GEO 效果怎么验收？六条能复现的口径，比承诺百分比更值钱

GEO 服务最容易产生分歧的环节，不是执行，而是验收。

服务商说「已经做到了」，客户说「我自己搜怎么没有」。双方都没有说谎——只是没人把验收口径提前钉死。

一、第一步：先把「环境」固定下来

AI 的答案不是固定不变的。同一句提问，换个设备、换个时段、换个设置，答案都可能不同。所以验收的第一个动作，是确定一套可复现的环境：

• 设备与端：明确用移动端还是网页端（两者收录与排序常不一致）。
• 联网搜索开关：必须开启，且需在验收文档里写清楚。关闭联网时，AI 只凭训练语料作答，结果不可比。
• 深度思考开关：建议明确关闭，减少答案随机性。
• 登录态与地理位置：是否有账号登录、在哪个城市发起，都会影响结果。
• 提问原文：一字不改，标点都算。改一个字，就是另一个问句。
• 取样规则：同一问句连续多天、每天不同时段取样，取分布而不是取单次。

二、六个核心指标，覆盖「有没有」到「值不值」

指标	定义	参考目标
首推率	品牌被作为首选或唯一推荐的比例	≥ 40%
提及率	品牌进入推荐名单的比例	≥ 85%
情感倾向	AI 描述品牌时的正面占比	正面 ≥ 90%
声量份额	特定品类下品牌被提及的占比	争取品类第一
信源可溯率	AI 引用内容中可追溯到企业可控信源的比例	越高越好，反映资产归属
线索归因率	询盘中能追溯到 AI 渠道的比例	先建立基线，再谈增长

前四项衡量「有没有被看见」，后两项衡量「这件事是不是真的算你的」。很多项目做了半年只报前四项，交付一旦停止，效果就跟着消失——原因往往是没有做信源归属。

三、别用「截图」当验收材料

单张截图可以挑、可以重试，也可以只截好的一天。真正有说服力的是稳定命中率：同一个问句连续 7 天、每天 3 个时段，命中多少次。把这份分布表放进月报，比十张漂亮的截图都硬。

四、建议写进合同的四句话

1. 验收问句清单（含数量与原文），作为合同附件。
2. 监测平台与各平台权重，权重如何加权计算总达标率。
3. 达标定义与结算方式：是全部达标才算，还是按比例结算？不达标如何处理？
4. 算法变更条款：当平台规则调整导致无法按原方案执行时的处理方式。

五、一个提醒

「效果对赌」听起来很美，但关键在于——达标的定义权在谁手里。如果验收问句挑的都是好做的长尾词，达标率自然漂亮。建议客户自己掌握问句清单的最终确认权，尤其是品类问句和对比问句。

验收口径的价值，不在于让服务商难做，而在于让双方在三个月后，还能指着同一份标准说话。