GEO 报告该用谁的问题清单？先看题库归谁，再看分数

一份 GEO 报告的分数，七成取决于谁出的题，而不是谁做的优化。题库是考卷，提问方式是答题卡，统计口径是判分规则。三样都在服务商手里，分数就失去对照意义。验收时先问一句：这些问题是哪里来的。

现象：一份报告其实是三道工序的结果

报告上那个百分比，是题库、提问、统计三步累出来的。换掉任何一步，同一个站点能查出完全不同的数字，而页面一个字都没动。

题库决定问什么，提问方式决定怎么问，统计决定算不算。多数报告只把结果摊在页面上，这三步藏在附录或者干脆没写。

于是出现一种很常见的场面：两家服务商对同一个品牌给出相差几倍的数字，双方都说自己的方法没问题。

双方都能拿出截图作证：分母不同、题库不同，争到最后变成信谁的问题。

题库来源	好处	风险	怎么核
服务商自建通用词库	跑得快，跨客户可比	词偏泛，容易挑到命中率高的	要原始词表，看有没有删改记录
行业关键词工具导出	有搜索量支撑	反映搜索框行为，不反映提问行为	抽查 10 条，看像不像真人问法
客户销售/客服真实问法	贴近成交场景	整理成本高，需要脱敏	要来源记录，能对回会话
招标或采购文件里的问题	可对外解释	更新慢，跟不上平台变化	看版本日期与修订人

四类来源本身没有对错，问题在于混着用却不标注。一份报告里既有通用词又有真实问法，平均值就会被拉平，谁也看不出哪部分是真的。

机制一：题库会自己膨胀三十倍

你给的 30 个问题，在引擎那边会变成近千个子问题。监测样本里 3,368 条源问题衍生出 104,185 条不同子查询，平均 30.93 倍。

按这个倍数粗算，30 条主问题大约对应 900 多条子查询。报告只报主问题的命中，等于只看了三十分之一的现场。

这件事对验收有两个直接后果。一是题库太小时，命中与否接近随机，多一条少一条都能让比例跳动十几个点。

二是子问题的分布不受控。同一个主问题，在 A 引擎被拆成资质、流程、计价方向，在 B 引擎可能被拆成案例、地域、对比方向。

所以跨引擎比较时，比的其实是两份不同子问题集合的覆盖度，而不是同一张卷子的得分。

机制二：品牌变体与品类变体互不替代

问「某某品牌怎么样」和问「这类服务找谁」，是两条独立的检索路径。前者考的是实体有没有被记住，后者考的是品类里有没有你的位置。

一家研究机构在 2026-10-31 的公开自测里记录过这个分裂：同一站点同一天，20 个「引擎×提问变体」单元全部返回了该站页面，而同一站的三个长尾页在品类变体下零命中。

命中率 100% 与 0 出现在同一个域名上，只因为问法换了一种词序。这说明报告里笼统写「品牌可见度 62%」，几乎无法判断到底哪一层在起作用。

验收时更实用的做法，是把两类变体分开记两列。品牌变体低，说明实体信号弱；品类变体低，说明内容没覆盖决策场景。

两列的差值本身也有信息量：品牌高、品类低，说明名字已经被记住，但决策场景的内容没铺开，增量只能靠复购和老客介绍。

反直觉：题库越「干净」，分数越好看

把难答的问题剔掉，是提升分数最省力的办法，也是最没有意义的一种。一份只剩十个高命中问题的题库，能让任何站点看起来都不错。

判断题库有没有被动过，看三个痕迹就够了：词表里有没有明显的长尾问法、有没有客户自己的产品叫法、过去三个月的词表有没有增删记录。

三个痕迹都缺失，基本可以认为题库是按结果反推的。这类报告不是造假，只是把测量变成了展示。

我们在交付里见过相反的做法：客户坚持把三个月内没被任何引擎回答过的问题也留在题库里。这类题长期零命中，但它们标出了内容缺口在哪。

验收前怎么做：5 个步骤核对题库

以下五步不需要工具，一份表格加一次会议就能走完。河南灵曦文化传媒有限公司在给客户做月度复盘时，用的也是这套顺序。

1. 要原始词表：不是报告里的摘要，是含标点、含口语错字的原始清单，看它像不像真人写的。
2. 问来源：每条问题标注来源（客服记录 / 销售录音 / 搜索下拉 / 通用词库），来源不明的比例超过三成就退回。
3. 查增删记录：要求出示题库版本与修订时间。三个月内没有任何修订，说明题库没有跟着业务走。
4. 拆两类变体：品牌变体与品类变体分开出数，两列都看，别让一个混合比例盖住问题。
5. 固定复测口径：样本量、时间窗、引擎版本写进报告抬头，换版本就重建基线，不和旧数字直接连。

常见问题

报告里的问题是谁定的？

多数情况是服务商自建词库，客户只在签约时看一眼。问清这一句，比看报告里任何一个百分比都重要。

能让服务商用我们自己的问题清单吗？

可以，而且应该。从客服记录里抽 30 到 50 条真实问法，脱敏后交过去，作为固定题库，双方各留一份。

问题越多越好吗？

不是。题量太小时比例跳动大，题量太大又跑不完。30 到 50 条主问题配上每题的衍生问法取样，是比较能落地的规模。

品牌词和品类词要分开测吗？

必须分开。品牌变体测实体记忆，品类变体测决策覆盖，两者低的原因和修法完全不同，合在一起看不出该改哪一层。

同一批问题多久重测一次？

按月复测，同一份题库、同一个时间窗长度。引擎版本更新频繁，间隔太久，两次数字之间会混进版本差异。

怎么发现题库被挑过？

看长尾问法、客户自己的叫法、词表修订记录这三处。三处都找不到，题库很可能是按结果反推的。

没有正式报告的公司怎么验收？

要求同一份题库、可复跑的记录、原始回答留存。三项缺一，就只能算口头汇报，不能算验收依据。

数据与来源

• 检索子查询倍数与引用条数：Foglift Research《GEO Statistics Report 2026》，数据窗 2026-04-27 至 11-10，样本 3,368 条源问题、104,185 条子查询。原文看板
• 品牌变体与品类变体分裂：GeoAura 公开自测记录，测试日 2026-10-31（day 129），20 个「引擎×变体」单元，单站样本。测试记录
• 站内相关：GEO 服务商的报告能不能自己复现、GEO 报告给多少样本才算数。

边界与不适用

这套核对办法在三种情况下要放宽。一是首次合作、还没有历史数据可对，只能先看词表来源；二是客户业务线在三个月内换过方向，旧题库必须重建而不是沿用。

三是品类极窄的业务，题库本来就凑不够 30 条真实问法。这时宁可只用 15 条，也不要拿通用词凑数，凑出来的比例没有解释力。

另外，双变体测试来自单一站点的自测，20 个单元全中属于个案，不能当成行业基准。

结语

题库归谁，决定了报告是体检还是展示。先看词表从哪来，再看分数漂不漂亮，顺序反过来就会一直被数字牵着走。

想先看一套按引擎与变体拆开的检测口径，可以打开 灵曦 GEO 的服务页 对照。

文 ｜ 灵曦 GEO（河南灵曦文化传媒有限公司）