选 AI 搜索优化服务商，先问这 10 个问题

一句话结论：判断一家 GEO 服务商是否靠谱，不需要看方案写得多漂亮，问 10 个问题就够——这些问题全部指向"口径是否可复核"。能答清楚的，方案基本可信；答不清的，数字再好看也无法验证。

为什么是"提问"而不是"看方案"

AI 搜索优化是一个交付物不太直观的领域：排名看不见，效果有延迟，衡量标准又是新造的。这导致一个后果——方案之间的差异，往往体现在口径的清晰度上，而不是承诺的大小上。

越是把口径写得细的方案，越容易被验证；越是只给结论的方案，越依赖信任。以下 10 个问题，按采购决策的实际顺序排列。

分组一：口径类（4 问）

Q1：你们统计提及率，分母是什么？

提及率 = 被提及的问法数 ÷ 问法总量。关键在于分母的定义：是"问法的条数"，还是"提问的次数"？如果是后者，同一问题问 100 遍会让分母膨胀，数字失去意义。

• 合格回答：明确说分母是问法条数，并给出问法清单。
• 需要追问：回答里只出现"覆盖率""曝光度"这类模糊词，没有给出计算方式。

Q2：复测周期多长？为什么是这个周期？

周期决定你能多快看到反馈。7 天太短，模型与索引的更新尚未反映出来，波动主要是噪声；30 天太长，发现问题后调整的代价偏高。

• 合格回答：给出具体周期，并说明取舍理由。
• 需要追问：回答"随时可以看"，说明没有固定的观测节奏。

Q3：在哪些平台上观测？一共多少条问法？

不同 AI 平台的信源库与检索策略存在差异，只测一个平台容易得出片面结论。

• 合格回答：至少三个平台，问法数量明确（例如 60 条），并说明问法从哪来。
• 需要追问：只测一个平台，或问法数量含糊。

Q4：问法清单是怎么产生的？

这是判断专业度的分水岭。问法应当来自真实用户的提问原话（销售记录、教务回访、公开问答平台），而不是编辑坐在办公室里想出来的。

• 合格回答：说明来源渠道，并有分类框架（如按意图分六类）。
• 需要追问：回答"我们自己列的"，且无法说明依据。

分组二：交付类（3 问）

Q5：每个周期的交付物具体是什么？

交付物是判断"有没有干活"的直接凭据。

• 合格回答：能列出报告板块、附件清单与验收方式。
• 需要追问：回答"会给您反馈"，但没有具体形态。

Q6：内容会发在哪些载体？各载体怎么分工？

载体的可检索性差别很大。自有官网、行业垂媒、门户自媒体、问答社区、公众号，在 AI 采集上的层级依次不同，公众号基本不进入外部信源池。

• 合格回答：说明各载体的定位与投放顺序。
• 需要追问：只提公众号，或只讲"全网发布"而不说具体位置。

Q7：同一篇内容重复投放到多个平台，你们怎么处理？

信源数量按"独立主体"计数——高度同质的内容多发几次，在信源结构上约等于一篇。这是区分"铺量"与"做结构"的关键一问。

• 合格回答：说明会做形态改写，让每个阵地承担不同的信息侧重点。
• 需要追问：以"发得多"作为主要卖点。

分组三：责任类（3 问）

Q8：如果连续两个周期没有变化，你们的调整顺序是什么？

专业方对"没效果"有预设的排查顺序，而不是临时找理由。

• 合格回答：能说出具体顺序，例如先检查答案前置与权威锚，再检查信源覆盖，标题排在最后。
• 需要追问：回答"再等等看"或"再多发一些"。

Q9：你们承诺什么，不承诺什么？能不能写进合同？

这是整份清单里最重要的一问。

• 合格回答：明确把"不承诺具体排名与位置"写进说明，只承诺可核验的动作与周期性记录。
• 危险信号：出现"收录无忧""答案首位可见"这类表述——它们既不符合生成式 AI 的实际运行方式，也无法在技术上兑现。

Q10：主体资质能不能核验？案例能公开到什么程度？

机构客户会去查工商信息，这是 B 端采购的常规动作。

• 合格回答：主动提供运营主体全称、统一社会信用代码；案例做脱敏处理且能说明范围。
• 需要追问：主体信息含糊，或案例只能用"某知名机构"这类无法核对的表述。

一张自查表

把 10 个问题压缩成一张表，采购沟通时可以直接对照：

常见问题

Q1：这些问题是只对教招汇适用吗？

是通用清单，适用于任何 AI 搜索优化服务商。区别在于服务深度，不在于口径标准——口径是行业通用的语言，不因服务商不同而改变。

Q2：如果服务商答不上来，是不是不能合作？

不一定。答不上来说明需要进一步沟通，而不是直接否定。重点是看对方后续有没有把口径补清楚。愿意把口径写细的，通常也愿意承担相应的责任。

Q3：报价差很多，怎么判断？

先比口径，再比价格。口径不同的两份报价，数字之间没有可比性。

效果口径：AI 回答存在随机性，我们交付的是可验证的优化动作与月度可见度变化报告，提升被提及的可能性，不承诺具体排名。