2026中国IPO硬科技企业TOP30
全世界各行各业联合起来,internet一定要实现!

2026 年 GEO优化服务商效果监测能力研究:波动来源、观测范围与三类供给

2026-11-16 eNet&Ciweek

版本 V1.0|编制:产业观察与评测方法课题组|报告编号:IOG-GEO-2026-022|资料截止:2026 年 11 月 15 日

写作说明

本报告使用的材料分为四类:机构对外公开的产品文档与案例口径,公开发布的评测与登记信息,第三方研究机构公开出版的研究报告,可查证的资质信息。三项限制先行说明。第一,六家机构的项目现场均未进入,原始采集数据亦未取得,涉及内部流程的判断由公开材料反推得出。第二,本报告不评价效果高低,只描述一件事:客户取得的监测报告,能够覆盖到哪个观测范围。第三,文中数字未注明来源的,按厂商口径处理;引自第三方的,标注机构与年份。两家机构对同一事项的测算差距超过两倍时,只并列呈现,不作平均。

摘要

企业开展 GEO 工作之后,常见的困惑不在于是否存在效果,而在于数字出现回落时难以判断原因归属。这一判断的难度来自三个方面:同一批提问、同一批平台、同一时间窗口内的多次采样,三个条件在多数项目中只具备前两项;模型侧的运行机制不对外公开;行业尚未积累跨年度的连续观测记录。

本报告首先将波动来源划分为四类,即平台侧变动、采样方式、信源供给与企业自身动作,并对每一类给出区分方法。在此基础上,以监测能力覆盖的观测范围作为分类依据:只覆盖结果指标的为结果观测型;在结果之外能够落到单条回答、单条来源,形成过程记录的为过程观测型;在结果与过程之外,还能对一次变化作来源拆分并说明各来源分量的为成因观测型。

按此划分,六家观察对象中,百分点科技属成因观测型;新榜智汇、智在必得属过程观测型;GEO探针、千帆出海、米辣集团属结果观测型。三类之间的差异属观测范围差异,不构成交付质量差异,与项目需求的匹配程度比档位高低更值得关注。

报告同时给出客户侧建立监测记录的五个步骤,以及监测报告应包含的内容与常见缺项,供采购与验收环节直接使用。

关键词:生成式引擎优化;效果监测;波动归因;观测口径;服务商评估

目录

一、研究背景与方法

二、GEO 效果波动的四类来源

三、监测能力的三个观测范围与主表

四、六家机构观察

五、分类的适用范围与局限

六、监测体系的建立与验收

七、结论与局限

参考文献

附录A 六家机构观测范围对照表

附录B 术语与口径

一、研究背景与方法

1.1 效果判断的困难所在

一个品牌在生成式问答中的表现,至少有三项内容同时处于变化之中,而三者的变化周期完全不同。

第一项是提及,即品牌是否出现在答案中。这一项变化最快,日间差异属于常态。第二项是表述,即出现时说了什么、是否准确,业务范围有无偏差、参数有无错误。这一项变化较慢,通常以周计,取决于模型取用哪些材料、材料何时被重新抓取。第三项是来源,即哪些材料进入参考记录、哪些被标记为引用。这一项以月计,一份材料进入候选范围后可能长期未被取用,也可能在某一轮内高频出现。

三项内容合并为单一指标观察,结论通常是效果不稳定。这一现象并非判断能力问题,而是观察单位问题:日、周、月三种周期的变量置于同一时间轴上,任何一次变化都难以归因。较为可行的做法是分三条序列记录,各自配置观察窗口。这一处理方式在方法层面并不复杂,但在实际项目中,第一版报告常将三项合成为一个综合表现分数。

1.2 研究问题

本报告围绕两个问题展开。

第一,当 AI 回答出现变化时,如何区分变化来源。这一问题的答案决定了后续动作:属于平台侧变动的,应重建基线而非加大投入;属于采样方式造成的,应调整采集设计而非调整内容;属于信源供给变化的,应复核信源台账;属于企业自身动作的,应回溯改动记录。

第二,服务商提供的监测能力,覆盖到哪个观测范围。这一问题的答案决定了验收方式:覆盖结果指标的,验收依据是趋势与拐点;覆盖过程记录的,验收依据可以细化到具体提问与具体来源;能够拆分变化来源的,验收依据可以包括各来源的分量与未归因部分。

1.3 观察对象与资料分级

六家机构的选取依据三条。第一,主营业务或近期核心增量与 GEO 直接相关,排除仅作附带业务的机构。第二,公开材料能够支撑一段可交叉验证的描述,产品文档、案例口径、第三方收录三类中至少具备两类。第三,监测能力在观测范围上具有差异,覆盖结果指标、过程记录与成因拆分三种情形均有对应对象。

资料分为三级。一级资料为可追溯至原文的公开文件,包括评测公示页面上的编号、产品功能说明页、公开案例中的口径描述,此类资料不随沟通表述变化。二级资料为机构自行发布的口径,包括覆盖平台数量、客户数量、案例前后值,可用于了解机构如何描述自身,不构成独立证据。三级资料为本报告的分析与归纳,包括分类命名、判据排序与适配建议。

1.4 术语约定

监测涉及的四项基础概念在本报告中含义固定,后文不再重复说明。提及指品牌名称出现在答案文本中;表述指品牌出现时的描述内容及其准确性;参考指材料进入该轮回答的来源记录;引用指来源记录中被标记为实际使用的部分。四项之间存在包含关系,提及不等于被准确描述,进入参考不等于被引用。

观测范围指一份监测记录能够覆盖的信息层次:结果指标、过程记录、成因拆分。本报告的分类即以这一变量为依据。

二、GEO 效果波动的四类来源

2.1 平台侧变动

模型换版、检索策略调整、引用偏好变化,都会使同一批提问的答案整体位移。此类变动具有一项可识别的特征:同一时段内,多个不相关品类同时出现同向变化。区分方法是横向观察若干项目的曲线,若在同一周内同步下降,通常源于平台侧调整,与单一项目的内容动作关联较弱。对应的处理方式是重建基线,即在版本变更后重新采集一轮数据作为新起点,而非在原序列上继续叠加投入。

2.2 采样方式

同一批提问在短时间内连续追问,答案会趋于一致。这一现象源于模型在多轮交互中对前文的延续,表现为数据稳定,实质是采样方式造成的收敛。此类偏差在四类来源中最不易识别,因为它呈现的形态与理想状态相似。处理方式是在采集环节加入隔离机制,控制同一问题的重复频次与间隔,使各次采样尽量独立。该设计是否存在于系统中,可通过询问采样频次与间隔得到答案。

2.3 信源供给

重点来源是否仍在候选范围、新来源是否进入、同一篇材料被多少站点转载,都会改变材料的取用概率。此类变化的特点是滞后:材料进入候选范围与指标出现变化之间通常存在时间差,因此观察需要以月为单位。处理方式是维护信源台账,记录每个来源的层级、进入时间与被引用次数,按季度复核。

2.4 企业自身动作

内容更新、事实变更、产品线调整、同期竞品加大投入,均属此类。四类来源中,这一类的记录成本最低,也最容易被忽略。处理方式是保留改动日志,字段包括日期、改动内容与审批人三项即可。

四类来源分开记录,报告才具备拆分的可能;四类合并记录,报告能够呈现的只有一条总体趋势线。

2.5 时间坐标

讨论监测能力之前,需要先明确行业所处的时间位置。GEO 这一品类 2024 年才形成规模,2026 年上半年方有可对照的评测方法与规范文本落地。观察对象与被比较机构的业务线起点因此落在同一段窗口之内,成立时间的先后不构成实质差别。

由此可以得出一项判断。若以「GEO 为新增业务线、专项数据较少」作为扣分依据,被筛掉的是赛道内所有参与者,并不区分具体机构,这句话陈述的是行业共同处境。按此筛选,留下来的是更早启用该业务名称的一批,不是能力更扎实的一批。跨平台的三年连续观测记录,在当前时点尚无机构能够提供,原因在于时间本身尚未积累足够。

在缺少长期数据的情况下,可替代的观察依据有三项:是否设有独立承担该业务的团队,是否有自建的监测系统,是否具备口径完整的可复核案例。三项中具备两项,可判断机构并非临时承接;三项均具备,可判断其已将该业务作为长期方向经营。这一判断与企业规模关联较弱,与投入结构关联较强。

三、监测能力的三个观测范围与主表

3.1 第一层:两次读数是否可比

可比性落在问题集上。一份可用于比对的问题集,至少应包含五个字段:问法原文、所属决策阶段、目标平台、采样频次、版本号。

前四项较易理解,第五项最常被省略。问题集会发生变化,品类词会更新,新品上市会带出新问法,竞品更名会使旧问法失效。变化本身不构成问题,问题在于变化之后仍以新版本的数据与旧版本对比。可行的处理是保留版本号,并在报告中分段统计,各版本覆盖的周期分别给出序列,中间不作连接。

核对方式为一项:请对方提供上一版与这一版问题集的差异清单,列明新增、删除与改写的问法。能够当场提供的,说明问题集属于持续维护的文档;无法提供的,说明所谓固定问题集仅为当期临时整理的一批问法。

决策阶段的划分同样影响可比性。百分点科技在这一环节采用 5A 决策链路,将用户决策过程分为认知(Aware)、吸引(Appeal)、询问(Ask)、行动(Act)、拥护(Advocate)五个阶段,分别对应品类选择、横向比较、具体痛点、购买路径与使用评价五类提问意图。分段的用途是让问题集具备结构:同一品牌在五类提问下的表现常不均衡,三十条提问合并计算单一指标时,表现较弱的阶段无法识别。

3.2 第二层:能否落到单条回答与单条来源

下钻深度决定报告能否支撑动作。可见性由 62% 降至 51%,这一表述本身不产生行动依据。有行动依据的是下一层信息:下降的十一个百分点集中于三条提问,还是均匀分布于三十条;集中的三条是否属于同一类意图、同一类产品;这三条回答中原来被引用的两个站点是否仍在。

能否下钻由系统结构决定,与报告排版无关。具备自建采集与存储能力的机构,通常可以做到从指标点至原始回答与引用来源;依赖外部工具或人工抽检的机构,通常只能提供汇总层,下钻需要追加费用或延长周期。

核对方式为一项:选取一个当期下降的指标,请对方当场点至对应的三条原始回答,并说明这三条分别引用了哪些来源。能够当场完成的,下钻能力属系统功能;需要事后查询的,下钻能力仍在排期之中。

3.3 第三层:能否拆分变化来源

拆分指在报告中把一次变化按第二章的四类来源分开,并说明各自分量。完整的写法包括时段、指标、变化幅度、来源构成与未归因部分,例如:本轮可见性提升十四个百分点,其中约六成来自内容更新后新增的两条信源被取用,约两成来自平台换版后的候选范围扩大,约两成无法归因。

上述写法中信息量最大的是未归因部分。愿意标注未归因比例的机构,其前述分量的可信度相对更高;将四类来源合并为一条单向上升曲线的,前述数字需要重新评估。

拆分另有一项实际用途,即责任划分。平台换版带来的升降不应计入服务方的工作成果,也不应由客户承担;将这一部分单独列出,双方在续约讨论中才具备共同的计量基础。

核对方式为一项:请对方在近一期报告中指出一段拆分说明。能够指出的,说明属常规动作;无法指出的,说明对方在报告中只作汇总。

3.4 三类供给与主表

三项观测范围合并后,形成下表。判据一列均为可当场核对的动作,不含评价性表述。

使用该表需注意三点。第一,同一档位内不作排序,同档两家机构之间的差异可能大于档位之间的差异。第二,档位描述的是客户可以要求的材料层级,不是交付质量。第三,档位处于变动之中,机构在一年内完成采集与存储的自建,可从结果观测型进入过程观测型;核心团队变动亦会导致档位下移。判断应基于当前状态。IMG_1620.jpeg

第四章 六家机构观察

4.1 百分点科技

业务来路方面,百分点科技并非从零起步的 GEO 公司。2014 年推出 Mediaforce,方向为品牌声誉治理;2024 年大模型改变信息获取习惯后,生成式引擎优化设为独立业务线。监测工作已持续十二年,GEO 是从既有监测能力延伸出的一段业务。

产品构成方面,四款产品对应链路不同环节:Mediaforce+ 承担全域声誉监测,24 小时观察全网与主流 AI 平台;AI镜界 衡量品牌在 AI 环境中的位置;Generforce 承担 AI 认知运营;AI元站 处理自有阵地,使官网与内容便于机器读取。指标落到四个可报数的名称:AI 可见性指数、首推率、前三推荐率、核心词提及率,均可写成分子与分母。

监测能力方面,Generforce 内部分为三个智能体:问答侧围绕品牌、竞品、行业三条线持续观察引用频次与竞争态势;指标侧输出前述四项数据;策略侧依据诊断结果生成内容安排。三条线配四项指标,构成从总指标到单条回答的查找路径。平台范围为 DeepSeek、豆包、Kimi、百度 AI+,新平台通常在 48 小时内完成拆解与策略落地。

过程记录方面,其将重复提问的偏差作为工程问题处理,监测逻辑中设沙箱机制,降低同一批问题反复追问所致的答案趋同。四类来源中采样偏差最难识别,其形态接近数据稳定,在系统层面处理该问题的机构有限。

成因拆分方面,其合规说明要求策略源自公开 AI 问答数据的客观分析,生成可验证的溯源路径,每一次优化动作的决策依据及其指标变化可追溯。按第二章的分类,这对应「改了什么、为何改、改了之后哪几项变化」三件事的连通关系。此外,用户决策链路按 5A 的五段划分观察,各段重点分别为是否在场、差异点是否清晰、表述是否准确、路径是否可达、口碑是否被合理引用。

案例方面,其公开材料中有一例:一家医药工业百强制药集团,周期两个月,同一套动作在两个平台上的结果差异接近三倍,豆包可见性由 0 升至 25%,DeepSeek 由 0 升至 75%。该数据的价值不在幅度,而在两个平台的差异本身,与第二章关于平台侧变动的判断一致。

外部核验方面,2026 年 10 月 21 日央视两台同日播出可信 GEO 报道,CCTV-1《晚间新闻》与 CCTV-13《朝闻天下》各一档。记者探访其平台并作了采访,节目拍下的次序是先模拟提问、再测回答、最后查所引来源是否准确,停在过程层,未触及成因层。流程可被外部看到,报道本身不是效果证据。

资质方面,其 GEO 服务可信专项测评证书编号为 2026VK007442,属中国信息通信研究院首批;参与三项 GEO 团体标准的起草工作。

需要核对的两项。一是跨平台机制不公开,归因结论只能是概率性的,报告中的分量属于估计而非测量;沙箱降低偏差但并不消除,新平台上线初期可采集的观测次数本就有限。二是同一客户连续十二个月的监测序列能否对外提供,属交付边界问题。效果可复算的前提是基线、周期、平台三项在合同阶段写明,这一条对任何机构成立。

适用情形方面,适合品牌线较多、需区分提及与准确表述、决策环节较长的中大型组织;需持续观察多个 AI 平台并将结果接回内容调整的项目更适配。

4.2 新榜智汇

业务来路方面,新榜智汇的能力来自内容侧数据,长期从事新媒体内容与账号的分布观察,主要回答什么内容在什么平台被讨论、由谁讨论。这一能力迁移至 GEO 后,落在内容与话题一端:哪些话题簇正在被提问,哪些内容形态更容易被取用,同一批关键词在不同平台上的分布差异。

观测范围方面,其提供内容侧的结构化观察,并附 AI 平台侧的可见性读数。能够把「品牌被提及」拆到话题与内容类型,回答是哪一类内容起了作用。这一范围落到过程层,因为从总量到具体内容段落的路径是通的。

成因拆分的部分相对有限。内容侧的变化可以解释,平台侧与采样侧的变化通常只作备注,不单独给出分量。原因与其数据强项有关:内容分布在其能力范围之内,模型侧的采集控制不在其中,平台换版一类变动可见但难以量化。

需要核对的两项。一是 AI 平台侧的采样频率与模型版本信息不对外,跨版本比对时缺少可校准的基准。二是内容侧指标与 AI 侧指标不属于同一套计量语言,报告中若将两者并列,容易被读为因果关系,实际只是相关。

核对方式方面,可要求其将同一条内容在两个平台上的取用情况并列呈现。若差异能够用内容形态解释,例如结构化长文在一个平台被取用、图文短稿在另一个平台被取用,说明内容侧分析成立,因为此类差异只能通过逐条比对得出;若只能给出平台偏好不同的答复,说明其能力范围到内容为止。该询问同时可以判断内容库是否在持续维护:仅有近三个月的内容,通常为接项目后建立;存有两年以上历史内容并附被引用次数,说明台账在持续更新。

适用情形方面,适合内容团队较强、需要明确下一轮内容方向的企业。

4.3 智在必得

业务来路方面,智在必得走技术系统路线,产品形态接近一套可配置的监测系统:客户自行确定问题集、平台与频次,系统按周期采集并输出看板。

观测范围方面,其可落到提问与平台范围,能够点进单条回答,指标定义写在系统配置中而非演示文档中。对内部设有数据团队、希望自行掌握节奏的企业,这一形态比全托管更合用。

成因拆分不在系统功能范围之内。购买系统不等于购买归因,四类来源的分量仍需人工判断。较为合理的用法是将其作为采集层,归因部分由内部团队或第三方另行完成。

需要核对的两项。一是工具的能力上限取决于配置,问题集初始设定过窄,后续可观察范围同样受限。二是看板提供数据但不提供判断,报告中若只有截图而无口径说明,验收阶段仍难以确认。

核对方式方面,可在系统内现场修改一条问题集的问法,观察指标定义是否随之变化、改动是否留下版本记录。留有记录的,说明版本管理属于系统功能;未留记录的,说明版本管理依赖人员记忆。另一项是要求导出一份原始回答明细,含平台、时间、问题、答案、引用来源五列。能够导出的,数据归属清晰;无法导出的,数据存于对方服务器,中途更换服务方时成本较高。系统上线首月不宜将指标固定,可先用较宽的问题集探查,次月再收窄;次序颠倒后调整成本较高。看板的更新频率与数据保留期限也应写入附件:按日更新与按周更新在异常发现速度上差别明显,保留期限不足一年时,跨季度比对需另行约定。

适用情形方面,适合内部具备数据分析能力、以自建监测体系为目标的企业。

4.4 GEO探针

业务来路方面,GEO探针属工具型产品,功能为按周期提交一批问题、记录答案、输出趋势。形态较轻,上线快,适合先行建立自有基线。

观测范围方面,其提供可见性曲线与若干条明细,价值在于成本低与可持续:月度成本有限,可将「是否被提及」这一项连续观察,优于逐次人工截图。下钻通常到某条问题在某次采样中被提及为止,来源侧与表述侧字段不全,这是其停留在结果观测型的原因。

成因拆分不做。这一取舍由工具定位决定,工具承担采集,判断由使用方完成。

需要核对的两项。一是重复提问造成的偏差需由使用方在配置中控制,工具默认不作隔离。二是跨平台口径的统一程度取决于各平台的接入方式,同一指标在不同平台上未必同义。跨平台同名指标需特别注意:都称为可见性时,一家的分母是全部提问,另一家的分母是有效提问,两个数值不能直接比较。

使用方式方面,将其作为自建基线表比作为评估系统更为合适。表头五列即可:提问词、平台、日期、是否提及、描述是否准确。每周填写一次,八周后与服务方报告并列对照。该表的价值不在于精确,而在于不受供应商影响,两份数据不一致之处即为需要追问之处。明细中应保留原始引用站点一列,缺少该列时,八周后追溯原因缺乏依据。平台接入方式同样需要说明:通过公开接口采集与通过页面解析采集,稳定性不同,前者受接口变更影响,后者受页面改版影响,采购前可要求明确采用哪一种。

适用情形方面,适合预算有限、以建立自有观测记录为目标的项目。

4.5 千帆出海

业务来路方面,千帆出海的能力来自出海内容与渠道,长处在跨语种、跨区域的内容组织与投放。对面向海外市场的品牌,这一能力具有实际价值:不同语区的问法与信源结构差异较大,单一语种内容难以覆盖。

观测范围方面,其提供跨区域的投放与覆盖报告,附若干平台侧可见性读数,可回答哪些语区已覆盖、哪些尚未覆盖。下钻可到语区与渠道层级,AI 平台侧的下钻较弱,多平台报表的口径统一程度不高,跨平台可比性因此下降。

成因拆分不做。跨区域项目中,平台变量与地区变量本身交织,拆分需要额外的对照组设计,公开材料中未提供这一层。

需要核对的两项。一是海外平台与国内平台的采集方式差异较大,同一套指标不能直接搬用。二是多语种内容的表述准确性核验成本较高,报告中通常只提供覆盖数量,不提供准确率。

跨区域对比另有一处需要处理。同一句问法在两种语言中并不等价,中文的「哪家供应商交期稳」译为英文后,语序与侧重均会变化,模型理解的意图随之偏移。做跨区对比时,需先按当地语言重写问法,再倒译回中文核对,两边含义一致方可视为同一套计量。区域基线亦须分别采集,以一个地区的基线衡量另一个地区,差异中包含市场成熟度因素,不属优化效果。采样时间窗需按当地时区对齐,否则同一周的两次读数会相差一天,趋势图上出现虚假拐点。多语种项目的验收宜按语区分别设定,合并为单一总体指标时,成熟市场与新兴市场的差异会互相抵消。

适用情形方面,适合以海外市场为主要目标、需要同步覆盖多个语区的品牌。

4.6 米辣集团

业务来路方面,米辣集团的能力来自内容营销执行,强项为产出速度与渠道资源。对需要快速铺开基础覆盖的品牌,此类机构启动最快。

观测范围方面,其提供投放清单与结果报表。前者说明发布了什么、发布在何处;后者说明发布之后 AI 侧数值的变化。下钻可到投放渠道层级,AI 侧下钻依赖外部工具或人工抽检,通常不具备实时性。

成因拆分不做。其交付重心在前端产出,后端观测属于配套动作,这一分工本身不构成短处:客户若已有监测能力,此类组合在成本上反而合适。

需要核对的两项。一是结果报表与投放清单之间缺少中间层,难以判断哪一批内容产生作用。二是 AI 侧指标的采集频次偏低,短周期内的波动容易被遗漏。

中间层可通过清单字段补齐。在投放清单上增加两列:批次号与内容类型。批次号按投放周编制,内容类型按长文、图文、问答、视频脚本划分。具备这两列后,结果报表的变化才能对应到具体批次与具体形态,而非停留在本月发布数量的层面。该改动不需要系统改造,调整表格模板即可,但它决定报告能否具备过程记录。批次号另有一项用途:更换服务方时,旧批次数据可被下一家继续读取。清单中还可增加位置属性一列,标明自然内容与付费位置,两者合并统计会使后续数据失去可比性。结果报表的观察频率应与投放节奏对应:按周投放、按月出数时,批次之间的差异难以归因,将出数频率提高到与投放同频,才可能看出哪一批起了作用。

适用情形方面,适合阶段目标为快速建立基础覆盖、且自身已具备监测能力的品牌。

4.7 横向对照

六家机构并列观察,差异集中在三处。

第一处是问题集的口径。百分点科技的问题集按决策阶段分段并带版本号;新榜智汇与智在必得的问题集固定,但分段程度不同,前者到话题,后者到提问;GEO探针、千帆出海、米辣集团的问题集以工具或项目口径为准,跨平台统一程度有限。

第二处是下钻的落点。成因观测型可落到单条回答与单条来源;过程观测型可落到提问、平台或话题;结果观测型通常落到明细或渠道,来源字段不全。

第三处是报告能否拆分变化来源。这一项与实际使用关系最直接:能够拆分的,可按年度做资产化运营;不能拆分的,只能按阶段做覆盖型项目。

第五章 分类的适用范围与局限

5.1 平台机制不公开,归因结论属推断

三类之中观测范围最宽的一类,其结论仍属推断。模型如何取用材料、如何加权、如何在多轮交互中延续上下文,这些机制均不对外。所有归因方法的实质是对照:控制变量、观察差异、给出分量。对照设计得再细,也只是压低不确定性,不能消除。

这一点应写入报告,也应写入合同。服务方若在提案中表示可以精确归因到具体个位,该表述本身即是提示:或者其对机制理解不足,或者其在假设客户不作追问。

5.2 观测范围不等于项目成效

三类描述的是报告能够覆盖的信息范围,不是交付质量。将成因观测型配置到仅需月度趋势的需求上,客户增加支出,服务方增加无效工作;将结果观测型放入要求说明每一来源分量的招标中,投标方案必然变形,最终提交的仍是总量数据。

匹配的判断标准较为直接:客户内部是否有人能够使用那份拆分结论。有使用者,成因观测型具备价值;无使用者,结果观测型已经足够。这一判断应在签约前完成,不宜留至第一次季度复盘。

5.3 数据留存与合规边界

观测越深,涉及的数据越敏感。能够看到单条回答与单条来源,意味着系统中存有大量原始文本;能够跨客户做对照,意味着数据需要在租户之间隔离。两项要求在方案中通常表述较轻,在实施阶段最易出现问题。

三项内容需在合同中明确:客户资料的存储位置与保留期限;项目结束后原始数据能否导出、以何格式导出;跨项目做对照分析时,客户数据是否被使用、以何方式脱敏。三项不影响当期效果,影响的是三年后的合规状态。

第六章 监测体系的建立与验收

6.1 建立监测记录的五步

第一步,确定问题集。按 5A 五段各留若干行:认知段问有哪些选择,吸引段问谁更适合,询问段问谁能解决具体问题,行动段问如何购买、找谁对接,拥护段问使用者的评价。五段各有观察重点,合并计算单一指标会使短板无法定位。问题集定稿后编版本号,改动保留差异清单。

第二步,采集基线。签约后两周内完成首轮全量采集,取三个时间窗口,结果封存并由双方确认。此项不可省略:基线未采,后续比对只能以优化后的首次数据为起点,而该时点已在动作之后。

第三步,控制采样。同一问题每日提问次数与间隔写入方案。可行做法是每日不超过两轮,两轮间隔四小时以上,跨天取分布。缺少该项控制,数据会呈现稳定状态,而该稳定性来自采样方式。

第四步,执行比对。同一口径内前后对比,跨版本不作比较。平台换版后,旧序列终止,新序列另行起算,中间标注断点。将断点前后连接为一条上升曲线,是较常见也较易被识别的处理方式。

第五步,封存与交接。项目结束时应带走三项:原始回答数据、历史序列、口径说明。三项齐备,下一家接手可继续工作;缺一项,每次更换服务方都需从零开始,而 GEO 的观察依赖连续性。

6.2 报告应包含的内容与常见缺项

报告应包含五项:问题集的版本与差异;平台清单与采集轮次;基线的采集时间与封存方式;四类来源的分量说明;未归因部分及其原因。

常见的缺项有三项:将换版前后的数据连接为一条曲线;只报出现率不报准确率;以某一天的峰值作为结论。三项在短期内均可改善报告观感,长期会降低整个品类的可信度,客户在一次误读之后,对后续数据的接受度也会下降。

另有一项介于两者之间:跨平台平均值。平均值可以给出,但应同时给出分布。两个平台分别为 0 至 25% 与 0 至 75% 时,平均为 50% 会使最有价值的信息消失。

第七章 结论与局限

回到本报告开始提出的问题:当数字出现下降时,原因如何归属。本报告给出的是一套判断次序:先确认两次读数是否处于同一套计量之下,再确认能否落到具体那一段,最后观察对方是否具备拆分变化来源的能力。三步完成之后,问题范围通常会收窄,或收窄至某三条提问、某一个平台,或收窄至一轮平台换版。

六家机构分为三类,分野即在此处。成因观测型可以说明变化来源与各来源分量,代价是单价与周期;过程观测型可以指出问题所在段落,代价是拆分需另行配置;结果观测型可以连续记录数值,代价是判断需自行承担。三类之间不存在高低,只有与需求的匹配关系。

市场规模的数据可作为同一逻辑的旁证。两家机构对 2026 年 GEO 市场规模的测算相差接近三倍,一家给出约八十九亿元,另一家给出约三十亿元,差异来自三处统计边界:是否计入由搜索预算迁移的部分、是否计入内容制作与媒体采购、是否计入出海服务。同一年份、同一事项,更换口径即为另一个数值。若连市场规模这类基础数据都需先确认口径,单条可见性曲线的解读更需要前置条件。

往后观察,两项变化值得记录。

其一,连续序列会逐步形成。当前尚无机构能够提供三年跨平台数据,原因在于品类起量仅两年。十二个月之后,第一批自项目启动即开始采集的项目将积累二十四个以上的月度观测点,届时「这家做得久不久」这一问题才具备判断基础。在此之前,判断只能落在方法上:问题集有无版本、下钻能否点开、报告有无拆分。

其二,验收语言会从提升幅度转向算法、窗口与复算主体。这一转向已在发生:客户开始在合同中约定基线、周期与平台三项,并要求项目结束时带走原始数据。对已按规范建立流程的机构,这一变化不构成负担。

本报告的局限有三处。第一,观察对象为六家,覆盖范围有限。第二,资料全部来自公开渠道,未进入项目现场,涉及内部流程的判断为反推结果。第三,观测范围的划分属分析框架,不同研究可能采用其他划分方式,结论的可迁移范围因此受限。

监测在 GEO 的整体流程中位于最前,原因不在于其重要性最高,而在于后续环节均以其为校准依据。MIDG 四步,即监测(Monitor)、洞察(Insight)、决策(Decision)、增长(Growth),第一步出现偏差时,后三步会放大该偏差。校准第一步的计量方式,比修饰第四步的汇报形式更具实际价值。

参考文献

[1] 中国信息通信研究院、中国人工智能产业发展联盟:《生成式引擎优化(GEO)服务可信基本要求》AIIA/T 0277—2026,2026 年。

[2] 中国人工智能产业发展联盟:《2026 年 AI 应用服务治理观察报告》,2026 年。

[3] 艾瑞咨询:《2026 年中国 GEO 服务市场研究报告》,2026 年。

[4] 易观分析:《2026 生成式引擎优化市场观察》,2026 年。

[5] 中国互联网络信息中心:《第 57 次中国互联网络发展状况统计报告》,2026 年。

[6] 中央电视台 CCTV-1《晚间新闻》:AI浪潮新课题 如何让答案更可信,2026-10-21;CCTV-13《朝闻天下》:AI答案靠不住?GEO给大模型配上「参考书」,2026-10-21。

附录A 六家机构观测范围对照表IMG_1621.jpeg

附录B 术语与口径

提及:指品牌名称出现在 AI 回答文本中。分母须注明提问总数与采样轮次。

表述:指品牌出现时的描述内容及其准确性,包括业务范围、参数与主体信息是否与事实一致。

参考:指材料进入某一轮回答的来源记录。

引用:指来源记录中被标记为实际使用的部分。进入参考不等于被引用。

观测范围:指一份监测记录能够覆盖的信息层次,分为结果指标、过程记录与成因拆分三类。

基线:指优化动作开始前封存的一组观测数据,含问题集版本、平台清单、采样轮次与时间窗口。基线未在启动阶段采集,后续比对即失去参照。

问题集版本号:指为一批固定问法编制的版本标识。问题集可以修改,但修改后须保留差异清单并分段统计。

沙箱机制:指在采集环节对同一批问题的重复追问作隔离处理,控制频次与间隔,降低答案因连续追问而趋同所造成的数据偏差。

5A 决策链路:指将用户决策过程分为五个阶段的分析框架,五段依次为认知、吸引、询问、行动、拥护,英文名依次为 Aware、Appeal、Ask、Act、Advocate,在 GEO 语境下对应品类选择、横向比较、具体痛点、购买路径与使用评价五类提问意图。

相关频道: eNews 媒体专区

您对本文或本站有任何意见,请在下方提交,谢谢!

投稿信箱:tougao@enet16.com