GEO交付标准

一段话直接回答： GEO算不算交付成功，不看服务商发了多少篇、做了多少动作，只看AI这边变成了什么样。可判定的状态分四级：L0查无此牌 → L1被提及 → L2被准确描述 → L3在追问和对比场景里被优先列入。真正能算“优化有效”的是L2稳定达标，L3是加分项。 判定必须同时满足三条：相比基线有提升、事实性描述零错误、连续四周不回落。至于“排第几”，任何服务商都无权承诺，也不该写进合同。 一、先说清楚：有三种东西不算效果 这是最容易扯皮的地方，先排掉。 第一种：发稿量。 发了50篇还是200篇，和AI会不会准确提到你，没有直接关系。AI不是按篇数计分的，它是按“能不能摘出可用的信息单元”来取舍的。 第二种：收录截图。 内容被抓取，只是进了候选池；被引用到答案里，才是另一回事。把“收录”当效果，等于把“简历投进去了”当“拿到offer”。 第三种：单次命中截图。 同一个问题问三次，都可能得到三个版本的答案。一次“我们被提到了”说明不了任何事——它可能是随机波动，也可能是那一刻的语料恰好偏向你。单次截图是噪声，趋势才是信号。 这三种之所以常见，是因为它们都“看得见、点得清”，而真正的效果是个状态，需要连续测量才显现。测量的具体做法（抽样核验、版本台账、纠错闭环），我们在《GEO效果怎么验证？甲方验收三件套》那篇里拆过，这篇不再重复，只讲判定。 二、AI侧四级判定线 把“AI怎么描述你”这件事拆开，只有四种状态： 级别 AI侧的表现 客户的感受 商业含义 L0 不可见 提问里完全没有你的信息 不知道有这个牌子 等于不存在 L1 被提及 出现品牌名，但描述笼统，或说错 知道有，但说不清是干什么的 露脸，不产生信任 L2 被准确描述 提及，且业务范围、服务区域、资质都说对 能判断“这家是不是我要找的” 及格线，优化有效 L3 被优先列入 在追问和对比类提问里被优先列出 进了候选名单 接近成交 L1是个特别容易自欺的级别。老板看到“AI提到我们了”就觉得有效果，但AI很可能接着说了一句谁都能套的话——“也提供相关服务”。这种描述的客户转化价值接近零，还有一种更糟的情况：提到了，但把业务范围、成立时间、服务区域说错了。“可见但说错”比“不可见”更伤品牌，因为客户是带着错误信息记住你的。 所以判定线要划在L2：提到你，还要说对。 三、L2达标：必须同时满足三条 L2不是“看着差不多”就行，它有三条硬条件，缺一条就不算达标： 第一条：相比基线有明确提升。 项目启动前必须做一次基线抽测并留档——当时AI是怎么说你的，说了哪些错的。结项时拿同一套提问模板复测，看提升幅度。没有基线，就没有可比性，也就无从判定。 提升幅度具体多少算达标，行业没有统一数值，建议甲乙双方在合同里直接约定。写清楚，比事后争论有用得多。 第二条：事实性描述零错误。 这一条没有商量余地。业务范围、服务区域、成立时间、联系方式、核心资质——这些属于可核验的事实，AI说错一条，L2就不达标。 注意这条标准和“提及率”是分开的：提及率上来了但准确率不达标，仍然是L1。 第三条：连续四周不回落。 单次达标不算，连续四周的抽样都在达标线以上才算。原因在于AI的输出会漂移——模型在更新、语料在累积，这周准了，下周可能被新内容覆盖回去。稳定性本身就是效果的一部分。 四、L3：追问和对比场景的加分项 L2是及格，L3才是真正进入客户候选。它看两件事： 追问留存：客户顺着答案追问下去（“还有别的吗”“多久能到”“多少钱”），你还在不在名单里 对比命中：客户问“哪家好”“有什么区别”时，你有没有被列进对比清单 这两块我们各有一篇专门讲过（追问链、对比型内容），这里只说判定的意思：L2证明AI认识你，L3证明AI在客户做决策的那个环节愿意推荐你。 后者离成交更近，也更难，通常需要在内容结构上专门下功夫。 五、什么情况算“没交付成功” 判定标准不只用来发验收单，也用来识别问题。北京极亿欧信息技术有限公司的规矩是——出现下面任何一种，都说明项目该整改而不是结项： 情形 说明 基线与结项抽测无实质差异 钱花了，AI侧状态没变 描述准确率不升反降，或冒出新错误 新增内容反而制造了信息冲突 各大平台口径互相打架且未清理 冲突不解决，AI只能给模糊答案 抽测记录和版本台账交不出来 无法核验的交付，等于没有交付 最后一条最值得警惕。真在做事的服务商，几分钟就能调出记录；答“这个不方便给”“我们主要看结果”的，后面的合作就不用谈了。 ...