可复核的 GEO 观测：样本、指标与复测边界。

01 / 先界定你在测量什么

一份 GEO 观测报告，描述的是选定问题、平台入口和时间范围内的回答表现。它不能直接代表全部真实用户的回答分布，也不能替代搜索流量、销售转化或市场份额。先写清这个范围，后面的百分比才有解释基础。

例如，“在本轮 12 条可判定回答中，有 6 条提及品牌”是可以核对的陈述；把它写成“品牌覆盖了一半 AI 用户”，则跨越了样本能够支持的边界。我们的工作方法从可回看的问题、回答与引用出发，再讨论内容行动。

02 / 用业务问题分层，避免只挑有利问法

先根据真实业务整理问题，再按品类认知、场景选择、产品比较、使用顾虑和购买决策分层。品牌指名问题与不含品牌的问题分别观察：前者偏向检验既有信息是否准确，后者更适合观察品牌在开放选择中的出现情况。把两类混合，会掩盖它们难度和意图的差异。

问题集合需要保存原文与版本。新增问题、修改措辞、调整各场景数量，都会改变比较对象。不要在看到结果以后删除表现不好的问题，再把新的汇总当作优化效果。若确实需要扩展词库，保留固定问题组做连续观察，新增问题另作说明。

• 记录问题来源、用户意图与业务场景。
• 品牌词、非品牌词、竞品比较分别标记。
• 保留问题原文与版本，说明本轮新增和移除项。
• 展示各类问题的数量，避免某一类过度主导结果。

03 / 一条记录，要有完整的观测条件

把“问题 × 平台入口 × 轮次 × 时间”视为一条观测记录。能确认的模型版本、联网状态和会话条件一并记录；平台没有提供的信息，写成未知。网页版、模型 API 和其他入口的行为可能不同，不把它们自动视作相同条件。

同一问题的一次成功回答只是一条观测。2026 年的《Don't Measure Once》预印本指出，AI 搜索回答会随运行、提示和时间变化，需要重复测量，而不是用单次结果概括可见性。[1] 重复记录有助于观察波动，但同一问题、同一时段的回答仍可能相关，记录条数并不自动等于相互独立的样本数。

04 / 先交代分母，再谈提及、引用与推荐

任务成功率、字段可判定覆盖率和品牌表现是三个层次。请求失败、回答为空、引用状态未提供，都不能直接算作品牌未出现。先保留计划观测数和有效回答数，再为每个指标分别确定可判定分母。

提及按原文是否出现目标品牌及已确认别名判断；引用按回答中可核对的目标信源链接判断；推荐则需要结合上下文，区分正向选择建议、客观比较、否定表达和无法判断。只出现品牌名称，不自动构成推荐。别名表和判定规则有变动时，记录版本，避免把口径变化误读成表现变化。

下面是一组纯教学假设：计划观测 20 条，得到 14 条有效回答；其中提及可判定 12 条、引用状态可判定 8 条、推荐语境可判定 10 条。它不代表任何客户或本产品的实际效果。

• 确认引用信息完整且没有目标链接，可记为未引用；未提供引用状态，保留缺失。
• 同时展示命中数、可判定数和覆盖率，不能只留下一个百分比。
• 不同平台先分别报告；汇总时说明权重，不用混合样本冒充真实用户份额。
• 比较前后两轮，核对问题构成、有效记录与缺失比例是否发生变化。

05 / 引用核对，要落到具体主张

一条引用链接证明的是回答展示了这个来源，不足以证明整段内容都由它支持。核对时先圈定回答中的具体主张，再找到来源中的对应证据，检查发布主体、更新时间、适用条件与原文限制。来源只说明了产品某项能力，回答却把它扩展为整个行业的结论，就需要单独标记。

还要区分“引用了自己的官网”和“品牌被第三方资料提及”。两者反映不同的信息路径。多个页面转载同一份材料，也不等于多份相互独立的证据。对于打不开、已更新或无法核对的页面，保留不确定状态，不补写结论。

06 / 复测同时对齐条件与行动时间线

复测沿用固定问题组与平台范围，尽量保持相近的执行窗口和会话条件，保留多轮回答。把品牌资料更新、内容修改和公开发布的时间放在旁边核对。已存草稿或仍在审核中的内容，不能当作已经公开、可供外部发现的材料。

前后比较最好先在相同问题与平台的记录中进行，再看总体变化。若平台入口、联网状态、问题版本或判定规则变了，单独分组说明。平台模型更新、外部新闻、竞品活动和其他来源变化也可能影响答案，需要作为解释中的并行因素。这里描述的是团队执行方法，不代表系统能自动控制平台模型或外部检索条件。

07 / 样本波动和因果判断，是两回事

小样本里，一两条回答就能造成很大的比例变化。先展示原始数量、分层结果和跨轮次波动，再决定是否值得进一步调查。在抽样与独立性假设合理时，比例的区间估计可以帮助表达不确定性，NIST 手册介绍了 Wilson 等方法。[2] 但给便利抽样或高度相关的回答加一个区间，并不能消除选题偏差，也不能把结论外推到全部用户。

证据可以分三个层次：某轮出现了变化，是观察；相同条件下多轮持续出现，是重复模式；要判断某项内容动作造成了变化，则需要适当的对照设计，并处理同时发生的其他变化。仅凭发布时间早于结果变化，无法完成因果归因。

因此，报告写清“在什么条件下观察到什么变化”，并列出仍然未知的部分。实际流量与业务转化另用相应的访问、线索或订单数据验证，不能用提及率替代。

08 / 一份可交接的报告，留下这些材料

报告的价值，在于另一位同事能够沿着记录检查结论。数字旁边留出口径，结论旁边留出证据，行动旁边留出时间。下面的清单可作为团队复盘的最小交接范围；其中平台未提供的信息明确标为未知。

• 观测范围：项目、问题原文与版本、场景分层、平台入口、时间窗口。
• 样本流转：计划数、有效回答数、各字段可判定数与失败或缺失情况。
• 判定规则：品牌别名、目标信源、提及与推荐的定义及版本。
• 原始材料：逐条回答、实际返回的引用、可核对的来源内容。
• 行动记录：资料修改、内容版本、发布状态与确认公开时间。
• 解释边界：比较条件变化、可能的并行因素、尚未验证的业务影响。