无效动作，先补事实页、统一口径，比增加内容数量更优先。

四、分母写不清，验收必扯皮

指标名和采样口径都写对了，验收仍然可能卡在同一个地方：报告上的数字回不到原始回答。

一份可复算的报告，至少要让每一条结论都能反向追到七个字段：问题编号、平台与查询模式、执行时间、AI完整回答（不是只截取出现品牌的那一句）、引用来源及可打开状态、成功与失败状态的区分、指标的分子分母与排除项。最容易藏问题的永远是分母。一轮配置10个检测项，8个成功返回、2个失败，成功项中3次提及品牌：如果口径是“提及品牌的成功结果数÷成功检测结果数”，答案是3÷8；如果按配置总数做分母，答案是3÷10。两个数字在报告表面上看不出区别，但失败项是否被单独列出、是否被悄悄并入“未提及”，足以改变整份验收结论。

RFP里写一句“数据以原始回答留档为准，乙方须在验收时提供可回溯的问答记录，并现场复算任意一项比例”，比前面写多少形容词都管用。现场复算通常能迅速暴露三类问题：指标定义不清、失败项处理不透明、汇总值无法回到原始数据。

五、计价条款要为指标服务

团标在计价侧给出的一条硬约束，对RFP有直接指导意义：混合计价模式下，以语料建设、内容生产、监测为代表的固定成本部分，占合同总金额宜不低于30%。这条规定的实际含义是，合规框架内“纯按效果付费”走不通。生成式答案由模型实时生成，没有任何人能锁死输出，“不达标不收费”“保证排进前排”这类承诺，在一个无法锁死结果的系统上不具备可执行性。

RFP的计价部分不应只写总价，而应要求报价拆到问题数、引擎数、采样频率和内容/信源单元。能拆到最小单元的报价，验收时才有可能按单元核减；只给打包价的方案，双方都没有退让的台阶。同时可以约定辅助性的效果挂钩条款，并事先写清免责场景：主流引擎算法和检索规则重大更新、监管政策调整限制品牌内容展示等情形，可以作为按效果计价部分的免责条件。

六、预算分档，不铺满九项

三十万以下的项目，先抓四项：可见率、AI情感中正率、信源数量引用率、信源问题引用率。这四项覆盖“有没有被看到、被说得对不对、靠什么被看到”三个基本问题。不必追求平台齐全，选两三个客户真正在用的引擎做深，数据反而更稳。

百万级项目可以把九项铺满，但必须坚持分平台单独报告。合成一个总分很好看，出问题时查不出原因。这个档位还应附加两件事：季度方法说明更新，以及异常响应时限。钱花到这个量级，买的不只是数据，还有出问题时对方多快能到场。

无论哪个档位，评标现场最有效的三个动作都不在功能表上：案例的可复核性，要求提供同行业案例当时的原始回答与问题清单，只写“服务过某头部品牌”无法验证；数据归属，账号、问题集、原始回答、报告，哪几样能导出、什么格式、交接期多长，写进合同，这一条在续约谈判时价值最高；验收不合格的处理机制，补做、扣款还是顺延，事先写清。公开招标市场上已经出现了千万级、百万级和数十万级的GEO年度框架，预算规模不是问题，有没有一把能验收这笔钱的尺子，才是问题。

团标给的是共同的尺子，基线是企业自己的。九项指标抄进RFP只是第一步，真正的门槛在于：你有没有一套能反复跑、跑完还能对上的问题集，以及一条能在验收现场被当场复算的原始回答。这两样东西，任何标准都替不了。