花钱把品牌「植入」AI 答案，甲方怎么自己验收：一套跑得动的复测协议（2026）

一句话结论：付费「植入 AI 答案」的验收，不能看截图，只能看复现率——同一批固定问题、同样的引擎与面、重复跑 N 次，投放前后各跑一轮，再留一组不给服务商的对照词做参照。只有「投放词的复现率涨了、对照词没动」才算这笔钱有效。而在 2026 年 3·15 晚会曝光 GEO「投毒」黑产之后，验收还多了一层：你得确认服务商用的是真实内容+可信信源，而不是批量软文、虚构测评、伪造专家身份——后者已经有品牌因此被 AI 平台标记为「不可信信息源」。

为什么写这篇：搜「花钱植入 AI 答案」，今天中文互联网返回的是三类内容——媒体写现象（腾讯新闻 / 36氪《花一万元植入 DeepSeek》、央视 3·15 曝光），服务商写怎么发稿的接单文，知乎写**「这套已死」**的唱衰文。中间那个位置是空的：已经掏了钱、正在怀疑效果的甲方，怎么自己验收？ 这篇只答这一个问题。

立场声明：我们做的是测量工具，不接 GEO 代运营。这篇不点名任何服务商，也不提供任何「怎么刷」的操作路径——它是给买方的核验方法，不是给卖方的攻略。

时效声明：本文事实核查于 2026 年 8 月 7 日。这个行业在 3·15 之后处于洗牌期，各家话术与合规口径变化很快，涉及具体合作前请自行复核当前状态。

---

一、先把「你买到的到底是什么」说清楚

绝大多数验收纠纷，源头都在这里：买卖双方对交付物的理解从一开始就不是一回事。

把市面上叫「GEO」「AI 答案植入」「大模型推荐优化」的服务拆开，实际只有三类：

你买的是	实际交付物	谁能控制结果	怎么验收
A. 内容生产与分发（最常见）	定制文章 + 批量分发到第三方站点	服务商控制发了什么、发到哪，控制不了 AI 引不引	验发布物（可见、可核）+ 验复现率（统计）
B. 自有资产改造	官网 / 落地页结构改造、FAQ、实体信息统一	服务商完全可控	验交付物本身，最容易验
C. 承诺位次（「保证进前 3」）	——	没有人能控制	无法验收，因为它承诺的东西不存在

关于 A 的标准操作，媒体已经写得很清楚。据腾讯新闻 / 36氪 2025 年 9 月转载的报道《花一万元植入 DeepSeek，一场没有终点的流量游戏》，通行做法是：客户提供公司信息与产品卖点 → 服务商定制「AI 友好」的文章 → 批量分发到门户与地方媒体，通常需要 40–50 篇才见初步效果，按关键词数或问题数计费。

三条推论，每一条都能省钱：

1. A 和 B 常被打包报价，但验收方式完全不同。 B 是所见即所得，A 是概率性影响。要求分开列价、分开验收。
2. C 根本不该出现在合同里。 AI 答案不是一张有固定槽位的排行榜——没有「第 3 位」这个可被采购的位置。这条边界我们在豆包能花钱买推荐位吗里已经完整立过一次：截至 2026 年 8 月，国内主流 AI 引擎的对话答案里不存在可购买的自然推荐位。
3. 「模型收钱给位置」和「往信源里加内容」是两件事，被话术故意混在一起。 你付的钱影响的是信源侧的信息密度，不是模型的排序权重。理解这一点，你才知道该验什么。

不同交付形态的报价逻辑与成本结构，见GEO 优化到底多少钱：报价从 3000 到 100 万。

---

二、为什么截图不能当验收凭据

这是本文最重要的一节。

21 世纪经济报道记者肖潇在 2026 年 3 月 30 日的调查《求证了 1028 遍 AI 回复：泛滥的 GEO，割了多少韭菜？》里，把行业通行的「效果证明」方式写得很直白：多数服务商会向 AI 搜索工具提交一系列预设问题，统计回复中品牌被提及的次数，以此作为主要效果证明。同一篇报道的结论是：这门生意目前效果不稳定、转化难评估，品牌方难以准确衡量优化效果。

问题不在于「统计提及次数」这个动作，而在于这个动作被执行时通常缺了三样东西：

漏洞一：没有重复 —— 一次出现证明不了任何事

AI 答案是每次生成的。同一个问题、同一个引擎，换个会话、换个账号、隔一天再问，结果就可能不同。所以：

• 一张截图能证明的，只有「这个组合至少发生过一次」；
• 它无法排除：跑了 20 次，挑了最好的那一次；
• 验收的最小单位必须是复现率——同一条问题在同样条件下重复 N 次，其中有几次提到你。「5 次里 4 次」是数据，「有一次提到了」不是。

漏洞二：没有对照 —— 涨了不等于是你买的那件事让它涨的

品牌自然增长、行业热度上升、引擎自己更新了索引，都会让提及率变化。没有对照组，任何「提升」都可以被归功给服务商，也可以被归咎给别的东西——双方都无法证伪，最后谁声音大谁赢。第三节会给出对照组的具体做法。

漏洞三：没有分母 —— 「提及率 32%」到底是什么除以什么

提及率的分母可以是问题数、可以是问题数 × 采样次数、可以再乘引擎数。分母不同，同一批原始数据能算出差好几倍的百分比。 更麻烦的是跨周对比：这周加了 10 条问题、下周少跑了一个引擎，分母一变，趋势线就是假的。指标名词的分母定义见GEO 术语表，提问集本身怎么设计见GEO 监测的提问集怎么设计。

一句话记住：没有重复的数据是轶事，没有对照的提升是巧合，没有分母的百分比是修辞。 三样缺一样，这份报告就不能作为付款依据。

---

三、一套甲方自己能跑的验收协议（7 步）

这一节可以直接抄进合同附件。整套协议不需要任何技术能力，手动也跑得动——只是费时间。

第 0 步：签约当天冻结提问集

• 双方书面确认一份 30–100 条的问题清单，写进合同附件；
• 结构建议：品类词 / 选型词占 60%–70%（「XX 哪个牌子好」「有没有推荐的 XX 供应商」）、对比词 20%（「A 和 B 哪个好」）、品牌词不超过 10%；
• 中途不得单方面增删。确需变更走书面确认，且旧清单必须继续跑，否则趋势断档。

为什么品牌词要压到 10% 以下：问「XX 品牌怎么样」时 AI 几乎必然提到你——把品牌词混进分母，提及率天然虚高，KPI 自动达标。这是最常见、也最不容易被察觉的美化手法。

第 1 步：投放开始之前，先跑一轮基线

这是整套协议里唯一有时间窗口的动作，事后补不出来。 没有基线，后面所有「提升」都无法证伪。哪怕只有半天时间，也要把基线跑完再让服务商开工。

手动最小流程见怎么免费自查品牌在 AI 里有没有被提到。

第 2 步：留一组「不给服务商」的对照词 ⭐

这是甲方手里最有力、也几乎没人用的那张牌。

从提问集里留出 20%–30% 的问题作为对照组（holdout）：

• 这些问题不写进给服务商的关键词 / 问题清单，服务商不知道你在测它们；
• 但你自己照常按同样频率监测；
• 对照词要和投放词同品类、同难度（别拿冷门长尾当对照，那不公平也不可信）。

读法只有三种，非常干净：

投放词	对照词	结论
↑	持平	这笔钱有效 ——这是你要的那个结果
↑	↑	大概率是行业热度 / 品牌自然增长 / 引擎更新，不是服务商的功劳
持平	持平	没效果（或还没到时间，继续跑）
持平	↑	检查你的投放是不是把内容做窄了，反而错过了自然增长

为什么它有效：对照词是服务商唯一无法影响、也无法事后解释掉的证据。凡是拒绝接受留出对照组的合作方，理由通常是「这样效果会被低估」——而那恰恰说明他知道自己的数字里混着不属于他的部分。

第 3 步：把采样条件写死

不写死，两期数据就不可比。至少定死这 6 项：

条件	写成什么	不写死会怎样
重复次数	每条问题每引擎 N 次（建议 5–10），前后期必须一致	次数变了，百分比不可比
引擎与「面」	列出引擎名，并写明测的是 API / 网页 / App 哪个面	三个面结果不是同一套，实测见这里
登录状态	统一「未登录 / 新会话」或统一「登录固定测试账号」	个性化与历史上下文会污染结果
联网开关	明确开或关（DeepSeek 尤其关键）	DeepSeek 不开联网不给引用来源，会误判成「0 引用」
时间分布	跨 2–3 天分批跑，别集中在一个时段	同一时段的缓存 / 热点会让样本高度相关
原始记录留存	完整答案文本 + 时间戳，不只是结论	事后有争议时没法回看

关于每条跑几次：这是采样常识、不是我们的实测结论——跑 3 次只能分辨 0 与 3 这种极端差别；跑 10 次时一次波动就等于 10 个百分点，意味着小于 10 个百分点的「提升」在这个样本量下读不出来。你想识别多细的变化，就得跑多少次。

第 4 步：每次采样记这 8 个字段

字段	记什么	为什么必须有
engine / surface	引擎 + API/网页/App	分面统计的基础
prompt_id	对应提问集里的哪一条	跨期对齐的唯一键
run_index	这是第几次重复	算复现率的分母
mentioned	答案里有没有提到你	提及率
recommended	是不是被当作推荐项（不只是被提到）	被提到 ≠ 被推荐，这是两个指标
position	在推荐列表里第几个出现	趋势用，不作为承诺
cited_urls	答案给出的引用来源链接	最难造假的一项，第五节要用
full_text	完整答案原文	争议时的唯一凭据

recommended 和 mentioned 一定要分成两列。很多「效果显著」的报告，涨的全是 mentioned（被顺带提了一句），而离生意最近的 recommended 一动没动。

第 5 步：判定线怎么写进合同

不要写「提及率达到 X%」——分子分母都在对方手里的绝对值，是最容易被做出来的数字。改写成相对判定：

• ✅ 「投放词的推荐率相对基线提升 ≥ N 个百分点，且同期对照词提升 < N/2」
• ✅ 「至少 M 条投放问题上，出现指向双方确认过的目标 URL 的引用来源」
• ❌ 「进入 AI 答案前 3 位」（不存在这个位）
• ❌ 「提及率 ≥ 50%」（分母可调）

N 取多少？ 应该由你自己基线的波动幅度决定：先看基线期内同一批问题两次采样之间自然波动了多少个百分点，判定线至少要大于这个波动，否则你在为噪声付款。在有可发布的自有样本之前，本文不给出「正常周间波动幅度」的具体参考区间。

第 6 步：复测频率与「交接保护」

• 频率：投放期每 1–2 周一轮，用完全相同的条件；
• 交接保护：原始记录存在你自己这边，不是服务商的后台。换服务商时历史数据不断档，新旧才有得比——这也是续约谈判时你手里唯一一份对方无法编辑的事实。

自建还是买工具来跑这套协议，成本账见自己写脚本监测 AI 提及，还是买工具；完整的分引擎监测流程见如何监测品牌在国内 AI 搜索里的可见度。

---

四、六种让报告变好看的手法，以及各自的反制

这些手法不一定出于恶意——很多是「选择性地测那些好看的问题」这种无意识的漂移。但结果一样：你为一个不存在的提升付了钱。

#	手法	报告上看起来	反制（一句话）
1	提问集里堆品牌词	提及率 80%+	品牌词占比压到 10% 以下，且单独列一行，不混进总分母
2	引导性提问（「XX 品牌怎么样」「XX 是不是行业领先」）	几乎条条命中	判定只认无品牌的品类词 / 选型词
3	中途换提问集	曲线漂亮地向上	提问集写进附件，变更须书面确认且旧清单继续跑
4	只测最容易的那个面	数字普遍偏高	合同写明测哪个面；用户在哪个面，就以哪个面为准（国内多数在 App）
5	单次截图 + 挑最好的那次	「你看，已经上了」	只认复现率，要求全部 N 次的原始记录，不接受挑选后的截图
6	用冷门长尾词凑数	命中率很高	每条问题标注是否有真实搜索需求；对照词必须同难度

还有一种更隐蔽的：把自家分发站的镜像稿当作「被 AI 引用」。答案里出现的引用链接确实存在，但它指向的是服务商自己批量分发的那批稿件所在的站点——这不是第三方背书，是自证。第五节专门讲怎么识别。

一条通用规则：任何 GEO 交付，都应该能落到一个你自己能打开、能核对的可见物上——发了哪些稿、发在哪些站、什么时候发的、链接给你。落不到具体链接的承诺，卖的是一个你看不见的东西。 这条与工具榜单的核验逻辑同源，见GEO 工具排行榜是怎么来的。

---

五、信源健康度自查：比提及率更早暴露问题的三个信号

提及率是滞后指标。信源结构是先行指标——它通常在数字变差之前就已经不对劲了。

拿到 cited_urls 之后，算三件事：

信号一：来源集中度

统计所有被引用链接的域名分布。如果前 2–3 个域名就占了大半，说明你的 AI 可见度建立在极少数几个站点上。这本身就是脆弱信号：一旦这些站被引擎降权，你的可见度会一次性归零，而不是缓慢下滑。

信号二：同稿多站镜像

把被引用页面的正文比对一下。如果多个域名上是同一篇稿子改了标题，那它在引擎眼里大概率是同一个信息源的复制品，不是多个独立信源的相互印证。镜像稿的数量不产生可信度，只产生冗余。

信号三：信源类型分布

给每个被引域名打个类型标签，做一张分布表：

信源类型	举例	健康的样子
自有	官网、官方文档、官方公众号	该有，但不能只有它
权威 / 官方	行业协会、监管公示、百科、企查查类实体信息	越多越稳，是「实体地基」
第三方真实讨论	知乎回答、垂直社区、真实测评	最难做也最值钱
付费分发站 / 软文站	批量发稿渠道	有一点正常，占比过高就是风险

判定方法很朴素：把这张表拿给一个不了解你行业的同事看，问他「这些来源里，哪些是别人主动写你的，哪些是你花钱让人写的」。他能一眼分出来的比例，大概就是引擎迟早也能分出来的比例。

另外一个常被忽略的基础核查：引擎的爬虫到底有没有抓过这些页面。服务商说「已被收录」，你可以从自己的服务器日志里直接确认国内 AI 爬虫的真实抓取情况——方法见怎么从服务器日志确认豆包、元宝真的抓过你的站。

---

六、刷进去了会怎样：3·15 之后的三个真实后果

这一节不是危言耸听，是 2026 年上半年已经发生过的事。验收 GEO 不只是验效果，也要验做法——因为做法的代价最后由品牌方承担。

事实一：3·15 晚会点名了这条产业链

2026 年 3 月 15 日，央视 3·15 晚会曝光了 GEO 给大模型「投毒」的黑产：服务机构批量发布软文、伪造测评报告、编造专家身份，把定制内容「投喂」进大模型的信息来源，使商业推广以「AI 标准答案」的形态出现在用户面前（新华网 2026-03-20 评论、21 经济网 2026-03-16、36氪）。

据公开报道，记者用一个完全虚构的智能手环（AstroTekk Apollo-9） 做验证：靠自动生成的虚假测评与用户评分批量分发，它在 DeepSeek、豆包、元宝、千问、文心一言、Kimi 等多个主流大模型里被列为推荐产品。

⚠️ 口径提醒：不同媒体转述的细节存在出入——生效时间有「两小时内」与「三天内」两种说法，价格档位有「39.9 元」与「6600 元/年」两种说法（很可能是不同产品档）。这些差异不影响结论，但引用具体数字前请以央视原节目为准。

事实二：已经有品牌被 AI 平台标记为「不可信信息源」

21 世纪经济报道 2026 年 3 月 30 日的调查里记录了一个案例：一家国际物流公司没有等来服务商承诺的「AI 搜索前三排名」，反而因为对方批量生成未核实信息，被多个 AI 平台标记为「不可信信息源」（原文）。

这是本文最值得记住的一句话：这类操作的失败模式不是「白花钱」，而是「花钱把自己做进了黑名单」。 一旦域名或品牌实体在信源侧被降权，受损的不只是这次投放的内容，而是你全部的自然可见度——包括官网、包括你老老实实做了两年的那些内容。

事实三：治理方向正在指向「信源黑白名单」

新华网 2026 年 3 月 20 日的评论文章给出的治理建议里，明确包含建立数据来源可信度评估机制、对检索来源实行黑白名单，以及在反不正当竞争执法中明确「针对 AI 系统的恶意投喂与操纵行为」。

同时，21 世纪经济报道 2026 年 7 月 20 日的《3·15 后时代的 GEO：出圈、洗牌、等待 AI 打开黑匣子》记录了行业侧的变化：3·15 之后行业洗牌加速，合规成为重点，企业客户的问题从「能不能让 AI 推荐到第一」转向「具体怎么操作、合不合规」。

读法：治理方向是「提高权威信源权重、给可疑信源降权」。这意味着靠低质批量分发换来的可见度，其半衰期正在被主动缩短——它不是一个能沉淀的资产。

相关法条（复述公开条文，不构成法律意见）

法规	关键条款	生效时间
《反不正当竞争法》（2025 年修订）	将虚假评价明确纳入虚假宣传；欺骗、误导的对象从「消费者」扩展到「消费者和其他经营者」；禁止组织虚假交易、虚假评价	2025 年 10 月 15 日施行
《互联网广告管理办法》（市场监管总局令第 72 号）	第九条：互联网广告应具有可识别性；竞价排名的商品或服务须显著标明「广告」，与自然搜索结果明显区分	2023 年 5 月 1 日施行

对品牌方的直接含义：广告法体系下，掏钱的一方本身是责任主体之一，「我不知道服务商怎么做的」通常不构成免责理由。如果服务商为了把你做进答案而生成了夸大或不实的描述（「行业第一」「XX 认证」），出事时被追的是品牌。

反过来，如果 AI 里已经出现了关于你的错误信息，正确路径是信源纠错而不是继续盖内容，见AI 把我公司信息说错了怎么改；负面处置流程见AI 答案里出现品牌负面怎么办。

⚠️ 免责说明：本节仅复述公开法规原文与公开媒体报道，不构成法律意见，也不针对任何具体公司。具体合作前请咨询你自己的法务或执业律师。

---

七、一页纸验收判定表

跑完一轮，对照下表下结论。建议把这张表直接贴进付款流程。

档位	判据（需同时满足）	动作
✅ 合格	投放词推荐率相对基线提升超过基线波动幅度；对照词基本持平；出现指向确认目标 URL 的引用；信源类型分布里付费分发站不占主导	正常付款，进入下一轮
🟡 部分合格	投放词的 mentioned 涨了但 recommended 没动；或涨幅存在但对照词也在涨	付部分款；要求下一轮把动作聚焦到选型 / 对比类问题
🟠 存疑	数字漂亮但你自己抽样复测不出来；或引用来源高度集中在少数几个域名、存在同稿多站镜像	暂停付款，要求现场演示口径 + 提供全部原始记录
🔴 不合格	提问集被中途更换；只有截图没有 N 次原始记录；出现虚构测评 / 伪造专家身份 / 编造数据的内容	终止合作；对已发布的不实内容启动撤稿与信源纠错

抽样复测怎么做（最低成本的独立校验）：从他给的提问集里随机抽 10 条，你自己在豆包、DeepSeek、元宝各问一遍，每条问 3 次。允许有出入（AI 本来就会变），但如果他报的数字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，就进入「存疑」档。

服务商选型阶段的完整防坑清单（8 个危险信号、每月报告必含 5 项），见GEO 服务商怎么选、怎么验收——那篇管签约前，这篇管签约后。

---

常见问题（FAQ）

服务商发来的截图上确实提到了我们，算验收通过吗？ 不算。AI 答案每次生成都可能不同，一次「出现了」可能是偶然，也可能是跑了 20 次挑出来的那一次。验收的最小单位是复现率——同一条问题在同样条件下重复 N 次，其中有几次提到你。「5 次里 4 次」是数据，「有一次提到了」不是。

验收 GEO 发稿最关键的一步是什么？ 留一组不给服务商的对照词。从提问集里留出 20%–30% 的问题，不写进给对方的清单，但你自己照常监测。投放词涨、对照词不动，才证明这笔钱有效；两边一起涨，那是行业热度或品牌自然增长。这是服务商无法影响也无法事后解释掉的唯一证据。

3·15 曝光的「AI 投毒」和我买的 GEO 发稿是一回事吗？ 不一定，但共用同一条生产线。3·15 晚会曝光的是批量发软文、伪造测评与专家身份向大模型「投喂」内容的产业链；合规 GEO 做的是同一动作的合法版本——把真实、可核实的信息以易抽取的结构放到可信信源上。区别不在技术手段，在内容是否真实、身份是否伪造、评价是否虚构。所以验收要同时问「有没有效果」和「用的是哪种做法」。

刷进去的代价在谁身上？ 双方都有，品牌方跑不掉。21 世纪经济报道 2026 年 3 月 30 日的调查提到，一家国际物流公司因服务商批量生成未核实信息，被多个 AI 平台标记为「不可信信息源」。法规侧，《反不正当竞争法》（2025 年修订，2025-10-15 施行）已把「虚假评价」纳入虚假宣传，《互联网广告管理办法》第九条要求广告可识别。广告主本身是责任主体，「不知道服务商怎么做的」通常不免责。本文不构成法律意见。

每条问题要跑多少次？ 取决于你想识别多大的变化。跑 3 次只能看出极端差别；跑 10 次时一次波动就是 10 个百分点，小于 10 个百分点的「提升」读不出来。实务折中是每条每引擎 5–10 次、跨 2–3 天分批跑，且投放前后次数完全一致。

服务商说「口径不同所以数字对不上」，成立吗？ 口径不同确实会让数字对不上，但那是签约时该钉死的东西，不是验收时才拿出来的解释。合同附件里写清四项：提及率的分子分母、测的是哪个引擎的哪个面、账号是否登录、是否开联网。钉死之后双方数字应在同一量级。拒绝把口径写进附件的，验收从一开始就不成立。

---

结论：验收权在谁手里，钱就在谁手里

关于付费植入 AI 答案，今天能确定的只有三句话：

1. 你买的是信源侧的信息密度，不是模型里的一个位置——所以「保证第几位」这种承诺，不是难兑现，是不存在。
2. 一次截图什么都证明不了——验收的最小单位是复现率，而复现率必须配对照组才有意义。
3. 做法本身也要验——3·15 之后，靠虚构内容换来的可见度不只会失效，还可能把品牌做进「不可信信息源」那一栏。

这三句话推出同一个动作：在服务商开工之前，先把基线、提问集和对照组定下来。 顺序反了，你就永远只能听对方报数——而这恰恰是整个交易里唯一真正重要的那件事。

顺带说一句：这套验收里最关键的两项——分引擎、分面（API / 网页 / App）记录，以及对照组的跨周稳定采样——欧美 GEO 工具在中国引擎上做不到，它们连豆包 App 面都没有采集能力（对照见海外 AI 可见度工具在中国的盲区）。

闻响 GeoEcho 用固定提问集、固定采样次数，持续跟踪品牌在国内（豆包 / DeepSeek / Kimi / 元宝 / 通义 / 百度 AI）与海外（ChatGPT / Perplexity / Gemini）AI 引擎里的提及率、推荐率与被引来源，分引擎、分面记录，历史数据留在你这边。想在下一笔 GEO 预算花出去之前先留一条基线，输入域名跑一次免费查询即可。

---

本文事实核查于 2026-08-07。所有涉及第三方的表述均复述自公开媒体报道与公开法规原文，不针对任何具体公司，不构成法律意见。GEO 行业在 3·15 之后处于快速变化期，涉及具体合作请自行复核当前状态。