一句话结论：验收 GEO 服务商只看三件事——① 他能不能把提及率、推荐率、被引用来源 URL 按每个引擎分开交出来；② 报告里有没有覆盖国内引擎（豆包 / DeepSeek / 元宝 / 百度 AI / Kimi / 通义）；③ 你能不能自己抽样复测出来。三条缺一条，你买的很可能是发稿量，不是 AI 可见度。
为什么这篇由我们来写：中文搜索里「GEO 公司怎么选」「靠谱 GEO 服务商推荐」的文章，绝大多数是服务商自己写的自荐榜——他们没有动机告诉你怎么验收自己。我们做的是测量工具、不接代运营，所以这篇能站在甲方一侧写。
一、先分清：你买的是「内容工程」还是「曝光话术」
GEO（生成式引擎优化）的真实工作量，绝大部分落在让 AI 检索得到、愿意引用你的内容上。它和发稿投放有重叠，但不是一回事。
| 这是真 GEO 工作 | 这是包装成 GEO 的老活 |
|---|---|
| 先跑一轮基线监测，给出你现在的分引擎提及率 | 上来就报方案，从不测现状 |
| 按用户真实会问的问题（品类词、对比词）建 prompt 清单 | 只围绕你的品牌名做，测出来永远好看 |
| 改造官网/落地页结构，让内容可被直接抽取（清晰小标题、结论前置、FAQ、表格） | 只交「原创文章 N 篇」，不管结构 |
| 推动第三方转述：知乎、公众号、垂直媒体、榜单收录——因为 AI 更信别人怎么说你 | 大量低质站群铺量、同一篇稿改标题群发 |
| 每次交付都能指出AI 引用了哪条 URL | 交付物是阅读量、曝光量、发布截图 |
| 承认引擎差异，分引擎给结论和动作 | 一份笼统的「AI 搜索优化报告」，不分引擎 |
判断的最快方法：问他「上个月有哪条 AI 回答引用了我们的哪个 URL」。做真 GEO 的人能当场给你链接和截图；做投放的人会开始解释「AI 引用是不可控的」。
二、该向服务商要的 4 个真指标（以及要拒收的虚荣指标）
| 该要的指标 | 具体口径 | 为什么它才算数 |
|---|---|---|
| 提及率 | 一批固定 prompt 里，AI 答案提到你的比例，按引擎分开 | 基础盘：AI 到底知不知道、会不会谈你 |
| 推荐率 | 在「该选哪个 / 有哪些好用的 X」这类问题里，你被当作推荐项的比例 | 最接近生意：被提到 ≠ 被推荐 |
| 被引来源 URL | AI 回答时具体引了哪些链接、哪些平台 | GEO 最快的杠杆，也是最难造假的一项 |
| 情感与表述 | 提到你时是正面 / 中性 / 负面，有没有错误描述 | 被负面或被说错，比不被提及更糟 |
再加一个维度：时间。单次快照没有意义，必须是同一批 prompt、固定周期重跑的趋势线。
要拒收的虚荣指标（听起来专业、但和 AI 可见度无因果关系）：
- ❌ 「AI 收录 300+ 条」——多数指他们的发稿量
- ❌ 「覆盖 50+ 平台」——覆盖数量不等于被引用
- ❌ 「曝光量 / 阅读量 / 播放量」——这是投放指标，不是 GEO 指标
- ❌ 「AI 认知度提升 60%」——没有说明基数、口径、prompt 清单的百分比，等于没说
- ❌ 只给品牌词的提及率——测「你叫什么」当然会提到你，要测的是品类词
关于这些指标名词的完整定义，可以对照我们的GEO 术语表和国内 AI 可见度监测指南——把口径先钉死，再谈验收。
三、必须分引擎，而且必须包含国内引擎
这是国内甲方最容易被糊弄过去的一环：一个引擎的结果代表不了另一个。
- 豆包：API、网页、手机 App 三个面给的引用不是同一套，而绝大多数真实用户在 App 上。服务商报数时必须说明测的是哪个面（我们的实测拆解）。
- DeepSeek：只有开启联网搜索时才给引用来源。报告里出现「DeepSeek 引用 0」，先确认是没被引用，还是根本没开联网（DeepSeek 优化详解）。
- 元宝：深度接入微信生态（公众号、视频号），来源结构和别的引擎完全不同——不做公众号却报元宝表现好，要追问来源（元宝优化）。
- 百度 AI / 文心：与百度搜索生态强绑定，百度收录和百家号内容直接影响它（百度 AI 优化）。
- Kimi / 通义千问：长答案与电商生态各有偏好，属于该单列、不该被「等等」两个字带过的引擎。
一句话验收标准：报告里每个引擎有独立的一行数据。如果一份报告把所有引擎合成一个「AI 可见度指数」，你就失去了追问的能力——而这往往正是目的。
如果你同时做海外市场，海外引擎（ChatGPT / Perplexity / Gemini）也得进同一张表。别接受「国内一份报告、海外一份报告」，两套口径拼不到一起，也没法统一对比竞品。
四、8 个危险信号（见到就要追问）
- 🚩 承诺「保证排名 / 保证进 AI 推荐前三」。AI 答案每次生成都会变，没人能保证排序。可以承诺过程，不能承诺结果。
- 🚩 不给分引擎数据，只给一个综合分或「整体提升 X%」。
- 🚩 不覆盖国内引擎，只测 ChatGPT / Perplexity 就来交差。
- 🚩 拿不出被引来源 URL，只有发布截图和阅读量。
- 🚩 prompt 清单不公开、或每月悄悄换 prompt。换了 prompt 的「提升」不是提升，是换考卷。
- 🚩 只测品牌词。品牌词提及率天然接近满分，用它做 KPI 等于自动达标。
- 🚩 报告无法复现：你自己去问同样的问题，结果和报告差得离谱，且对方拒绝现场演示。
- 🚩 拒绝第三方监测介入，理由是「我们的算法口径不同」。真做事的服务商不怕被第三方对表。
补充一条软性信号：如果对方全程不提「先测基线」，直接谈发稿排期，基本可以判断他的交付物是内容量，不是可见度。
五、甲方验收清单（可直接抄走用）
签约前必须落进合同/SOW 的 6 条
- 基线报告：开工前先出一份现状基线，分引擎给提及率 / 推荐率 / 被引来源。没有基线，后面所有「提升」都无法证伪。
- 固定 prompt 清单：双方确认一份 30–100 条的问题清单（品类词 + 对比词 + 少量品牌词），写进附件，中途不得单方面变更；确需增删要走书面确认并保留旧清单继续跑。
- 引擎覆盖范围：明确列出引擎名单，国内至少含豆包、DeepSeek、元宝、百度 AI；豆包要写明测的是 API / 网页 / App 哪个面。
- 复测频率：写明每周或每两周重跑，以及报告交付日。
- 交付物定义：明确「被引来源 URL 清单」是必交项，不是附赠项。
- 第三方校验权：约定甲方有权用独立工具复测，且以双方共同确认的口径为准。
每月报告必须包含的 5 项
- 分引擎的提及率、推荐率（与上月、与基线对比）
- 被引来源 URL 明细（哪个引擎、哪条 prompt、引了哪个链接）
- 竞品对照：同一批 prompt 下，主要竞品的提及率
- 情感与错误描述：有没有被说错（说错比没被提到更急）
- 下一步动作与依据：每个动作要能指回某条「你缺席的高频问题」
季度复盘要回答的 3 个问题
- 品类词（不是品牌词）的推荐率有没有实质变化？
- 新增的被引来源，是第三方转述还是自家站群？前者才是护城河。
- 有没有出现「某个引擎持续为 0」的死角？死角比平均分更重要。
关于报价：[NEEDS DATA —— 人工核实：国内 GEO 代运营的常见报价区间与计费方式（按月 / 按 prompt 数 / 按引擎数）。在拿到可引用的公开信息前不要写具体数字。]
六、最重要的一条：自己留一份独立的表
甲方最常见的失误，是把「做事」和「打分」交给同一个人。服务商既执行又出报告，口径天然向自己有利的方向漂移——不一定是造假，往往只是选择性地测那些好看的问题。
成本最低的解法是你自己维护一份独立监测：同一批 prompt、同样的引擎、固定周期跑。它有三个用途：
- 对表：和服务商报告放一起看，差距在哪、为什么。
- 交接保护：换服务商时，历史数据在你手里，新旧对比不断档。
- 谈判筹码：讨论续约和预算时，你手里有一份对方无法编辑的事实。
具体怎么建这份表——测什么指标、prompt 怎么选、每个引擎有哪些坑——在如何监测品牌在国内 AI 搜索里的可见度里有完整流程；想先补 GEO 本身的基础概念，看GEO 完全指南。
选服务商这件事，本质上不是「挑一家更会做的」，而是先让自己有能力判断谁做得好。有了基线、有了固定 prompt、有了分引擎的三个真指标，好的服务商会变得更好用——因为他终于知道该往哪儿使劲；不做事的那种，则会自己露出来。
想先给自己拉一条基线？闻响 GeoEcho 能同时测你在国内（豆包 / DeepSeek / Kimi / 元宝 / 百度）和海外（ChatGPT / Perplexity / Gemini） 引擎里的提及率、推荐率与引用来源——输入域名，30 秒出一份免费快照，不用约销售，也不用先签合同。
常见问题
GEO 服务商承诺「保证进 AI 推荐前三」，能信吗？
不能。AI 答案是每次生成的，同一个问题在不同会话、不同联网状态下结果都会变，没有任何人能控制模型的输出排序。凡是承诺「保证排名 / 保证进前三 / 不达标全额退款」的，要么是在赌概率，要么是准备用你验证不了的口径来交差。可以承诺的是过程（发多少篇、覆盖多少信源、多久复测一次），不能承诺的是结果排序。
服务商说「已被 AI 收录 300+ 条」，这算效果吗？
这是典型的虚荣指标。「收录条数」通常指他们在各平台发了多少篇稿，和 AI 回答里到底提没提你没有因果关系。真正的效果指标只有三个：分引擎的提及率、推荐率、被引用来源 URL。要求把这三个指标按引擎拆开给，且给出可复现的 prompt 清单。
怎么判断服务商是真在做 GEO，还是在刷量？
看他能不能交出「被引来源 URL」。真 GEO 工作的结果是：AI 回答里出现了指向某个具体页面的引用，那个页面是他们做出来的或推动被转述的。如果他只能给你「发布量」「阅读量」「覆盖平台数」，却拿不出任何一条 AI 引用了哪个 URL，那多半是在做投放而不是 GEO。
服务商只测 ChatGPT 和 Perplexity，够不够？
如果你的用户在国内，远远不够。中文用户主要在豆包、DeepSeek、元宝、百度 AI、Kimi、通义千问里问答，而这些引擎选来源的逻辑各不相同——元宝重微信生态、百度绑百度生态、DeepSeek 要开联网才引用。只测海外引擎的报告，对国内生意基本没有参考价值。
我自己怎么低成本地核验服务商的报告？
做「抽样复测」：从他给的 prompt 清单里随机抽 10 条，自己打开豆包、DeepSeek、元宝各问一遍，记下提没提你、引了谁。允许有出入（AI 本来就会变），但如果他报的提及率明显高于你抽测的结果、或者他给的引用来源你一条都复现不出来，就要求他现场演示口径。