收到一份 GEO 月报，上面写着“品牌曝光提升”，还附了几张 AI 回答截图。你先别急着判断有效还是无效：要看它回答了什么问题、是否准确描述了你、有没有把你列为候选，以及来源链接是否真正指向你的网页。
这四件事需要分别记录。再把问题、产品模式和复测条件固定下来，报告里的变化才有可比较的基础。几张成功截图，不能代替完整记录。
本文讨论的是生成式引擎优化（GEO）。下面是一套 Archbloc 建议的检查方法，不是平台评分规则或行业统一验收标准，也不承诺某个引用比例。
一、先确认报告里的“出现”，到底是哪一种
最容易混淆的是：AI 写出了公司名字，就被当成“推荐了公司”；回答里有链接，就被当成“引用了我们的文章”。
可以把观察拆成四项：
| 观察项 | 应该检查什么 | 什么情况不能算 |
|---|---|---|
| 品牌被提及 | 回答正文明确说到你的这家公司 | 只有提问里写了品牌；说的是同名的另一家公司 |
| 描述准确 | 业务、服务对象、地区等信息与可核验事实相符 | 名字正确，业务或地址却说错；无法核实的信息强行判对 |
| 被推荐 | 在找供应商的问题中，回答把你列为适合考虑的候选 | 负面举例、明确排除；只在来源栏出现 |
| 页面被引用 | 回答的来源标记关联到你的真实网页，链接能核验 | 仅生成一个网址；链接指向别人的文章；网址打不开仍记为成功 |
它们不是四个必经阶段，也不能相互替代。AI 可能引用你的知识文章，却没有推荐你的服务；也可能推荐公司，但没有引用官网。
如果引用的是一篇提到你的第三方文章，可以另外记录“第三方来源提及”。它不属于官网页面引用；如果那篇文章本来就是你自己发布的，也不能因此称为独立背书。
二、把品牌题和客户问题分开测
“某某公司是做什么的？”和“我需要一家能解决这个问题的服务商，有哪些选择？”测试的任务不同。
前一句已经把名字交给了 AI，适合检查品牌识别和描述准确性。后一句没有指定品牌，才适合观察你是否进入候选名单。两类答案混在一起统计，会让结果难以解释。
再加一类信息问题，例如“企业如何判断 GEO 优化是否有效？”它可能只需要方法，不需要推荐供应商。回答没有列出你的公司，不等于这条测试失败。
开始前可以把问题分成三组：
- 品牌识别题：检查 AI 是否认识公司、描述是否准确。
- 服务选择题：模拟目标客户找服务商的实际任务，观察是否被推荐。
- 信息查询题：围绕你已有文章解决的问题，观察是否出现可核验的页面引用。
问题先写好，再开始采集。不要看到没出现公司，就临时加一句“也考虑一下我们”，然后把补问后的回答算进原来的结果。
三、复测前固定条件，留下完整回答
你不需要一开始就做复杂的监测系统。先选一个能正常使用的产品，用少量问题跑通流程，确认回答和来源都能保存。
每次至少记录产品名称、界面显示的模型或模式、联网状态、时间和问题原文。联网状态看不出来，就标“未知”，不要猜。
作为一次起步测试，可以让同一组问题跨两个自然日重复三轮。这个安排只是控制工作量的建议，不足以证明长期稳定，也不代表不同轮次是相互独立的用户样本。
为了减少人为挑选结果，建议：
- 每题新建会话，原样输入，不夹带上一题的提示。
- 保存首条完整回答，不反复生成直到出现品牌。
- 固定可控制的设置；模型、联网模式或个性化条件变了，单独记组。
- 保存完整文本、截图或导出文件，同时保存来源链接及它对应的回答位置。
- 登录失败、网络错误、产品拒答也留下记录；补测另建记录，不覆盖原来的失败。
这里的“新会话”不能保证消除所有个性化影响。产品设置、检索结果和模型变化仍可能影响结果，记录条件是为了让变化有迹可查。
一条明确回答“没有足够信息”的完整答案，与页面加载失败不同：前者是观察结果，后者是采集没有完成。
四、先看次数和分母，再看百分比
假设安排了九次服务推荐测试：一次网络失败；八次取得完整回答，其中一次无法确认提到的是不是你的品牌；其余七次里，两次明确把你列为候选。
这是一个计算示例，不是 Archbloc 或客户的实测数据。
按本文建议的口径，报告应写：
计划九次，取得八次完整回答；七次可判定结果中，两次被推荐。另有一次身份不明、一次网络失败。
不能只写“推荐率提升”，把失败和不确定项藏起来。样本很小时，直接写“两次／七次”比突出百分比更容易理解。
不同产品、不同模式、不同问题类型分别汇总。不要把品牌识别题的高提及比例和服务选择题混成一个总分。没有可判定结果时写“暂无可判定样本”，不要写成 0%。
五、用一张记录表检查服务商报告
下面这张表可以直接复制使用。每条回答单独填一份，原始文件另存，表里写对应位置。
| 字段 | 要填写的内容 |
|---|---|
| 记录编号与时间 | 唯一编号，日期、具体时间和时区 |
| 产品与环境 | 产品、显示模型、模式、联网状态、可控制的个性化设置 |
| 问题 | 问题类型和完整原文，是否包含品牌名 |
| 采集状态 | 完整回答、网络失败、拒答、未完成等 |
| 原始证据 | 完整回答文本、截图或导出文件位置 |
| 四项观察 | 提及、准确性、推荐、页面引用；不适用和无法判断分别填写 |
| 来源核验 | 原链接、最终打开地址、对应引用位置、无法访问的情况 |
| 本轮说明 | 期间内容修改、设置变化、失败重试及其他限制 |
看服务商月报时，可以顺着问：问题是否事先固定？有没有只挑成功截图？失败和未知项去哪了？来源能否点开？上个月和这个月测的是同一组条件吗？
如果这些材料缺失，先要求补齐，再讨论结果。原始证据应保留到双方约定的复核期结束；公开展示时另做脱敏，不要把账号信息和私人会话一并公开。
六、把交付、可见度和客户结果分开判断
服务商完成了文章、网站修改或信息整理，说明约定工作可能已经交付；是否完整，还要对照清单检查。
AI 更常提到你、推荐你，或引用某个页面，是另一层观察。
这些变化有没有带来合适的访问、咨询和客户，是第三层问题。前两层有变化，不能直接推导第三层已经增长。
因此，一份报告可以分三栏：做了什么、观察到什么、业务上发生了什么。没有访问或咨询归因数据，就明确写“尚未建立关联”，不要用截图替代成交证据。
即使前后使用同一问题集，也不能仅凭变化证明是某篇文章起了作用。记录期间的其他网站修改、外部发布和产品变化，保留这些可能的解释。
如果你还不知道该从哪里排查，可以先看为什么 ChatGPT 搜不到你的公司：六层排查。如果需要补充文章本身的质量，再参考写一篇对 AI 友好的文章，需要满足哪些条件。
常见问题
小结
验收 GEO，先把“出现了”拆成可以核对的事实，再把这些事实放回一致的测试条件里。
下次收到报告，先找问题原文、完整回答、来源链接和分母。能把这四样讲清楚，才有基础讨论变化意味着什么，以及下一步该改哪里。