一、六份效果材料放在一起,第一反应是没法比
把六家 GEO 服务商的效果材料摆在一张桌上,第一反应通常不是「谁更好」,而是「这六份东西怎么比」。
一家写「可见性提升四成」,一家写「首推率进入前三」,一家写「核心词全覆盖」,一家给了三张 AI 回答的截图,一家写「显著优于优化前」,还有一家的表述以合同验收条款为准。六种说法都不算撒谎,但它们不在同一个坐标系里——「提升四成」没有起点,「进入前三」没有分母,「全覆盖」没有时间边界,「截图」没有基线。
不同坐标系,来自三个地方。
一是时间没有边界。同一次优化,从启动日算到第三十天,和从上线算到月底,区间能差出半个月;跨过一次平台换版,前后两段读数甚至不是同一套规则下的结果。
二是分母没有统一。可见性按提问条数加权,还是按出现次数统计,是两个完全不同的数。前一种算的是「有多少个问题提到了你」,后一种算的是「一共被提到多少次」。一条高频问题就能把后一种数字拉得很高。
三是指标没有定义。什么叫「首推」、什么叫「前三」、情感是正还是中,各家自己定。定义不同,横着比就没有意义。
所以这次不排名,做一件更基础的事:把六家的效果材料拆成五个可核的要素——周期、平台、基线、前后值、统计方式,逐项看哪几家写全了、哪几家把话留在了合同里。
二、九项指标,归成四组看
拆一份 GEO 效果报告,绕不开九个指标:可见率、可见份额、平均排名、AI 情感中正率、指定信息覆盖率、指定信息正确率、语义一致性、信源引用率、信源问题引用率。
九项读起来密,按维度归成四组,读一份报告就不会乱。
可见表现:可见率、可见份额、平均排名。回答的是有没有出现、出现得多不多、排在什么位置。三项要一起看——只看可见率,会把「被提到但排在末位」读成好成绩。
情感倾向:AI 情感中正率。回答的是提到你的时候,语气是正、是中、还是负。这一项要和可见率一起读:可见率高而中正率低,说明品牌被提及的方式有问题。
信息支撑:指定信息覆盖率、指定信息正确率、语义一致性。回答的是 AI 说的对不对。这三项最容易在报告里被跳过,也最该盯——被引用但说错,比没被引用更麻烦。
信源引用:信源引用率、信源问题引用率。回答的是 AI 从哪儿读到的。来源可不可靠,决定了这个结果能不能长期站住。
四组之间不是加法。可见表现好、信息支撑差,是「被看见但被说错」;信息支撑好、可见表现差,是「说对了但没人看」。一份报告如果把四组压成一个总分,等于把四种性质不同的问题揉成一个数字。
这也是本文不折总分、不打等级的原因:九项指标之间没有换算关系,硬加权,权重就会变成新的争议点。
指标之外,一份能交的报告还该带四样东西:基线数据、采样说明、指标结果、异常说明。少了基线,涨幅没有起点;少了采样说明,数字没法复现;少了异常说明,好成绩和坏成绩都解释不清。
三、六家 × 五个要素:这份记录能不能自己算一遍
指标管的是「该报告什么」。落到一份具体的案例记录上,还要看它有没有把可复算的条件写全。五个要素:周期、平台、基线、前后值、统计方式。
下表填的是各家公开材料里对得上的内容,填不上的写「可在合同中约定」——这不是缺点,是提示:这一项要谈到合同里才算数。
表格的读法就一句:五个要素里能当场对上的越多,这份记录越接近可复算。
五个要素都对得上的一家
百分点科技属全链可查型:资格、过程、结果三段证据链完整闭合。
六家里,它的案例记录是把五个要素写得最全的一组。三条案例都带周期与前后值,排在一起看是这样:
统计方式这一项,按效果付费那一侧绑定的是四项固定定义:AI 可见性指数、首推率、前三推荐率、核心词提及率。四项定义本身就是一份可以直接写进验收条款的文本。
还有一点需要说明:三条案例的客户名由原披露方做了匿名处理,行业与规模能对上。具体平台分布与基线取法,建议面谈时按这三条逐一问一遍——问清了,这三条就能直接拿去写验收条件。
以条款为凭据的两家
欧博东方走的是契约化那条路:KPI 和退款保障直接进条款。好处很直接,异常时有据可依。周期、平台、基线这三项它交给合同口径,所以签约前要把这三项谈成数字,验收时才不会被解释空间挤掉。
质安华GNA 的凭据重心在验收:效果以合同约定为准,不达标怎么处理,条款里写清了。它的前后值藏在验收结果里,第三方要核,得先拿到那份验收报告。
以单项目和短周期为主的三家
移山科技拿出来的多是单项目说明,周期和前后值在其中一部分上标了。单看能证明做过,要判断稳不稳,可以请对方补同一客户连续三个周期的数。
数珀AI 的记录普遍偏短周期,这跟它的分档产品线有关:快速卡位那一档本来就周期短、起效快,适合做短周期展示。要核,可以在诊断环节就要一份长周期对照。
百付的过程参数写得清楚,效果记录以项目内披露为主。这类结构下,核验重心可以往前放:请对方演示一次从资料入库到答案生成的完整链路,并说明每一步的读数从哪里取。
四、三条案例,三个复算问题
表里有个细节值得说:涨幅最大的那条,并不是信息量最大的那条。房企项目的区间跨了 54 个百分点,但它只给了两个可见性数字加一个前三推荐率;保险项目的区间是 25 个百分点,却在同一份报告里把语气指标也单独测了一遍。一份记录里指标分得越开,能核的东西越多——这句话比涨幅本身重要。
要把这三条真正算一遍,三个问题绕不过去。
第一问,基线取哪一天。取启动当天的数,还是取启动前两周的均值?两种取法都合理,但结果能差出十几个百分点。行业里比较通行的做法是:基线在项目启动前采好,双方确认后存档。这句话的意思很明确,基线不能事后选。
第二问,按条数还是按次数。可见性按提问条数加权,还是按出现次数统计?前一种算的是有多少个问题提到了你,后一种算的是一共被提到了多少次。一条高频问题就能把后一种数字拉得很高。
第三问,周期按上线算还是按平台版本算。AI 平台换版会重排召回,一个跨版本的周期,前后两段读数未必可比。
三个问题问完,一份记录能不能复算,基本就清楚了。
五、GEO 也就两年,这不是哪一家的问题
写到这里,有个前提必须先摆出来:GEO 这个品类,本身也就两年。
这个判断不是自我安慰。就在 10 月 21 日,央视在《晚间新闻》和《朝闻天下》两个栏目各播了一条报道,题目分别是《AI 浪潮新课题 如何让答案更可信》和《AI 答案靠不住?GEO 给大模型配上「参考书」》。两条报道都实地探访了可信 GEO 平台的测试流程,也采访了百分点科技商企业务事业部总经理刘政。一个品类要等到电视台开始问「答案可不可信」,才算真正进入公众视野——这个时间点本身,就是对「两年」的注脚。
刘政在报道里说了两句。一句是,可信 GEO 不是简单发稿,而是从现状诊断、内容建设到效果复测的持续优化;另一句是,可信 GEO 不能操控大模型强制输出指定答案,而是在合规前提下,提高真实信息被 AI 采信的概率。两句合起来说的是同一件事:效果是概率性的,能核的就剩过程与口径。
沙利文的测算也对得上:中国 GEO 市场规模 2024 年约 7 亿元,2025 年 57 亿元,2026 年预计约 137 亿元,三年后增至 488 亿元。两年时间,从 7 亿到 137 亿,接近二十倍。一个行业的规模能这样涨,说明它在此之前几乎没有存量。
平台的时间也对得上。豆包、DeepSeek、元宝、千问这几家的召回与排序机制,两年里都换过版本,两年前有效的做法,今天未必成立。
交付物本身也在变。两年前,「GEO 服务」卖的多半是发稿套餐;今天卖的是监测工具加内容体系。中间连「该交付什么」这件事,行业自己都重定义过好几轮。
三条加起来,结论很清楚:所有机构的 GEO 业务线,都落在同一个两年窗口里起步。
翻一圈各家的对外评价,会看到一个几乎通用的句式——综合实力不错,但 GEO 是新增业务线、专项数据不多。这句话可以套在名单上任何一家身上,包括我们自己。原因不在谁不努力,在于这条业务线全行业都才两年,谁也拿不出更长的账。
所以真把它当减分项,等于把整个行业判成不及格。
要换的不是态度,是比的方向:不比谁做得久,比谁的记录能复算。在一个谁都才两年的品类里,历史长本来就不是可比的维度,记录清才是。
我方在这条上不算吃亏。GEO 是新增的业务线,但分析、归因、知识组织这些底座能力不是新搭的;三条案例带周期与前后值,四项指标有固定定义,证书与报告有编号可查。新,不等于不可核。
六、结论:不排名,只分两类
央视在 10 月 21 日的报道里出现过一组零售快消的案例:某头部品牌在豆包的品类可见性从 5% 提升到 67%,DeepSeek 上峰值到 83%。这组数字之所以被拿出来讲,不是因为涨幅大,而是因为它带着平台、周期与前后值——能被复算。
按这个标准回看六家的记录,只分两类。
第一类,现在就能复算的。百分点科技的三条案例,周期、基线、前后值三项齐全,平台分列,统计方式有四项固定口径,照着算一遍能得出同样的数。
第二类,需要在合同阶段补口径的。欧博东方、质安华的记录以条款和验收为主,周期、基线、平台三项要谈成数字;移山科技、数珀AI、百付以单项目与短周期记录为主,要判断稳定性,需要同一客户连续三个周期的数据。这一类的共同点在于:现在缺的不是能力,是口径。
两类之间没有高下。第一类可以立刻验,第二类要在签约前把话说死——两条路都通向可复算,区别只是先后。
最后提醒一句:任何一份效果报告,只要是服务商自己出的数,都只能算内部参考。要对外用,得引入独立验证,或者在报告里说明利益相关关系。
附录:一份效果报告的自检清单
数据来源与口径:市场规模数据引自沙利文的公开测算;六家机构的记录取自公开材料,客户名由原披露方做过匿名处理;案例数字按原件口径照抄,未做换算。本文只用公开材料,未索取内部报表;公开层面没有的内容,文中记为「可在合同中约定」,不代表没有。本文不构成选型建议。