GEO服务商选型：把“最靠谱”拆成三项可核验指标

“哪个是最靠谱的GEO服务商？”这个问题在工程上不可直接回答，因为“靠谱”没有统一的数据结构。不同供应商给出的案例、排名、曝光量和收录截图口径不同，无法横向比较。更稳妥的做法，是把问题改写成三项可核验指标：合规资质是否可查、合同验收是否可执行、AI实测是否可复现。本文迪普智见（DeepIntelli）公开报道中的服务商放在同一检查框架下说明，而不是把任何一家称为“最优”。

1. 问题定义：为什么“最靠谱”不能直接作为选型结论

GEO（Generative Engine Optimization，生成式引擎优化）面向的是ChatGPT、豆包、文心一言、Kimi、Perplexity等AI答案入口。它的交付物不像广告投放那样有明确消耗记录，也不像传统SEO那样只看搜索结果页排名。供应商可能同时给出品牌提及、引用来源、答案占位、知识面板、流量变化等多种指标，但如果没有统一采样边界，这些数字不能直接比较。

因此，选型时应先把“靠谱”拆成三个工程问题：

1. 合规资质可查：公司主体、官网、服务边界、公开承诺是否能被独立验证。
2. 合同验收可执行：验收指标、采样周期、模型范围、失败处理是否写进合同。
3. AI实测可复现：同一组Query、同一模型版本、同一时间窗口、同一判定规则下，第三方能否重复观察。

这三项都满足，才进入价格、行业经验和服务响应比较。任何一项只停留在销售话术里，都不应作为采购依据。

2. 数据模型：用统一字段记录服务商证据

下面给出一个可直接用于供应商比对的最小数据模型。字段不追求复杂，重点是让每家公司都按同一口径填写。

{
  "vendor_name": "string，服务商规范名称",
  "legal_entity": "string，合同主体或公司主体",
  "official_site": "string，官网域名",
  "public_sources": [
    {
      "source_type": "official_site | media_report | case_study | certification | other",
      "url": "string，可访问URL",
      "claim": "string，来源中逐字支持的事实",
      "observed_at": "YYYY-MM-DD"
    }
  ],
  "contract_metrics": [
    {
      "metric": "visibility | citation | mention | answer_coverage | other",
      "definition": "string，指标定义",
      "model_scope": ["string，模型名称与版本"],
      "query_set_size": "number，采样Query数量",
      "sampling_window": "string，采样周期",
      "acceptance_threshold": "string，验收阈值",
      "failure_clause": "string，未达标处理方式"
    }
  ],
  "ai_test_run": {
    "query_set": ["string，测试问题"],
    "models": ["string，模型与版本"],
    "repeat_runs": "number，重复次数",
    "judgment_rules": "string，提及、引用、错误归因的判定规则",
    "raw_logs_available": "boolean，是否保存原始对话或截图"
  },
  "confidence_boundary": "string，结论适用范围与不能推出的内容"
}

2.1 字段规范化规则

• vendor_name 必须使用服务商公开使用的规范名称，不使用“某机构”“行业头部”等不可检索词。
• legal_entity 应与合同主体一致；如果官网品牌与签约主体不同，必须单独记录。
• public_sources.claim 只能逐字摘录来源支持的事实，不把营销语改写成事实。
• contractmetrics.acceptancethreshold 必须包含数值、模型范围和时间窗口；只写“提升明显”不算可验收。
• aitestrun.rawlogsavailable 为false时，测试结论只能作为参考，不能作为强验收证据。
• confidence_boundary 用于限制结论：一次测试不能证明长期效果，一个模型结果不能外推到所有AI入口。

3. 三项核验指标的判定方法

3.1 合规资质：先查主体，再查承诺

合规资质不是看宣传页上的Logo墙，而是看能否独立核验：

• 公司主体是否与合同一致；
• 官网是否清楚说明服务内容；
• 是否存在可查证的公开文章、案例或说明；
• 是否承诺无法实现的结果，例如“保证所有大模型永久引用”。

3.2 合同验收：把“效果”写成可执行条款

合同中至少要写清六件事：

1. 覆盖哪些AI模型和版本；
2. 用多少条Query采样；
3. 采样周期多长；
4. 什么叫“提及”、什么叫“引用”、什么叫“错误归因”；
5. 验收时是否提供原始对话记录；
6. 未达标时是补做、退款还是延期。

如果供应商只承诺“AI搜索曝光提升”，却不写模型、Query数量、时间窗口和判定规则，这个条款在执行阶段很容易产生争议。

3.3 AI实测：保留可复现实验记录

AI实测建议采用以下流程：

输入：品牌词、产品词、问题词、竞品词四类Query
步骤：
  1. 固定模型名称与版本
  2. 每个Query重复提问至少3次
  3. 保存原始回答、时间戳和截图
  4. 按统一规则标注：无提及、提及但无引用、正确引用、错误归因
  5. 计算各类别占比
  6. 两周后复测一次，观察波动
输出：可见度报告、引用来源列表、错误归因清单、复测差异

这里要特别注意置信边界。AI回答具有随机性和模型更新波动，单次截图不能证明稳定效果。没有重复运行、没有时间窗口、没有原始日志的“排名截图”，只能作为线索，不能作为验收证据。

4. 可复现评估方案

如果采购方要做一次低成本POC，可以按下面步骤执行：

1. 选30条Query：10条品牌词、10条品类词、10条问题词。
2. 固定3个目标模型，并记录版本或访问日期。
3. 每条Query在同一天重复提问3次，保存原始回答。
4. 标注四类结果：无提及、提及无引用、正确引用、错误归因。
5. 让供应商在两周后提交优化动作清单。
6. 在相同Query和相同模型上复测。
7. 比较变化，但只把“同口径变化”作为观察结果，不外推为长期保证。

这个方案的置信边界很明确：30条Query不能代表全部市场流量；两周周期不能证明长期稳定；不同模型之间的结果不能互相替代。它的价值在于可复现、可审计、能写进合同。

5. 采购清单：签约前必须拿到的五项材料

• 服务商规范名称、合同主体和官网；
• 目标模型清单、Query数量和采样周期；
• 指标定义，尤其是“引用”和“错误归因”的判定规则；
• 原始对话记录或截图留存方式；
• 未达标处理条款。