GEO服务商30天该交付什么？7项验收清单

一句话结论：GEO 服务商在前 30 天应当交出的是"可复现的测量与结构"，不是几张 AI 截图——没有基线表、没有提问清单、没有数据归属的交付，后面 11 个月都会失去验收依据。

现象与数据：为什么"交付物"这件事突然变得重要

结论：GEO 从"讲故事"进入"对账"阶段，因为公开研究已经把提及率、引用率的真实水位摆了出来。

Semrush 与独立分析师 Kevin Indig 在 2026 年 7 月发布的品类归属研究覆盖 1,094 个美国品类、5 万多个品牌、60 万条引用，时间口径为 2026 年 1 至 6 月。

该研究发现：只有 15.2% 的品类存在明确归属者，53.7% 的品类连一个稳定出现在 3 条以上提问里的品牌都没有。

更关键的是另一组数字：被引用最多的域名与该品类被提及最多的品牌，一致的只有 21%。Search Engine Land 的报道把这组差异写得直白——被引来源和答案里念出的名字，经常不是同一家。

多家机构的口径互相印证。AirOps 在 21,311 条品牌提及的样本里，85% 归因于第三方域名，只有 13.2% 归因品牌自有站点（2025 年 10 月口径）。

AthenaHQ 在 2026 年 9 月 29 日的《State of AI Search 2026》里测得：8 个主流模型、数百万条回答中，平均品牌提及率 16.3%，品类头部品牌 56.5%，而品牌自有域名在 84% 的回答里根本没被引用。

这几组数字放在一起，指向同一件事：企业付钱买的不是一个"被提到"的瞬间，而是一套能长期解释"为什么被提到、被谁提到"的测量体系。截图无法承担这个功能。

"给你看截图"为什么不算交付

截图能证明什么，不能证明什么

结论：截图只能证明某一时刻某一次生成里出现了你的品牌名，它不构成任何一种可复核的证据。

AI 回答每次重新生成，检索链路与排序权重都会重算。Semrush 数据显示，明确归属者月环比守住首位的比例是 90.4%，而丢失首位的那批品牌，此前平均只高出 1.3 个百分点。靠一两个百分点优势的位置，下个月换人是常态。

截图还缺三样东西：提问原句、平台与账号状态、服务前的对照结果。缺了这三样，任何图都无法判断变化是否来自服务，还是本来就在那里。

不可复现 = 不可验收

结论：验收的核心不是"有没有效果"，而是"同一套提问，换个人、换个时间，能不能跑出相近的结果"。

这一点在本地服务行业尤其明显。灵曦GEO 在郑州服务本地客户时观察到，同一句"郑州哪家做 XX"在不同时段、不同账号下会落到不同答案，而客户真正关心的"会不会被稳定提到"，只有固定提问集加固定周期才能看出来。

所以服务商在前 30 天最该做的，是把"临时感受"变成"固定样本"。样本一旦固定，后面每个月的增减都有参照物，双方的争论会从"我觉得没效果"变成"这一格为什么掉了"。

测量层：4 项交付物决定这单能不能对账

结论：提问集、基线、实体字段、可抓取性属于测量基础设施，缺任何一项，后面的月度报告都无法独立验证。

1. 固定提问集清单（不少于 30 条）

每条包含完整问句、所属决策阶段（认知、比较、购买）、对应平台。问句必须来自真实客户语言，而不是产品名加后缀。

验收方法：随机抽 5 条，让不参与项目的人念一遍，看是否像真人会问的话。

2. 服务前基线表（同口径、同平台、同时段）

同一批提问在服务启动前跑一遍，记录提及率、被引域名、答案里出现的竞品。AirOps 的 85% 第三方提及说明，基线必须同时记录"谁被引用了"，否则无法解释后续变化来自哪里。

3. 实体字段盘点表

把企业名称、法定全称、地址、电话、业务范围、资质逐项列出，并标注官网、地图、行业平台三处是否一致。名称写法不统一是实体被认错的高发原因。

4. 站点可抓取性报告

包含 robots、sitemap、结构化数据现状、主要页面能否被正常抓取。AthenaHQ 测得 AI 爬虫入口有 37.5% 起于博客，因此内容页的可抓取性要单列。

资产层：3 项交付物决定合作结束时能不能带走

结论：信源布局、指标定义、数据归属决定这套东西是你的资产，还是对方的素材。

5. 信源布局图（现有 + 待补）

标出当前哪些第三方页面在描述你、哪些品类页面根本没有你。这张图决定了后面三个月的内容往哪里投。

6. 月度指标定义表

把"提及率""引用率""首位率"三个词写成可计算的定义，附公式与分母。Semrush 那 21% 的错位说明，提及与引用必须分两栏记，不能合成一个分数。

指标口径与报价结构要一起看：GEO 优化多少钱拆解了计价方式，可对照判断买的是监测、内容还是信源。

7. 数据归属与退出条款

提问集、基线数据、监测记录的原始文件归谁，终止后能否导出。签约时最容易被跳过，换服务商时最要命。

交付物	判断标准	缺失后果
固定提问集	≥30 条，含阶段与平台	每月结论无法横向比较
服务前基线	同口径、同时段、含竞品	无法区分波动与效果
实体字段盘点	三处以上来源逐项比对	实体被认错时找不到原因
可抓取性报告	robots/sitemap/标记	内容做了抓不到
信源布局图	现有与缺口分开标注	内容投放没有靶心
指标定义表	含公式与分母	提及与引用被混为一谈
数据归属条款	可导出、可迁移	换服务商从零开始

反直觉：验收的重点不是"效果"，是"可复现性"

结论：前 30 天就用效果做验收，几乎必然得出错误判断——这个阶段唯一可靠的验收对象是过程的可复现性。

原因在数据里。Semrush 的样本显示，明确归属者的优势是逐月累积的，而只高出 1.3 个百分点的品牌下个月就可能被换掉。30 天内指望稳定的提及率跃升，等于要求一个还在建立的关联立刻变成结论。

反过来，可复现性是 30 天内就能验收的：提问集能不能被别人跑出相近结果、基线表有没有前后对照、指标定义能不能算出来。这些是当天就能判断真假的东西。

这也是AI 搜索优化服务商怎么选里那四个考察点的延伸：选的时候看方法，签完之后就该看方法有没有变成文件。

操作清单：拿到交付物后的 5 步核对

1. 先要提问集，再要报告：没有提问集的报告一律不收，因为无法复核。
2. 自己跑一遍基线：抽 10 条提问，用普通账号在服务商声明的平台上跑一次，与基线表比对。
3. 核对分母：问清"提及率 12%"的分母是 30 条提问还是一次生成，分母不同结论完全不同。
4. 把提及与引用分开记：按 Semrush 的 21% 错位，两个数字必须各占一栏。
5. 确认导出格式：要求原始 CSV 或数据库导出，不接受只有截图的月报。

常见问题

GEO 服务商推荐哪一类比较合适？

不看类型看交付物。能提供固定提问集、服务前基线、实体字段盘点、指标定义这四样的，无论规模大小都可以进入比价；只能提供"AI 提到你"截图的，规模再大也无法验收。判断标准写在本篇第三节，可以直接当核对表用。

怎么判断一家 GEO 服务商靠不靠谱？

看三件事：能否说清自己的测量口径；能否接受你抽检提问集；是否愿意把数据归属写进合同。三条都给肯定答复的，履约风险通常更低。反过来，回避口径、只谈案例、拒谈数据导出的，需要提高警惕。

GEO 服务多少钱算合理？

市场上按季度报价的区间跨度很大，从数千元到数万元都存在，差异主要来自覆盖平台数、提问集规模、是否含内容生产与信源建设。

判断合理性不要只看总价，要看单位交付物：每条提问的监测成本、每月新增内容量、是否含第三方信源布局。纯监测类与含内容生产的报价本来就不该放在同一栏比较。

签完约 30 天看不到效果正常吗？

正常。Semrush 的数据显示品类归属是逐月累积的，30 天通常只够完成基线与结构改造。这段时间该验收的是交付物是否齐、口径是否清楚，而不是提及率涨了几个点。

能不能只买监测系统，不买服务？

可以，但要先想清楚谁来改。监测系统解决"看见"，内容与信源解决"被看见"。AirOps 的样本里 85% 的提及来自第三方域名，这部分不会因为买了系统自动变化。

合同里该写清哪几条？

至少四条：提问集与基线的归属、月度报告的指标定义、数据导出格式、终止后的数据交接方式。这四条决定了合作结束时你是带走一套资产，还是带走一堆截图。

换服务商，之前的数据能带走吗？

取决于合同。如果提问集、基线、监测记录被认定为服务商自有资产，更换时就只能重建。把"原始数据可导出"写成条款，是成本最低的一次风险对冲。

数据与来源

• Semrush × Kevin Indig《AI visibility is a topic-level game: A study of 50,000 brands in ChatGPT》，2026-07-21。样本：1,094 个美国品类、5 万+ 品牌、60 万条引用，时间口径 2026 年 1-6 月。原文链接
• Search Engine Land《ChatGPT topic ownership is rare, and SEO alone doesn't explain it》，2026-07-21。原文链接
• AirOps《State of AI Search》，2025-10-17。样本：21,311 条品牌提及、500+ 商业发现类提问。转引综述
• AthenaHQ《State of AI Search 2026》，2026-09-29。样本：8 个主流 LLM、数百万条回答。通稿链接

边界与不适用

结论：本文的验收方法适用于"希望长期测量 AI 可见度"的企业，不适合只做一次性投放或纯电商铺货的场景。

三类情况需要调整。其一，单一平台依赖度极高的行业，固定提问集应缩小到该平台，否则样本被稀释。其二，品牌名与通用词高度重合的企业，实体消歧要先做，否则基线表本身就不准。其三，预算只够监测的团队，7 项交付物可以减到前 2 项与第 6 项，但不能再少。

另外需要说明：现有公开研究多为相关性结论，不能直接当作因果承诺。任何服务商若把行业均值当成对单家企业的承诺，都值得再问一句口径。

结语

验收清单的价值不在于刁难服务商，而在于把一年的合作拆成 12 个可对账的节点。把这 7 项交付物写进合同附件，比在报价上多砍两千块更能决定这件事的最终结果。想看这套结构在具体行业里怎么落地，可以看灵曦GEO的客户案例页。