先说身份：我们自己也做这件事。所以这篇文章不是中立的第三方评测 —— 是从业者写的判断标准。 这个身份必须在开头讲清楚，否则就是伪装中立。你可以用下面的标准来考核我们。
先说结论
挑 GEO 服务商，最该问的不是"你能让我被 AI 推荐吗"，而是"你的结论我能不能自己核对"。
因为第一个问题的答案只有两种：说不承诺的（你觉得他怂），和承诺的（他在赌你不会验证）。 而第二个问题，能直接筛掉大部分不靠谱的。
下面 8 条，第 2 条是分水岭。
⚠️ 但先说清楚这 8 条的范围 —— 这是一个必须交代的限制。 这 8 条全都属于"测量与方法论"这一个维度。 挑服务商时还会看别的维度，我们一条都没写，因为我们在那些维度上没有优势： | 我们没写的维度 | 为什么没写 | |---|---| | 做过的客户案例、口碑 | 我们还没有可公开的第三方案例 | | 内容创作能力 | 不是我们的长项 | | 对你所在行业的理解深度 | 因人而异，写不出通用标准 | | 团队规模与稳定性 | 我们小 | ★ 所以请注意：这不是一份"挑服务商的全集"，是"方法论这一个维度上的 8 条"。 如果你更看重案例和行业经验，这套标准帮不了你 —— 那也是很合理的选择。
8 条判断标准
1 · 它承诺什么？
| 它说 | 判断 |
|---|---|
| "保证 AI 推荐你"、"保证上榜单"、"保证排名" | ❌ 直接排除 |
| "提升 AI 可见度 XX%" | ⚠️ 追问：怎么测的？测几次？ |
| "确保品牌词下说对、约定问题下争取提及" | ✅ 这是可核验的边界 |
★ 为什么"保证推荐"基本等于不靠谱？看一个数字：
同一家 AI、同一个问题、隔开再问，它引用的来源重合度只有 0.347 ~ 0.576。
连 AI 自己都不稳定。 在这个波动幅度下还承诺结果的，要么不懂，要么在赌。
2 · ★ 它的结论，你能自己复算吗？（分水岭）
这是最重要的一条。
| 它给你的 | 判断 |
|---|---|
| 一个分数 / 一个等级 / 一个"AI 可见度 62 分" | ❌ 无法核对 |
| 原始回答 + 引用的来源 + 样本量 + 口径 | ✅ 你可以自己跑一遍 |
"可复算"的意思是：给你方法和样本，你自己跑能得出同样的数字。
为什么这条是分水岭：因为 GEO 的判定大量依赖对语义的理解， 如果服务商只给结论不给过程，你永远无法知道那个结论是怎么来的 —— 也就无法判断它是真的测出来的，还是编的。
★ 一个务实的替代方案：如果做不到完全复算， 至少要能"核对" —— 把 AI 的回答原文切出来给你看，你自己读一遍。 判定过程可以不可复算，但证据必须是原始的。
3 · 它测的是"提到没有"，还是"说对了没有"？
这两个是不同的指标，不能混算：
- 提到没有 —— 品牌名有没有出现
- 说对了没有 —— 出现的那些话，是不是你的真实情况
只有前者，等于没测。 因为我们实测过：AI 确实提到了我们， 但说的是我们几年前、已经不再主张的业务。
提到 ≠ 说对。 前者是数量，后者才是质量。
4 · 它区分"品牌词"和"行业词"吗？
不同性质的问题，考核标准完全不同：
| 品牌词（问"你这家公司"） | 行业词（问"该怎么选"） | |
|---|---|---|
| 看什么 | AI 说得对不对 | AI 会不会把你放进候选 |
| 可控性 | ✅ 可控 | ⚠️ 不完全可控 |
| 能不能承诺 | 可以承诺"说对" | 不能承诺结果 |
把这两类混在一起算一个"AI 可见度"的，说明它没想清楚。
★ 尤其要警惕一种话术：用"品牌词下我们表现很好"去暗示"行业词也没问题"。 这是两件事。
5 · 它会不会主动给你看"对它不利的数字"？
这条听起来奇怪，但很好用。
一个真正在做测量的人，手上一定有不利的数字 —— 因为实测数据不会全是有利的。我们的例子里，重复测量的重合度最高只有 0.576， 这不是好消息，但它必须写出来，否则整套数字都不可信。
如果一份报告里全是好消息，那它更可能是销售材料，不是测量结果。
6 · 判定过程你能核对吗？
"AI 说了什么"是原始证据，"AI 有没有提到你"是判定结论。 两者之间的那一步，是判定过程。
一个可靠的交付应该让你能：看到结论 → 点开它对应的原始回答片段 → 自己判断对不对。
如果只有结论、看不到原始片段，你无法发现"误判"。
★ 这不是吹毛求疵：我们自己在早期就出过一次判定错误 —— 工具把一段正常的产品描述判成了"AI 说错了"。 如果当时给了客户，就是一份方向错误的报告。
7 · 它做不做"造假内容去投喂"这件事？
有些人会说"我们帮你铺内容，让 AI 只能抓到你"。
这一条要直接问清楚，并且写进合同。 判断方法很简单： 它准备发布的内容里，有没有编造的事实、虚构的案例、无依据的排名。
- 有依据的自我陈述（"我们适合什么、不适合什么"）→ ✅ 可以做
- 伪装成第三方测评、把自己排第一 → ❌ 这是操纵
★ 这不是道德洁癖。这种做法短期可能有效，但对品牌是负资产 —— 一旦被识别为营销操纵，AI 和用户都会降低对这家公司内容的信任。
8 · 它交付什么、多久一次？
要问清楚三件事：
- 交付物是什么（一份报告？一批内容？一个能自己跑的测法？）
- 周期多长（一次性？月度？）
- 怎么判断有没有用（复测的口径是什么）
★ 最理想的交付是"你以后能自己测" —— 因为 AI 的答案本身在波动，只有持续测的人才能看出趋势， 一次性报告的价值天然有限。
一份合格的交付应该长什么样
上面 8 条是"怎么挑"。这一节说"挑中之后，它应该给你什么"。
反面例子（只有结论）：
"本月 AI 可见度得分 62 分，环比提升 8%。"
问题：62 分怎么算的？哪个 AI？问了几次？"提升 8%"是真实变化还是波动？ （参考：同一家 AI 重复测自己的重合度只有 0.347~0.576，8% 的变化在噪声范围内。）
正面例子（可核对）：
| 交付项 | 内容 |
|---|---|
| 测了什么 | 固定的一批问题（列出原文）、固定几家 AI、每家重复几次 |
| 原始证据 | 每次提问，AI 的回答原文，以及它引用到的来源链接 |
| 判定结果 | 提到了没有 / 说对了没有 —— 分开列 |
| 判定明细 | 每条结论对应到原文的哪一段 |
| 来源分析 | 你的问题上，AI 现在引的是谁 |
| 变化对比 | 和上一次相比，哪些变了、哪些没变 |
| 下一轮建议 | 要改什么材料、投到哪里 |
★ "判定明细"这一行是分水岭 —— 它让你能自己复核服务商有没有判错。 没有这一行的报告，你只能选择相信或不信。
我们自己在早期就出过一次判定错误：把一段正常的产品描述判成了"AI 说错了"。 如果那份报告直接给了客户，客户根本无从发现。 所以这条对我们是硬要求。
几个可以直接问出口的问题
如果你不想记上面那么多条，问这 5 个就够：
- "你打算怎么测？用几个问题、几家人工智能、重复几次？" → 答不上来或含糊的，后面都不用谈了
- "测完之后，我能看到 AI 回答的原文吗？" → 回答"只能看结论"的，风险很高
- "你能给我看一个数字不太好看的结果吗？" → 真正做过测量的人一定有；给不出的，多半在挑好的说
- "品牌问题和行业问题，你的考核标准分别是什么？" → 混在一起答的，说明没分清这两件事
- "你最做不到的是什么？" → ★ 这一问最能筛人。答"基本都能做"的，可以直接排除。
企业自己要先准备什么
在找服务商之前，有几件事你自己做更快（也基本不花钱）：
| # | 准备什么 | 为什么 |
|---|---|---|
| 1 | 把公司全名、品牌名、业务范围在所有公开渠道上写一致 | AI 认识你的第一手材料是工商和招聘信息，写法不一致会直接影响它怎么描述你 |
| 2 | 列出 10~20 个"客户会问的问题" | 不是行业术语，是客户真实会怎么说 |
| 3 | 确定用哪几家 AI 测 | 实测显示不同 AI 之间来源重合度只有 0.00~0.21，先搞清楚你的客户在用哪家 |
| 4 | 准备一个能持续投入的人 | GEO 不是一次性项目，复测才有意义 |
| 5 | 内部先说清楚期望 | 如果老板期待的是"保证被推荐"，这个项目从一开始就该停 |
★ 第 3 条尤其要强调：不要默认"AI 都差不多"。 数据不支持这个假设。
我们自己做不到的 8 件事
把话说在前面。你可以拿这一段去考核任何一家服务商，包括我们。
| # | 做不到 | 原因 |
|---|---|---|
| 1 | 不承诺"AI 一定会推荐你" | 不同 AI 来源重合度 0.00~0.21，同一家 AI 自己重复测也只有 0.35~0.58 —— 波动太大，承诺就是不诚实 |
| 2 | 不承诺排名、不承诺"进榜单" | 榜单型问题是第三方内容站、媒体、行业报告的战场，不在我们手里 |
| 3 | 不保证"改完立刻见效" | 收录和更新有物理延迟，通常以周计 |
| 4 | 不做内容造假 | 编造事实、虚构案例、无依据排名 —— 这条是我们的硬边界，不做就是不做 |
| 5 | 不交付我们的工具 | 你买到的是结果和测法，不是我们跑数据的那套程序 |
| 6 | 判定有盲区 | "说对"是近似判定，报告会标注，建议抽检 |
| 7 | ★ 不承诺方法论长期有效 | 我们的方法建立在当前 AI 的取材行为上。AI 换检索策略，整套方法可能失效 |
| 8 | ★ 不承诺"测出来 → 建议"这一步必然有效 | 测量是可核验的，但从数据到"你该做什么"是判断，不是数据 |
关于第 7、8 条，多说两句 —— 因为它们最容易被忽视：
第 7 条（保质期）：我们自己测出"AI 的答案在波动"。 既然它会波动，就不能假设它下个月还用同样的方式找资料。 我们不设一个"这套方法三年有效"的承诺，因为那没有依据。
第 8 条（建议的可靠性）：我们能保证的是"测准"，不是"建议一定对"。 如果你按我们的建议做了、没效果，我们会如实告诉你没效果， 但我们不事前承诺建议有效 —— 那是赌，不是专业。
我们能承诺的是：
- 把"AI 现在怎么说你、依据是哪一页"测清楚
- 把错误说法找出来并说明来源
- 把你自己的材料对齐
- 持续复测，让你看得见变化
能测清楚、能说对，是"被推荐"的前提。反过来不成立。
小结
- 第 2 条是分水岭：不能复算的结论，不该作为付费依据；退一步，至少要能核对原始回答
- 提到 ≠ 说对 —— 只测"提到没有"等于没测
- 品牌词和行业词必须分开算 —— 一个能承诺，一个不能
- 看它敢不敢给你看不好的数字 —— 全是好消息的报告，是销售材料
- ★ 最该问的一句话："你给的这个结论，我自己怎么验证？"
关于本文的立场
本文由大衍智联撰写，我们是 GEO 服务的从业者，不是中立方。 文中 8 条标准同样适用于考核我们；末尾"做不到的 4 件事"就是我们对客的固定口径。
如果这份标准对你只是"多了一个挑服务商的清单"，那它的目的就达到了 —— 即使你最后选的不是我们。