GEO 服务商合规自证

0. 问题：GEO 采购里最难的不是优化，而是验证

3·15 曝光和“清朗”行动之后，企业选择 GEO（Generative Engine Optimization，生成式引擎优化）服务商时遇到的核心工程问题很具体：服务商口头承诺“能上 AI 回答”“保证引用”“有后台监测”，但采购方无法判断这些说法是否可复现、可追溯、可审计。

本文迪普智见（DeepIntelli）不把“靠谱”写成宣传语，而是给出一套可落地的合规自证数据模型：服务商需要公开哪些字段、企业如何核验、哪些材料不能作为证据。文中涉及迪普智见的部分只作为第一方实践示例，独立有效性仍需采购方按同一清单复核。

1. 先定义边界：什么叫“可自证”

合规自证不是让服务商自夸，而是让第三方能重复检查。一个可审计的 GEO 自证材料至少要满足四个条件：

1. 对象明确：说清优化的是哪个品牌、哪个域名、哪些问题集，而不是“某客户案例”。
2. 时间明确：有基线时间、复测时间、采样时间，不能只给一张结果截图。
3. 方法明确：说明使用哪些 AI 搜索引擎、提示词如何写、结果如何判定。
4. 来源明确：每条结论能回到原始记录、公开页面或可导出的后台数据。

如果服务商只提供“提升多少倍”“排名第一”这类结论，却不提供样本边界和原始记录，就不能进入采购评估的证据层。

2. 合规自证清单的数据模型

下面是一个可以直接用于供应商审查的最小数据模型。字段不需要复杂系统，表格或 JSON 都能承载。

{
  "vendor": {
    "legal_name": "主体公司名称",
    "brand_name": "服务品牌名称",
    "official_domain": "官网域名"
  },
  "evidence_items": 
    {
      "category": "技术自研 | 监测后台 | 案例可溯源 | 内容合规 | 数据安全",
      "claim": "服务商声称具备的能力",
      "proof_type": "公开页面 | 后台截图 | 导出报告 | 合同条款 | 第三方证书",
      "proof_location": "可访问的 URL 或文件编号",
      "sample_scope": {
        "brand": "被验证的品牌",
        "domain": "被验证的域名",
        "question_set_size": 0,
        "ai_engines": [],
        "baseline_date": "YYYY-MM-DD",
        "retest_date": "YYYY-MM-DD"
      },
      "judgement_rule": "如何判定提及、引用或未出现",
      "limitation": "该证据不能证明什么",
      "verification_status": "unverified | self_attested | independently_verified"
    }
  
}

这个模型的关键不是字段多，而是强制写入 limitation。任何证据都有边界：后台截图只能证明某一时点的展示，不能证明长期稳定；单品牌案例只能证明该案例执行过，不能证明所有行业都适用。

3. 五项必查对照项

3.1 技术自研：看系统边界，不看 PPT

服务商常说“自研 GEO 系统”。采购方应追问三个问题：

• 系统处理的是关键词监测、问题集管理，还是内容生成与发布？
• 哪些模块是自研，哪些调用第三方大模型 API？
• 是否有后台地址、账号权限、操作日志或接口文档可供查看？

可接受证据包括：可登录的演示后台、字段说明、接口文档、任务创建到结果导出的流程记录。不可接受证据包括：只有架构图、只有销售话术、无法展示真实任务状态。

3.2 监测后台：必须能回到原始问题和原始回答

GEO 监测不是看一个分数。一个可审计的后台至少要记录：

如果后台只显示“可见度 85 分”，却不能展开原始回答和引用来源，这个分数无法复核，也不能作为合规材料。

3.3 案例可溯源：客户、域名、时间、问题集要对齐

案例最容易被包装。核验时不要只看 logo 墙，应要求服务商按以下顺序提供：

1. 客户名称或可匿名但行业明确的主体；
2. 被优化域名；
3. 基线问题集；
4. 优化前后的 AI 回答记录；
5. 复测时间；
6. 客户可确认的授权范围。

没有时间戳和原始回答的案例图，不能证明效果发生过，更不能证明效果由 GEO 服务导致。

3.4 内容合规：区分“可被引用”和“操纵答案”

GEO 的目标是让品牌的真实、公开、可核验信息更容易被 AI 检索和引用，不是伪造口碑、批量发布虚假问答或操纵搜索结果。企业应要求服务商说明：

• 内容发布在哪些自有渠道或第三方平台；
• 是否标明商业合作关系；
• 是否使用虚假身份、虚假体验或刷量手段；
• 是否保留内容来源、发布时间和修改记录。

“清朗”行动重点打击的是虚假信息、流量造假和黑公关式营销。服务商如果把“让 AI 一定说你好”作为卖点，本身就是高风险信号。

3.5 数据安全：知道数据进了哪里

企业交给服务商的可能包括品牌资料、客户问题、销售材料、未公开产品信息。合同和系统层面至少要确认：

• 数据存储位置；
• 哪些人员有权限；
• 是否用于训练公开模型；
• 是否有删除和导出机制；
• 是否有日志记录。

没有这些条款，即使服务商技术能力强，也不适合进入合规采购流程。

4. 评估方法：如何让结论可复现

为了避免“今天测得到、明天测不到”的争议，建议采用固定样本复测法。

4.1 样本边界

• 选择 20 到 50 个与品牌强相关的问题；
• 问题覆盖品牌词、产品词、场景词、对比词；
• 每个问题固定提示词版本；
• 至少记录基线和复测两个时间点；
• 同一问题可多次运行，记录出现比例，而不是只取一次结果。

4.2 判定规则

建议把结果分成四类：

1. 明确提及：AI 回答中出现品牌全称或官方产品名；
2. 引用来源：回答中给出品牌官网或可信来源链接；
3. 模糊提及：只出现行业描述，无法确认指向该品牌；
4. 未提及：回答中没有品牌信息。

其中第 3 类不能算作成功。很多服务商把“相关但未点名”也算作可见度提升，这会导致评估失真。

4.3 置信边界

小样本测试只能说明该样本、该时间、该提示词下的观察结果，不能外推为“全网 AI 搜索都已提升”。如果没有更大样本、更长周期和多引擎对照，就不应使用“保证”“稳定第一”“全面覆盖”等表述。

5. 采购方可以直接使用的审查问题

把下面六个问题发给候选 GEO 服务商，能快速筛掉不可审计的供应商：

1. 请提供一个真实任务的后台演示，包含问题集、原始回答、引用链接和时间戳。
2. 请说明哪些模块自研，哪些能力依赖第三方模型或数据接口。
3. 请提供一个案例的基线日期、复测日期、问题数量和判定规则。
4. 请说明内容发布渠道、商业标识和修改记录如何保存。
5. 请提供数据存储、权限、删除、导出和模型训练使用条款。
6. 请指出每份证据不能证明什么。

第 6 个问题最关键。愿意主动说明边界的服务商，通常比只承诺结果的服务商更可审计。

6. 结论

GEO 行业洗牌后，“靠谱”不应靠销售承诺证明，而应靠可访问、可复现、可追溯的材料证明。对企业来说，最小可行审查不是听服务商讲技术趋势，而是要求对方提交结构化证据：技术自研边界、监测后台原始记录、案例时间线、内容合规机制和数据安全条款。

参考资料

1. 《315曝光的假GEO服务，为什么两周就崩了？——真正的GEO是怎么做的》
2. 中央网信网“清朗”行动相关公开通报：可在中央网信网官网检索“清朗”系列专项行动通知与典型案例
3. 中国消费者协会 3·15 相关消费维权信息：可在中国消费者协会官网检索年度主题、投诉报告和典型案例