FAQ

做 GEO 要多少钱?服务一般怎么收费?

市面上没有统一价,结构大致三层:自助监测工具是每月几百到几千美元的订阅;一次性诊断是固定价(Negency 的人工复核诊断包为 ¥19,800,含体检数据人工复核和 90 天路线图);持续代运营的 GEO 项目按范围报价,取决于市场数量、语言、内容量和第三方提及的运营深度。先诊断、后立项是更稳妥的顺序——没有数据就报总价,报的一定是糊涂账。

Figure 01 · GEO 花钱的三层

  1. 01

    工具层

    做什么:固定问题集定期采样,报告提及、引用源、声量、描述准确性

    价格口径:按订阅收费,随引擎数、市场数、问题数、席位数变化;Peec 公开价 $95/$245/$495/月(2026-11-13 核验),企业版定制;Profound 免费试用 + 定制,无公开固定月价 适合谁:已有执行团队、只需要记分的品牌
  2. 02

    诊断层

    做什么:人工复核体检数据、竞品对照、带优先级的行动清单、90 天路线图、讲解通话

    价格口径:固定价、固定交付物;Negency 诊断包 ¥19,800(已在官网诊断页公开) 适合谁:还没有基线与路线图、想先定方向再花钱的企业
  3. 03

    项目服务层

    做什么:官网机器可读改造、问答式内容矩阵、第三方提及运营、定期采样复盘

    价格口径:按范围与市场数报价,无法标准化;须先测后报 适合谁:体检显示结构性问题(读不懂、认错人、从不提及)、需要有人动手修的企业
工具层价格引自厂商公开定价页(Peec,2026 年 11 月 13 日核验);Negency 诊断包 ¥19,800 已在官网公开。执行层价格因起点与市场数而异,须先测后报。

三层价格结构

GEO 的花钱方式分三层,买错层比买贵更常见。先分清三层,再谈数字。

工具层:按订阅收费,买的是测量。监测工具的做法,是拿一组固定的买家问题,在各家 AI 引擎上定期采样,报告你的品牌有没有被提及、引用源是谁、和竞品比声量占多少。以 Peec 为例,其公开定价页(2026 年 11 月 13 日核验)列出三档月费:Starter 95 美元/月、Pro 245 美元/月、Advanced 495 美元/月,差别主要在问题数、项目数与多市场覆盖;企业版按需定制。Profound 则只公布免费试用与定制企业版,没有公开的固定月价。共同点是:价格随引擎数、市场数、问题数与席位数变化,买之前先对着定价页数清楚自己要几个市场、几台引擎。工具只告诉你「被提及了没有」,不负责让你被提及。

诊断层:固定价、固定交付物。诊断的价值在于把体检数据变成有优先级的行动清单,而不是又一份分数报告。Negency 的诊断包固定价 ¥19,800(价格公开写在诊断包说明页上),包含人工复核、竞品对照、90 天路线图与一次讲解通话,不按页数与问题数加价。

执行层:按范围与市场数量报价,无法标准化。官网机器可读改造、问答式内容矩阵、第三方提及运营、定期采样复盘——每家公司的起点与目标市场完全不同,同一项工作的工作量可以差几倍。任何不看现状就报的总价,都不值得认真对待。

为什么执行层无法给一个标准价

报价要素有四项,缺一项都算不准:起点——技术面越弱,先修的工程越多;市场与语言数——一个市场与五个市场是不同的工作量;提及建设的深度——目录档案、媒体报道、社区讨论各有不同的成本;复测节奏——按月复测与按季度复测,工作量也不同。

起点差距有多大,看一组实测数字就清楚。Negency 旗舰报告 2026 年第一期(样本为 30 家中国出海企业全球官网主域名;检测用 Negency AI 可见度体检引擎,约 30 个信号、五类,2026 年 10 月 30 日单日采样;报告只测官网技术可见度,即 AI 能否抓到、读懂,不测 AI 回答中的品牌提及率)显示:30 家总分中位数 80/100,均值 80.1,区间 55–98;90 分以上 7 家,70 分以下 6 家。同一份「官网改造」,对 90 分的公司是补几处细节,对 55 分的公司是重做机器可读层——17/30 家没有任何 JSON-LD,15/30 家 sitemap 有问题,13/30 家 H1 缺失或不唯一。工作量差几倍,价格不可能相同。

举个具体例子:A 公司技术面 90 分出头,瓶颈只在第三方提及,执行层主要花在媒体与目录运营上;B 公司总分不到 60,机器可读面远在 69.2 的大盘均分之下,先要做一轮结构化数据与实体口径修复,再谈提及。两家公司买的「GEO 服务」名字一样,工作内容完全不同。这就是为什么靠谱的服务商坚持先测后报:没有现状数据,任何总价都缺少依据。

报价前应该先有的东西

一份可复核的现状数据,包括三样:体检分数与逐项问题、当前在固定问题集里的提及率基线、主要竞品的提及情况。没有这三样,任何总价都缺少依据。Negency 的顺序是:免费体检(机器出分)→ ¥19,800 诊断包(人工复核 + 90 天路线图)→ 按路线图立项报价,每一步都可以停在原地,不绑定下一步。

免费体检的意义不只是省钱:它先把「技术面处于什么水平」变成可复核的数字,报价讨论才有共同的事实基础。想先看看诊断交付物长什么样,再决定要不要花这笔钱,可以看诊断包交付样例节选。

避坑

警惕两种报价:按「保证被某引擎推荐」收费的(没人能保证;Google 官方文档明确,进入 AI 概览与 AI 模式没有额外技术要求,自然答案的引用位也不出售);以及只报总价、不给逐项交付物的。前者卖的是运气,后者卖的是信息差。

另外两种也值得警惕:只能签年约、先付全款且试点不设验收指标的——等于把风险全推给客户;以及按「上榜」收费的——把不受任何人控制的引擎采样结果当成计费依据。选服务商之前,先把12 个尽调问题过一遍,报价里的水分当场就能看出来。

相关问题

GEO 和 SEO 有什么区别?

SEO 优化的是网页在搜索结果列表里的排名,目标是点击;GEO(生成式引擎优化)优化的是企业在 AI 生成答案里被发现、理解、信任和引用的程度,目标是进入答案本身。两者共用一部分技术基础(可抓取性、结构化数据、内容质量),但 GEO 额外要求实体事实治理、机器可读面(llms.txt、Markdown 镜像)和第三方提及生态。做 SEO 的网站不等于对 AI 可见:AI 引擎引用谁,取决于它能否抓到、读懂并核实这个企业的事实。 具体差异集中在四个层面:目标、对象、内容结构与评估方式,正文有逐项对照。

中国企业出海,怎么做 AI 搜索可见度?

出海企业的 AI 可见度短板通常不在内容量,而在机器可读面:我们对 30 家中国出海企业的实测显示,类目均分最弱的是机器可读面(69.2/100)——17 家首页没有 JSON-LD、15 家 sitemap 缺失或收录不足、13 家 H1 缺失或重复。路径是四步:先体检摸清机器人可达性与机器可读面,再治理实体事实(双语口径一致),然后按海外客户的真实问题生产问答式内容,最后经营第三方提及(媒体、社区、合作伙伴),并用固定问题集定期复测提及与引用验证效果。

AI 搜索时代,企业官网要做哪些改造?

五件套:一是机器人可达——robots 对 AI 爬虫显式放行且实测不被防火墙/验证页拦截;二是机器可读面——llms.txt 事实文件(可选辅助)、sitemap 完整、核心页提供 Markdown 版(可选);三是实体结构——JSON-LD 写明 Organization 等实体类型、标题与 H1 规范、双语站 hreflang 对应;四是问答式内容——按客户问题组织页面、短答先行并配 FAQ schema;五是可度量——后台能分开看到真人与机器人流量、AI 引荐带来的线索单独归因。Negency 官网自身就是按这五条改造的,体检工具用的也是同一套标准。

llms.txt 是什么?企业网站有必要加吗?

llms.txt 是放在网站根目录的一份纯文本说明书,专门写给 AI 看:公司是谁、做什么、核心页面在哪、关键事实与定义是什么。它不能直接提升被引用的概率(Ahrefs 2026 年 5 月研究:137,210 个域名中,已发布 llms.txt 的文件 97% 当月零次被取用,对引用率的直接影响接近零),但它是成本最低的事实治理动作——一份文件把全网口径统一锚点立住,AI 抓取时有据可依。结论:值得加,但别指望只加它就有效;它要和实体事实治理、结构化数据、问答式内容一起做。Negency 的 llms.txt 是事实圣经版:含公司定义、方案边界、案例出处与引用规则。

企业部署 AI Agent 之前,要做哪些准备?

四件准备,缺一件都不建议开工:一是场景选型——从高频、规则相对清晰、结果可验证的工作流里选试点,而不是从最炫的场景选;二是知识与数据基础——Agent 要用的知识库先治理(去重、版本、权限),脏知识库只会放大错误;三是治理设计——权限边界、人工审批点、审计日志在上线前定好;四是度量基线——试点前先记录人工流程的耗时与错误率,否则上线后无法证明价值。Negency 的方法论是先小范围受控试点、验证有效再扩围,治理是设计输入而不是事后补丁。