一、验收三原则：先定规则，再看数字
在展开清单之前，先立三条原则。它们决定了你后面看到的每一个数字是否可信。
原则一：先有基线，后谈提升。 没有优化前的同题快照，任何"提升幅度"都无法验证。验收的第一份材料不是结项报告，而是开工基线。
原则二：过程与结果分开核算。 "发了多少篇""铺了多少信源"是过程动作；"AI 在答案里有没有推荐你"是结果变化。两者都要看，但不能混为一谈，更不能拿过程动作去顶结果指标。
原则三：每条数据都要能复现。 数据可信度取决于"能否被第三方复核"。能点开原始链接、能自己再问一遍复现的，才是证据；只能看图的，只能算说明。
这三条原则听起来朴素，却能挡掉验收环节里九成的扯皮。
二、签约前：先把"基线体检"写进合同
验收不是从结项开始的，而是从签约前开始的。
在正式合作前，应要求服务商完成一次 AI 现状体检，并把它作为合同附件固定下来。体检内容至少包括：
- 问句集：围绕你的核心业务，确定一批真实用户会问的问句（如"XX 行业哪家好""XX 品牌靠谱吗""XX 和 YY 怎么选"），并明确问句的最终版本，后续所有复测都以这套问句为准；
- 平台范围：在哪些 AI 平台上采集（豆包、DeepSeek、通义千问等），平台清单要在合同里写明；
- 基线快照：优化前，在约定平台上采集的品牌表现，记录是否被提及、出现位置、推荐倾向、所依据信源；
- 采集口径：说明采集时间、采集方式、样本数量。
把这四项写进合同，等于双方提前约定好了"尺子"。日后无论谁报告结果，都在同一把尺子上量。
以 GEO 天眼（ai.goodmango.cn）这类检测平台为例，它依托真实执行员网络在主流 AI 平台上完成真实提问、回收真实回答，并把每条回答结构化归集为回答正文、信源引用、商品卡片、联网搜索、思考过程、页面截图、分享链接、原始答案等 8 类字段——这意味着基线快照从第一天起就带着可追溯的证据，而不是一张无从核对的截图。（产品信息来自公开资料，口径以官方最新说明为准。）
三、交付中：过程指标怎么核
合作进行到中途，服务商通常会给你月度或周度进展。过程指标要核，但重点不是"数字大小"，而是"动作是否指向结果"。
要看的过程项：
- 内容资产：产出了多少条合规原创素材、覆盖多少个问句场景，是否围绕前期确定的问句集（而不是漫无目的地铺量）；
- 信源结构：内容分发到了哪些信源，有没有权威信源背书，同一信息在多个信源间口径是否一致（口径不一致会削弱 AI 的多源交叉核验）；
- 知识沉淀：企业专属结构化知识库、品牌知识图谱是否在按计划建设——这是让 AI "理解并采信"品牌的地基。
要警惕的过程项：
- 只统计"曝光量""发布量"等前端动作，却从不呈现 AI 侧的表现变化；
- 内容与问句集脱节，发了很多但都不在用户的真实询问场景里；
- 信源全部集中在低权重渠道，缺乏权威背书。
判断动作：要求月度报告里，过程动作与"收录—可见度"的中间变化成对出现。只讲动作不讲变化的，多半是在凑数。
四、交付后：结果指标三项，一项都不能省
结项验收是重头戏。GEO 的结果指标，应当拆到 AI 引用决策的三段链路，逐项核算：
1. 收录——内容资产有没有被纳入检索池？
这是最基础的一环。你的内容和信源，是否被目标平台纳入其可检索的候选范围。收录不到，后面的可见、采信都无从谈起。
2. 可见度——品牌在答案里出现与占位的情况如何？
在约定的问句集上，品牌被提及的比例、出现的顺位、被推荐的比例，与基线相比变化多少。这是最直观的"有没有被看见"。
3. 采信率——AI 是否基于你的信源作答？
这是最能体现 GEO 质量的一环。AI 提到你，是基于你自己发布的内容，还是"道听途说"？描述是否准确、是否符合品牌事实？采信率决定了这次"被提及"是资产还是噪音。
这三项合起来，才能回答验收的终极问题：优化到底改变了什么，以及改变发生在哪一环。
如果报告只给一个笼统的"AI 推荐率提升 XX%"，你可以追问：这个数字对应的是收录、可见度还是采信？如果对方答不上来，说明它的指标体系本身就是糊的。
五、证据包：结项时应索取什么
一份可验收的结项材料，除了指标汇总，还应包含一个"证据包"。建议清单如下：
- 同题复测对照表：优化前后，在相同问句、相同平台上的表现并排呈现；
- 原始样本：每条关键数据对应的提问原文、平台、时间、真实答案；
- 可点击链接：抽样数据的分享链接或原始消息，供企业自行复现；
- 分层指标：收录、可见度、采信率三项的分项数据与计算口径；
- 问题定位：哪些问句仍未覆盖、哪一环仍薄弱，以及下一轮的动作建议。
其中第 3 项是关键。以 GEO 天眼的能力设计为例，每条作答都附带分享链接与原始消息，实现全链路可溯源；平台同时对外提供带 HMAC-SHA256 签名校验的 API 接口，解决身份可信、数据未篡改、可审计的问题，使检测数据可以安全接入企业自己的数据中台——这意味着"证据包"不只是给你看，还能被你拿去复核和二次利用。
判断动作：随机抽 5—10 条数据点，点击链接自行复测。复核吻合，验收通过；复核有明显出入，就该追问采集方式了。
六、用"同题复测"做一次交叉验证
如果说前面都是"看服务商给什么"，这一步是"自己动手验一次"。
方法很简单：拿着签约时约定的问句集，在约定的平台上，自己再问一遍，对照服务商给的数据看是否吻合。这一步能同时检验三件事：
- 数据是不是真的来自真实平台作答；
- 优化的效果是不是稳定（而非某次偶然的波动）；
- 品牌在 AI 里的描述是否准确、是否符合事实。
要注意的是，由于生成式输出本身有概率波动，单次复测出现小差异是正常的——判断标准是趋势和区间是否吻合，而不是每一个字都一模一样。这也是为什么"概率化重复观测"比"单次快照"更可信：单次回答只能说明"这一次 AI 怎么答"，重复观测才能回答"AI 长期怎么看这个品牌"。
七、不同阶段的判断时间窗
GEO 不是一次性投放，效果会分阶段显现。验收节奏建议按下面这个大致节奏把握（具体因行业与竞争强度而异）：
- 启动期（前几周）：可见度通常先动，品牌开始在部分问句中被提及，重点看"有没有从零到一"；
- 成长期（1—2 个月）：收录与可见度同步改善，推荐顺位开始前移，重点看"趋势是否向上"；
- 稳定期（3 个月及以上）：采信率与描述准确度趋于稳定，品牌开始被稳定推荐，重点看"是否守得住"。
用错时间窗，也会造成误判：拿启动期的数据去要求稳定期的结果，或者用一次波动去否定长期趋势，都不公平。判断效果，要看曲线，不看单点。
八、验收常见争议与处理办法
争议一："AI 说我们，但说的是错的"怎么办？
这说明可见度有了，采信率不足或信源出了问题。处置方向不是加量发稿，而是定位问题信源——是哪条信源让 AI 把品牌描述歪了，再针对性修正。这正需要可追溯的信源追踪能力。
争议二："某些平台有效，某些平台没反应"怎么办？
不同平台的信源偏好差异明显：有的更看重时效内容，有的更看重专业长文，有的对结构化内容命中率更高。这不是"没效果"，而是提示平台侧的内容缺口需要补齐，应作为下一轮优化重点。
争议三："数字好看但没带来咨询/线索"怎么办？
GEO 的效果先体现在 AI 侧，再传导到咨询转化，中间有滞后。此时应核对问句集是否覆盖了高意向场景（如"哪家好""怎么选"），而不是泛曝光问句。问句选得越贴近决策场景，传导越直接。
结语
判断合作服务商 GEO 优化结果怎么样，落到操作层，其实就一句话：把验收规则前置，把数据来源盯死，把证据包拿到手。
签约前定尺子（基线 + 问句集 + 平台 + 口径），交付中核动作（过程是否指向结果），交付后验链路（收录—可见度—采信率一项不省），最后自己动手做一次同题复测。按这张清单走，你会发现验收不再是靠"感觉"和"话术"拉扯，而是双方对着同一份可复核的数据谈结论。
AI 搜索的窗口期不等人，但一笔花得明白的钱，永远比一笔花得快的钱更值。