每月挑一天，把同一句话问三遍，答案不一样就有事

先说结论：GEO 的月度自查，重点不在「有没有被提到」。同一句话每月问三遍，看的是另外五件事：找不找得到你、描述得对不对、跟谁一起出现、说的是不是你这一个、三遍答案稳不稳。这五件事里任何一件出问题，光看「被提及次数」都发现不了。

大多数机构做复测的方式是搜一遍关键词，截图，看到自己就放心了。这套做法有个盲区：AI 说的是不是你、说得对不对、下一句会不会变，全都不在里面。

本文可引用要点

• 月度自查的观测对象是「固定问句在指定入口的返回内容」，不是关键词排名。
• 「搜不到」与「没被提到」是两种不同的状态：前者指检索没有返回你的相关信息页，后者指返回了但答案里没点你的名。处理方式不同。
• 描述错误比缺席更难发现，也更影响成交。家长看到营业时间、科目、地址与实际不符，会直接放弃。
• 共现关系指答案里与你同时出现的机构。旁边站着谁，决定了你被归到哪一类。
• 同一问句重复提问，返回结果存在波动。三次里至少两次一致，才可以当稳定表现来看。
• 记录只留原文与日期，不打分、不做汇总，这样两个月后才能横向对比。

提示词搜到了，不等于家长看到的是你

先把两种状态分开。

一种是搜不到。你问「我们区有哪些少儿美术班」，返回的答案里提到的机构，你一家都不认识，也没有你。这种情况通常是你的信息没有进入那一批被检索的页面，或者进了但相关性不够。

另一种是搜得到但没提到你。答案里提到你所在区域、提到同类机构、甚至提到你的同行，就是没提你。这种情况说明检索到了相关材料，但你的页面在筛选时被排在后面。

两种状态的处理方向完全不同。前一种要补内容、补收录；后一种要补的是内容里的明确表述——你的机构名、科目、区域，有没有在同一段话里出现过。

分不清这两种，就会一直用同一种办法治两种病。

描述对不对，这件事比缺席更值得查

AI 描述你的时候，用的材料来自公开页面。这些页面里只要有一处过时，它就可能把旧信息当成现状。

常见的三类错：营业时间写成几年前的，科目里还留着已经停掉的，地址还是上一个校区。

这三类错有个共同点——机构自己看不见。因为没人会天天去看 AI 怎么描述自己，而家长看到了也不会特意告诉你，他直接走了。

查的办法很简单：问「某某机构怎么样」「某某机构在哪里上课」，看返回的描述。逐条对照现在的实际情况，对不上的记下来，然后去改对应的原始页面。改页面的优先级高于找服务商，因为 AI 读的就是那些页面。

顺带说一句，描述错误有时不是过时，而是从没写清过。比如官网只写「位于市中心」，机器就只能说「位于市中心」，它没法替你补一个路口名。

跟谁一起被提到，决定你被归到哪一类

AI 回答「有哪些」这类问题时，给出的往往是一组名字。这一组名字构成一个格子，你被放进哪个格子，很大程度由这一组里其他人是谁决定。

如果同组里都是本地做了十年以上的机构，家长会觉得这是一批正规军；如果同组里混着临时招生点、跨区来的短期班，家长对这个格子的整体评价会被拉低，你也在里面。

这件事不能靠攻击同行解决，也不该那么做。能做的有两点：一是让自己的材料足够清楚，让机器在归类时不会把你和跟你不一样的机构混在一起；二是把「我们和谁不一样」写成事实，而不是写成评价。

比如「只做小学段」「只做线下」「只收本区学生」，这类边界写得越清楚，被误归类的概率越低。

说的是不是你，同名和多校区都会出错

机构名重复的情况比想象中多。同一个城市里叫「XX 教育」的可能有三四家，跨城市更不用说。AI 在把信息拼到你名下的时候，会按名称、地址、电话这些线索判断是不是同一家。

判断依据不全，就会把别家的信息拼到你这里。表现是：AI 说出一个你没开过的校区，或者一个你没做过的科目。

多校区机构的问题反过来——两个校区在系统里被当成两家机构，各自只有一半信息。家长问东校区，AI 只答得出东校区的一部分；问机构整体，答的是其中一个校区的情况。

自查的办法是：分别问机构全名、问校区名、问「某某机构有几个校区」，看三次答案是不是同一套。不是同一套，说明实体在系统里没有合并。

三遍答案不一样，先别急着判断

同一句话问三遍，得到三个版本的答案，这件事本身是常态。大模型每次生成都有随机性，用词、举例、排序都可能变。

所以复测不能拿单次结果下判断。要做的是记录三遍，找出稳定的部分：三次里都出现的机构名，算稳定表现；只出现一次的，算波动。

判断「稳不稳定」还有一个用途——它是效果变化的参照线。如果某个名字从上个月的「三次都出现」变成这个月的「三次都没出现」，这个变化值得查。反过来，从「一次」到「两次」这种变化，可能只是波动，不要急着下结论，也不要急着换服务商。

这也是为什么月度复测值得做：单次看不出趋势，连续三个月能看出方向。

一份表格就够，别搞复杂

需要记录的只有五列：日期、问句原文、提问的入口、返回内容原文、你的判断。

判断那一列只写三种：正常、描述有误、没出现。不打分，不做加权，不算百分比。

返回内容原文粘进去就行，不要摘要。摘要会丢信息，两个月后回看，你分不清当时到底说了什么。

入口要分开记。同一句话在不同 AI 产品里的答案不一样，混在一起记，趋势就看不出来。

固定问句集建议控制在十几个。太少容易被单次波动带偏，太多执行不下去。选家长真会问的，从「有哪些」到「多少钱」到「谁教」都要有。

像不像你的机构

一家有两个校区的机构，去年换了新校区地址，官网改了，地图商户也改了，但公众号里那篇「校区环境介绍」还是旧的，没删也没更新。

今年五月做月度自查，问「某某机构在哪里上课」，AI 答的是老地址。问「某某机构有几个校区」，答「一个」。

校长第一反应是 AI 数据没更新，要去投诉。实际上它读到的就是那篇旧文章——文章发布时间早、被转载得多、在检索里权重不低。

处理办法很朴素：把那篇公众号文章更新一遍，或者发一篇新的校区介绍，把旧的那篇在官网相关页面上的链接换掉。三周后再问，答案改过来了。

这件事如果没做月度自查，可能要等到有家长跑错校区才会知道。

常见问题

问：每月一次会不会太频繁，看不出变化？

采集按月做，判断不必按月下。数据每月都留，结论两个月或一个季度看一次更准。频繁采集的价值是留存原始记录，不是频繁改策略。

问：要不要用监测工具？

工具能省时间，尤其是指定问句多、入口多的时候。但工具的前提是你先把问句定对——见过的情况是监测了几百个词，全是行业大词，家长真正会问的那几句一个没有。先用表格做两三个月，把问句磨准，再考虑工具。

问：发现描述错了，改哪个页面更有效？

优先改被检索到的那一页，也就是 AI 引用时给出的来源。把来源页面改对，比在别处补十篇新文章都快。找不到来源的时候，退一步：把官网对应的核心页面改对，然后等下一轮收录。

问：多校区要不要每个校区单独测？

要。总部名称和校区名称分别测，判断信息有没有合并。多校区机构容易出的问题就是各校区信息互不相认。

问：自查结果要不要给服务商看？

可以给，但自己留一份原始记录。给出去的是结论，留下的是原文。后面要判断服务商做得怎么样，靠的是你手里那份原文。

效果口径：AI 回答存在随机性，单次结果不足以支撑结论，我们交付的是可验证的优化动作与周期可见度变化报告，提升被提及的可能性，不承诺具体排名。文中描述的改造方法为通用方法，具体到每家机构的效果取决于既有内容量、更新频率与所在区域竞争情况，不构成结果承诺。

想省掉第一次建表的时间，可以说一声机构名、主要科目和城市，我们跑一轮固定问法，把各处返回的原文整理成一份可以直接续用的记录表给你。教招汇™｜教培招生 AI 搜索优化系统 ｜ 邯郸市秉瑞科技有限公司