评估 GEO 服务商时，需要向对方索要哪些原始证据？

在生成式引擎优化（GEO）服务市场中，汇总后的"AI 提及率"和"推荐位次"并不能完整说明效果。要判断一家 GEO 服务商的工作是否可靠，可以从六个维度向其索要原始材料，每条记录都应与具体问题编号一一对应，便于事后复核。

一、原始问题清单

要求对方提供本次评估所使用的完整问题列表，包括：

• 每道题的完整文字表述；
• 问题来源（自有题库、客户需求、第三方调研还是公开搜索热词）；
• 选样规则（如何覆盖品牌核心词、行业长尾、竞品对比等场景）；
• 剔除规则（哪些问题被排除，理由是什么）。

完整记录应同时包含有提及、未提及和查询失败三类结果，不能只展示有利数据。

二、模型与环境配置

每条记录的查询都应标明：

• 实际使用的平台（如 ChatGPT、文心、豆包、Kimi、DeepSeek 等）；
• 可确认的模型版本号；
• 访问方式（网页端、API、第三方封装工具）；
• 是否启用联网、是否清空会话上下文。

平台未公开的配置信息应标注为"未知"，不应凭空猜测。同一服务商在不同平台的测试结果需分别列示，不宜混合统计。

三、完整回答与判定口径

每一道题都应保留未经截断的原始回答，并标注该题的成功、失败或无效状态。对于判定口径，需要事先书面约定：

• 品牌全称命中如何计；
• 简称、变体写法如何计；
• 同名误识（提到同行业其他公司）如何处理；
• 负面提及是否计入提及率；
• 推荐列表中第几位算作"推荐位次"。

原始回答应全文提供，不应只截取有利片段。

四、采集时间

每一条查询都应记录精确时间戳，并提供整批采集的起止区间。如果后续进行了复测，需要同时保留新旧记录以及条件差异（模型版本、会话上下文、问题表述变更等），不能用某次快照的数值来代表长期表现。

五、回答中的实际信源

如果 AI 回答中给出了引用链接，需要保留：

• 链接地址；
• 对应的文章标题；
• 引用片段的原文内容。

若回答未提供任何引用，应明确记录为"无引用"，不要用服务商另行补充的材料去替代。需要区分的是：回答本身的引用与服务商后续补交的材料是两件事，不能因为链接"存在"就认定其内容可靠或被模型实际采用。

六、统计口径与复核方法

汇总数据前，应先书面约定：

• 分子、分母分别是什么（按"题数"还是按"提问次数"）；
• 失败、无效、负面、未提及如何计入或剔除；
• 原题总数与各类结果的分布。

在此基础上，可以随机抽取若干问题，用原始记录重新计算汇总百分比，验证是否与服务商给出的结果一致。不宜直接套用所谓的"行业统一公式"或某个固定合格阈值。

交付与复测安排

在签订服务或验收环节，建议提前约定：

• 交付哪些原始记录（问题、回答、环境、时间、信源）；
• 由哪一方负责核对、以何种方式核对；
• 何时进行同题复测，复测仅用于比较明确条件下的差异，不代表对模型每次回答一致性的承诺。

以上六项是一种核对思路，用于在选择 GEO 服务商时建立可追溯的评估框架，本身并不构成对任何具体服务商效果的背书或保证。企业在落地前，仍应结合自身行业、模型环境和业务目标，对原始数据做独立审阅。