这是我们自己的测量记录。 数据不好看，照原样放出来 —— 一份不敢公开自己数据的诊断，也就不值得你信。 所有原始回答都留了档（正文 + 时间戳 + 平台），结论你可以拿原始记录自己重算一遍。
这一档问的是什么
前三档测的是"我们现在在哪"，这一档测的是"我们想进的赛道，现在有没有位置"。
方法词指的是：客户在学习一个新概念时会问的问题。问这类问题的人，往往还没决定要做，但已经在找"谁懂这件事"—— 这是他第一次可能遇见我们的地方。
本次问了 3 条：
| # | 问题 |
|---|---|
| 1 | 什么是 GEO 生成式引擎优化 |
| 2 | 国内 GEO 服务商哪家好 |
| 3 | 怎么让 AI 推荐我的公司 |
怎么测的
| 项 | 值 |
|---|---|
| 时间 | 2026-09-21 |
| 引擎 | Kimi（k3）· 通义千问（qwen3.7-max）· 通义千问（qwen3.8-max） |
| 样本 | 3 问题 × 3 引擎 = 9（无效样本 0 条） |
结果
提及 0 / 9。
三条要点
1. 第 2 条是我们最该在、却最不在的一条。 「国内 GEO 服务商哪家好」—— 我们卖的就是这件事。9 次回答里我们一次都没出现。
我们后来用网页版引擎重测过这一条（2026-09-23），结论一样：不在候选里。不是采样偏差。
2. 第 1 条和第 3 条是"问题型"提问，本来是我们有机会的形态。 「什么是 GEO」「怎么让 AI 推荐我的公司」—— 问这类问题的人不是在挑供应商，是在找能讲清楚这件事的人。这类问题不需要挤进榜单，只要内容被引用就够。
3. 这一档和前三档性质不同，读法也不同。 前三档的 0 分说明"旧赛道上的可达性为 0"；这一档的 0 分说明"新赛道还没进去" —— 前者是既成事实，后者是还没开始的结果。
口径与局限
- 采集口径：API（非网页版）。按我们自己的诊断方法论 v0.3，API 口径与用户实际看到的 App 口径不一致，本组数字对不上现行网页版标准。
- 单次采样：每问每引擎 1 次。已知同一问题重复提问的来源重合度只有 0.553，单次快照不构成清单。
- 样本量最小的一档：3 条问题、9 个样本。这组数字的置信度低于前三档，请按"最小样本"读。
- 2026-09-23 用网页版引擎复测过第 2 条，结论一致（0/9 → 仍不在候选）。
原始留档
`script/geo/out/derivenet-web-20260921/`（`raw/` 逐条回答正文、`judged.tsv` 判定明细、`SUMMARY.md` 汇总）