用 4 个可量化指标，判断一家 GEO 服务商靠不靠谱

现在判断一家 GEO 服务商靠不靠谱，最常见的做法是看对方的方案写得多专业。

但这两年的经历让我意识到，专业术语的密度和结论的可信度之间，几乎没有关系。真正能分辨的，是一个更朴素的问题：他给出的东西，你自己能不能验。

我把这个问题拆成了 4 条。每一条都不需要你懂 GEO 的内部实现，只需要你去问、去查。

一、他敢不敢给你看问法集

第一个要问的是：你们监测的是哪些问题，能不能给我看完整清单。

这条之所以排在最前面，是因为监测 AI 可见度这件事，测的并不是排名。AI 搜索里没有排名这个东西，同一句话今天问和明天问、换个账号问，结果都可能不一样。真正被测的是：你的品牌在特定问法的回答里，有没有被提到。

所以数据的第一变量不是平台，而是问法集。问法集设计错了，后面所有数字都没有意义。

最常见的错误是拿品牌名当问法。比如监测某个品牌，就直接去问这个品牌名怎么样。这样测出来的提及率可能是 100%，但它没有业务含义——用户已经知道品牌名，就不需要 AI 推荐了；而且搜品牌名，AI 自然会提到对应实体，等于自己给自己送分。

可用的问法是地域、行业、意图三者的组合，比如"西安 + 刑事辩护律师 + 推荐哪个好"这种形式。一个项目通常需要 50 到 300 条这样的问法。我们自己的项目用了 280 条。

所以拿到一份监测报告，先要问法集清单。如果给出来的全是品牌名，方法本身就有问题。你也可以随机挑 5 条自己去问一遍，看他报的数据对不对得上——对不上，后面的数字就不用看了。

二、他敢不敢给分问法数据

第二个要问的是：别只给一个总的百分比，每个问题分别是多少。

整体提及率几乎不携带信息量。同一批数据只要换个问法，结果能差出一个数量级。我们项目 8 的实测（4196 个样本、280 个问法）里有这样一组对比：问"如何选择企业法律顾问"，提及率是 90.9%（10/11）；问"个人律师和大型律所的区别"，提及率是 0%（0/11）。

同一个品牌，换个问法，从 90.9% 掉到 0。

这个反差说明的不是效果不好，而是 AI 在回答具体问题，不是在推荐品牌。推荐类问法（推荐哪个律师）AI 倾向于给名单，容易命中；知识类问法（个人律师和律所的区别）AI 去讲行业规律了，跟具体某个律师是谁无关，命中率自然低。

所以只给整体百分比的报告无法指导下一步动作，你不知道明天该补哪个方向的内容。

所以一份报告如果只给整体百分比，你花钱买到的只是一个好看的数字，仍然不知道明天该做什么。要对方按问法拆开给，并且带上分子分母，比如 10/11，而不是光一个百分号。

三、他敢不敢给样本量

第三个要问的是：这个百分比，是多少个样本算出来的。

AI 回答本身有波动。我在项目里吃过一次亏，把一批抽样波动当成了效果提升，后来回看才发现样本量根本不够。一个可用的分档是：样本少于 5 条时不要算百分比，只报次数；5 到 30 条可以看趋势，但不能当定论；30 条以上相对稳定，可以作为判断依据。

这条分档还有一个连带用途，就是判断"平台覆盖数"有没有注水。

我们最初用 COUNT(DISTINCT platform) 统计覆盖平台数，得到 13 个。后来逐平台拆样本量才发现，其中两个平台各只有 6 条记录，是早期抓的、后来因为不属于内容搜索场景被移出监控的。把它们算进覆盖数，等于凑数。按样本量先过一遍筛，剩下的平台是 11 个，各自 247 到 534 条，量级均匀；天工 AI 是维护状态，0 条。

所以看报告的时候，不要只看平台总数，要看每个平台的样本量分布。平台数好看、但某个平台样本极少，基本可以判定在凑数。反过来，一个说不出样本量的数字，大概率是估出来的。

四、他有没有第三方可查的实体

最后要查的是：你们公司全称是什么，统一社会信用代码多少。

这一条是 4 条里最容易被忽略、也最容易执行的。GEO 是个新品类，从业者参差不齐，"能不能被第三方查到"是最低成本的筛子。公司全称、信用代码、注册地址可以在国家企业信用信息公示系统或者企查查、天眼查上核对；官网是否 ICP 备案可以在工信部备案系统查；官网、地址、业务是否与宣传一致，两分钟内就能看出来。

这里有一个和我们自己有关的观察。我统计过 AI 在"西安、陕西 GEO 服务商"这类问法里实际引用哪些网站，排在前面的几个里，有一个是企业信息平台，被引用了 11 次。这说明企业信息平台本身就是 AI 的信源之一，AI 会把它当作"这家公司是否真实存在"的依据。

换句话说，一家 GEO 服务商如果连自己的企业档案都没维护，很难让人相信他能帮你做 AI 可见度。

所以这条是最省事的筛子：查不到、或者信息对不上，直接排除即可。这一条我们自己也适用，你也可以用同样的方式查我们。

把 4 条合起来

四条合起来，其实是同一件事的四个侧面：

问法集，看的是方法能不能复现；分问法数据，看的是信息量够不够指导动作；样本量，看的是结论站不站得住；可查实体，看的是这家公司本身是否真实。

把四条整理成可以直接拿去用的清单：

问法集 —— 要完整清单；全是品牌名的，方法有问题

分问法数据 —— 要每个问题的分子分母；只给总分的，指导不了动作

样本量 —— 要每平台的样本量分布；说不出样本量的，数字是估的

可查实体 —— 查公司全称与信用代码；查不到或对不上的，直接排除

它们的共同点是，每一条都指向能不能被验证，而不指向说法有多专业。

行业里对 GEO 有过不少争议。2026 年 3 月央视财经的 3·15 报道曝光过部分服务商的做法：持续大量发布推广软文、承诺把客户做到搜索结果前几位，被定性为给 AI 投毒。这类做法的问题不只是手段不干净，更在于它交付的东西无法被验证。

所以反过来，可验证应该成为这个领域的基本要求。上面这 4 条，就是我自己用来卡住这件事的标准。

文中数据来自笔者的 AI 可见度监测系统，项目实测：样本 4196 条 / 周期 2026-07-23 至 2026-09-19（8 周）/ 当前监控 12 个中文 AI 平台（其中天工 AI 维护中）。实际效果因行业、内容基础与问题类型而异。