FAQ

选 GEO 服务商之前,应该问的 12 个尽调问题

GEO 没有官方排名、效果又有滞后性,服务商的话术空间很大。这 12 个尽调问题按测量口径、方法边界、证据交付、合同风险四组排列,每题附「靠谱的回答长什么样」和红旗信号,帮你在签约前把一家 GEO 服务商问到实处。

Figure 01 · 12 个尽调问题速览

  • 第一组 · 测量口径
  • 1用什么问题集、哪些引擎测?多久测一次?
  • 2提及率、被引用率怎么定义?能看原始回答吗?
  • 3基线是多少?目标怎么定?
  • 第二组 · 方法与边界
  • 4具体做哪几层?
  • 5能保证品牌进 AI 答案、排第一吗?
  • 6llms.txt 在方案里占什么位置?
  • 7内容怎么做?会不会批量生成文章往官网堆?
  • 第三组 · 证据与交付
  • 8你们自己官网的 GEO 数据能看吗?
  • 9交付物具体是什么?多久交一次?
  • 10多久能看到效果?以什么为准?
  • 第四组 · 合同与风险
  • 11收费结构是什么?能不能先小范围试点?
  • 12数据、账号、内容资产归谁?不合作了怎么交接退出?
  • 红旗

    任意一条出现即一票否决

    保证进答案或排名、拒绝展示原始采样、方法保密不肯拆解、把单一文件或标签当秘籍、批量造文冲量、只报喜不报基线

  • 绿旗

    条件接近时的加分项

    固定面板与口径、原始回答可查、自家官网先当样本、效果分层给时间、做不到的先说清

12 问分四组:测量口径(3 问)、方法与边界(4 问)、证据与交付(3 问)、合同与风险(2 问)。红旗任意一条出现即一票否决。

为什么选 GEO 服务商要先尽调

GEO 是个新品类:没有官方排名,没有统一标准,效果还要等引擎采样周期,天然容易被话术填充。判断一家服务商靠不靠谱,不看它把自己说得多好,看它敢不敢把测量方法、原始数据和能力边界摆到桌面上。下面 12 个问题按四组排列,每题给出「靠谱的回答长什么样」与「坏答案的信号」;对方的回答对不上,先别急着签约。

尽调之前,先给自己做一次基线:跑一遍免费 AI 可见度体检,拿着报告去问任何服务商——包括我们。没有基线,你连对方的承诺该对照什么都不知道。

第一组:测量口径(问不出这组,后面全是感觉)

1. 你们用什么问题集、哪些引擎测效果?多久测一次?靠谱的回答:有一套固定的问题清单、固定的引擎名单和固定周期,同口径逐期对比。红旗:每次汇报换一组问题,或者只拿单个截图说话。追问一句:问题集能不能给我看一眼——不肯展示的,口径无从验证。

2. 提及率、被引用率怎么定义?能看原始回答吗?靠谱的回答:定义写得出来、口径前后一致,且愿意提供采样原始记录。红旗:只给一个综合分数,问定义就含糊。追问一句:同一问题问两次结果不同,怎么记分——答不上来的,口径多半现编。

3. 基线是多少?目标怎么定?靠谱的回答:先测基线再谈目标,目标按抓取、提及、引用分层给。红旗:没测基线先承诺翻倍。注意:Negency 旗舰报告的 30 家数据(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)只测官网技术可见度,不测提及率——任何服务商拿技术分冒充提及率基线,都是口径作弊。

第二组:方法与边界(这一组专测诚实度)

4. 你们具体做哪几层?靠谱的回答:能把抓取可达、机器可读、实体一致、引用生态四层分别讲清做什么、产出什么。红旗:只有一个含糊的「我们有一套独家打法」。追问一句:四层里哪层不做——诚实的服务商先说清边界。

5. 能保证我的品牌进入 AI 答案、排第一吗?靠谱的回答:不能保证,并说明原因——自然答案没有官方付费位,结果受引擎采样支配,只能逐层提高概率并用数据验证。红旗:保证排名、保证进答案、按「上榜」收费。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——这两句可以当场用来验对方的诚实度。

6. llms.txt 在你们方案里占什么位置?靠谱的回答:可选辅助,不是核心,更不是通行证;并能说出 Google 官方对 AI 搜索的现行口径。红旗:把 llms.txt 或某个「AI 专用标签」当独家秘籍卖。llms.txt 的提案原文在 llmstxt.org 可查——它是一份约定,不是标准,没有任何引擎承诺有它就引用你。

7. 内容是怎么做出来的?会不会批量生成文章往我官网上堆?靠谱的回答:内容围绕客户真实会问的问题逐页做,有事实核查与验收标准。红旗:承诺每月自动生成几百篇。追问一句:每篇文章的事实核查记录能不能看——批量造文的拿不出来。

第三组:证据与交付

8. 你们自己官网的 GEO 数据能看吗?靠谱的回答:自己先是样本,提及率、引用率、抓取覆盖有公开或可出示的实测记录。红旗:只晒客户的漂亮截图,自家数据一概保密。Negency 自己的官网在 2026 年 11 月 11 日的体检中得 97/100(性能与基础 80,首页响应 3.08 秒)——我们先当样本,再谈客户。

9. 交付物具体是什么?多久交一次?靠谱的回答:体检报告、修复清单、采样记分表、复测对比,样例可看,节奏固定。红旗:交付物只有月度「工作总结」。追问一句:能不能先看一份交付样例——Negency 的诊断包交付样例节选是公开样例,拿它去对照任何一家。

10. 多久能看到效果?以什么为准?靠谱的回答:分层给时间——工程层(抓取、收录)2–4 周可见变化,提及与引用按季度看趋势,并说明引擎采样周期这个不受任何人控制的变量。红旗:「7 天见效」。三段时钟的完整解释见GEO 优化一般多久能看到效果?

第四组:合同与风险

11. 收费结构是什么?能不能先小范围试点?靠谱的回答:诊断、试点、持续服务的边界与价格讲得清,试点有明确的验收指标。红旗:只能签年约、先付全款、试点不设定验收。追问一句:试点验收不通过,钱怎么算——答不上来的,试点等于预付款。

12. 数据、账号、内容资产归谁?不合作了怎么交接退出?靠谱的回答:采样数据、内容与账号归客户,退出有交接清单。红旗:数据在对方系统里导不出来,停约即清零。这一条写进合同正文,不要只留口头承诺。

红旗与绿旗速览

红旗:保证进答案或排名、拒绝展示原始采样、方法保密不肯拆解、把单一文件或标签当秘籍、用批量造文冲量、只报喜不报基线。绿旗:固定面板与口径、原始回答可查、自家官网先当样本、效果分层给时间、做不到的先说清。

尽调之后:怎么用回答做决定

12 个问题问完,按三档处理。第一档是一票否决:保证排名、拒绝展示原始采样、数据不归客户——任意一条出现,直接排除,不必再谈价格。第二档是可谈项:价格、节奏、试点范围——可以谈,但要把谈好的写进合同。第三档是加分项:自家官网先当样本、主动说清做不到的事、交付样例公开可看——不能单独决定签约,但能在两家条件接近时帮你做选择。

Negency 自己的口径全部公开在本站:定义见《什么是 GEO(生成式引擎优化)?》,衡量方法见《怎么衡量品牌在 AI 回答里的可见度?》,出海选型总览见《中国企业出海,AI 咨询与 GEO 服务商怎么选》;想先摸自己的底,可以先跑一次免费 AI 可见度体检再拿着报告去问任何服务商——包括我们。

先分清类别,再逐家尽调

尽调之前,先确定你该在哪一类服务商里选:GEO 服务商四类对比把大厂、精品所、出海服务商与咨询公司放在同一把尺下;如果还在纠结买监测软件还是买服务,先看GEO 工具与服务商之辨。

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。