AI 搜索热度很高，GEO 服务商越来越多。
问题是，这个市场还很新，口径不统一，品牌主很容易把"做了很多动作"误当成"产生了可验证的结果"。
本文不评价任何供应商，只从一个角度出发：一项 GEO 服务，能不能复现、能不能审计、能不能验收。
先说明我对 GEO 的理解：它不是操控 AI 排名，也不是让某个模型"记住"品牌，而是通过网站、内容、实体信息和第三方信号建设，降低品牌在 AI 搜索中"找不到、说不清、说错了"的概率。
第一类：承诺类问题
1. 承诺"保排名"
典型说法："帮你做进 ChatGPT 前三推荐""两周内 AI 必提你的品牌"。
生成式回答不是固定榜单。问题措辞、模型版本、是否联网、地区和对话上下文都会影响结果。
OpenAI 自己也明确表示无法保证最高位置。服务商可以优化可控因素，却无法替模型承诺名次。
应对：要求对方交出完整测试方案，固定问题集、平台、模型版本、日期、语言、地区，以及同一问题的重复测试次数。
你应能用同样条件自行复测，而不只能看对方挑出来的结果。
2. 承诺"几天见效"
典型说法："7 天见效""发一篇文章就能提升 AI 可见度"。
新内容能否影响 AI 搜索，涉及抓取、索引、检索、来源选择多个环节，不同平台更新速度不同。
被检索到不等于进入训练数据，被引用不等于模型权重改变。
把这条链路简化成"发内容—AI 学会—品牌排名提升"，本身就不严谨。
应对：要求把"可控交付"和"结果观察"分开写。
技术修复、内容发布可以承诺完成时间；效果观察应写清基线、复测频率和目标指标，不能把观察窗口包装成结果保证。
3. 一套方案号称覆盖所有平台
典型说法："一次优化，覆盖 ChatGPT、Perplexity、Gemini、豆包、元宝全平台。"
不同 AI 产品使用的模型、检索方式、来源展示和内容生态并不相同。
同一套网站修改可以作为基础动作，但不能自动等于"全平台都优化了"。
应对：要求按平台说明三件事：测哪些问题、当前答案主要引用哪些来源、准备采取哪些对应动作。
如果所有平台的答案都是"把同一批内容发到更多地方"，这是批量分发，不是平台化策略。
第二类：测量类问题
4. 只用截图证明效果
截图最多证明某个时点出现过某个结果，无法说明测试条件，也无法排除只展示成功样本的情况。
应对：要求保留每次测试的完整记录，问题、平台与模型、测试时间、语言地区、是否联网、原始回答、引用来源和重复轮次。
支持分享链接的平台可附链接，但链接本身也只是快照，不能替代结构化记录。
5. 用一两条问题代表整体结果
典型说法："我们测过了，AI 已经提到你了。"实际只跑了一两条自拟问题。
单条问题只是一个样本，尤其是"这个品牌是做什么的"这类带品牌名的问题，只能测信息是否能被找到，不能证明用户在非品牌词场景下会遇见它。
应对：要求说明问题来自哪里。优先级较高的来源是销售咨询、客户访谈、客服记录、站内搜索和竞品比较场景，而不是为了容易测出品牌而临时编的问题。
问题数量不是关键，覆盖真实意图才是。
6. 把"提及、推荐、引用"混在一起统计
典型说法："你的网站被 AI 引用了 15 次。"但报告里没说品牌是否出现在正文、是否真的被推荐。
三者含义不同： 提及是答案里出现品牌名，可能是中性介绍甚至负面语境； 推荐是在选择或比较场景里被列为候选方案； 引用是页面被列为信息来源，正文未必出现品牌名。
合成一个大数字，看不清到底改善了什么。
应对：要求报告分开统计提及率、推荐率、官网引用率、第三方引用率和描述准确率，并给出各自的分子、分母与原始记录。
7. 测试集不透明，或中途悄悄换题
不向客户提供完整问题列表，只展示"代表性结果"；或者每次复测都换一批更容易出现品牌的问题。
看不到测试集，就无法判断结果提升来自真实变化还是题目变化。
测试集可以有"核心问题"和"动态问题"之分，前者用于前后比较需保持稳定，后者随业务更新但必须留版本记录。
应对：合同里写明，客户可获得完整问题集、测试条件、版本记录和原始结果；核心问题在约定周期内保持稳定，增删必须留痕。
第三类：操作类问题
8. 用批量铺量代替内容建设
典型说法："我们帮你在 200 个网站发软文，AI 就会学到你的品牌。"
问题不在数量，在于这些内容是否原创、相关、可信。
Google 已明确把"为操控搜索排名大规模生产缺少原创价值的内容"列入规模化内容滥用。
批量发布不等于模型会学习，更不等于品牌会进入答案。
应对：要求提供拟发布站点清单、内容样稿、选站依据和编辑审核机制。
重点看每个渠道为什么与目标客户和主题相关，而不只是发布数量。
9. 把 Reddit、知乎当成养号刷帖场
典型说法："我们会在 Reddit、知乎制造品牌讨论，让 AI 引用这些内容。"
论坛内容是否被引用，取决于具体问题、平台和内容质量，不能简单概括为"某个 AI 高度引用某个平台"。
以多账号、重复内容或协同操控制造热度，违反社区规则，也可能伤害品牌信誉。
Reddit 的公开政策明确禁止此类行为。
应对：方案核心如果是"养号、批量发帖、多号互顶"，建议直接回避。
更稳妥的做法是公开身份和利益关系，围绕真实问题提供有用回答，遵守版规，不承诺发帖一定被收录或引用。
10. Schema 标记与页面内容不一致
典型说法："我们给页面加了 FAQ Schema，搜索引擎和 AI 就能读到。"但用户在页面上看不到对应内容。
Google 明确要求结构化数据应真实反映页面可见内容，违规可能失去富媒体展示资格。
同时，Schema 是帮助机器理解页面的线索，不是让内容进入 AI 答案的开关。
应对：打开网页核对 Schema 里的每一项，页面上是否真实存在、用户是否可见、表述是否一致。
用结构化数据测试工具验证语法，但不要把"通过检测"误当成"保证展示或引用"。
11. 使用无法核查的数据、荣誉或认证
典型说法："荣获某某大奖""行业报告显示市占率第一"，但没有报告名称、发布机构或公开链接。
无法核查的事实，不会因为写进官网或 Schema 就变得可信。
错误信息可能被 AI 重复，也可能被其他来源直接反驳，带来合规和声誉风险。
应对：为所有数据、奖项、认证和排名主张建立证据表：原始来源、发布机构、统计范围、发布日期、是否仍在有效期内、能否公开访问。
无法核查的内容，不要进入官网、结构化数据或外部传播材料。
12. 把 GEO 与 SEO 完全割裂
要么只用关键词排名、流量和 DA 汇报 GEO；要么声称"SEO 已过时，做 GEO 就够了"。
两种说法都过于简单。
Google 明确表示，AI Overviews 和 AI Mode 的传统 SEO 基础仍然适用：页面需要可抓取、可索引、内容有帮助。
SEO 往往是 GEO 的基础，但传统 SEO 指标不能单独证明品牌在 AI 答案中的表现。
应对：要求报告保留两层指标。
第一层是 AI 答案指标：提及率、推荐率、引用率、声量份额、描述准确率和主要来源。
第二层是业务与网站指标：来自可识别 AI 来源的访问、目标页面行为、线索与转化。
注意部分 AI 影响发生在"零点击"场景，网站分析工具无法完整捕捉。
用三个问题快速筛选
第一问：测试集、测试条件和原始结果能交付给我吗？ 不能的话，即使数字变好了，你也不知道是品牌真的改善了，还是测试方法变了。
第二问：提及、推荐、引用和描述准确率分开统计了吗？ 没有的话，报告里的大数字很可能掩盖了真正发生的变化。
第三问：对方保证的是可控交付，还是不可控的模型结果？ 技术修复、内容交付、测试频率可以写进承诺；"进入前三""几天内必被推荐"不应被包装成可以控制的结果。
GEO 不是玄学，但也不是一个可以承诺固定排名的生意。
它可以测量，也应该审计；这种测量必须基于固定样本、透明口径、重复测试和长期趋势，而不是一张截图、一个问题或一个漂亮的综合分数。
花钱之前，先确认对方愿不愿意把方法、数据和不确定性一起摆到桌面上。
愿意谈边界的人，通常比只谈结果的人更值得合作。