GEO 效果怎么向老板汇报
先把这张表放出来。它是表样，数字是示例，列是重点：
| 平台 | 问题数 | 采样次数 | 提及率 | 准确性 | 正面性 | 事实错误条数 |
|---|---|---|---|---|---|---|
| 豆包 | 120 | 3 | 34% | 82% | 91% | 7 |
| DeepSeek | 120 | 3 | 28% | 79% | 88% | 9 |
| Kimi | 120 | 3 | 31% | 84% | 90% | 5 |
| 通义 | 120 | 3 | 26% | 81% | 87% | 6 |
| 智谱 | 120 | 3 | 22% | 78% | 89% | 8 |
七列。少一列，汇报就会被打回来。下面说每一列为什么在。
列一、列二：平台和问题数
平台要分开列，不能合并成一个总数。 因为用户在不同平台的提问方式和拿到的答案差别很大，合并之后你看不出该往哪个方向使劲。
我们固定采样的五个平台是豆包、DeepSeek、Kimi、通义、智谱。固定下来很重要——换平台就等于换了尺子，前后两次的数不再可比。
问题数必须是同一套题。 意思是这次测的 120 个问题，下次复测还是这 120 个。问题集一旦变动，提及率的变化就无法归因——你分不清是效果变好了还是题变简单了。
问题集怎么来：把你所在行业客户真正常问的问题收集起来，做成一份固定的清单。规模上，一百题以上才有统计意义，题目太少，一两条的波动就会让整个比例跳动。
列三：采样次数
同一个问题问一次是不够的。
大模型的回答带有随机性，同一天问同一个问题，答案可能不一样。只采一次，你测到的是某一次的结果，不是稳定状态。
我们的做法是每个问题在每个平台上采样三次，看三次的分布。所以这一列的意义是让读者知道：上面的提及率不是单次抽取，是多次采样的结果。
如果你的采样次数是 1，那么在汇报时至少要说明这一点，否则那些百分比会给人一种不该有的确定感。
列四：提及率
这一列回答的是"客户问 AI 这类问题的时候，AI 会不会提到我们"。
它是这套表里最直观、也最容易被过度解读的一列。
两个提醒。第一，提及率不可能也不需要做到 100%。客户问一个宽泛的行业问题，AI 报出十几个品牌，你在这十几个里出现，已经是有效曝光。第二，提及率要和"提及时的表述"一起看——被提到但紧接着跟一句负面评价，不如不被提到。
所以这一列最好配合一句结论：在多少比例的回答里被提到，其中多少是正面表述。 只给一个数字，老板会问"提到的是什么内容"。
列五、列六：准确性和正面性
这两列是分开评的，因为它们是两件事。
准确性看的是：AI 说到的关于你的事实对不对。价格、产品线、成立时间、服务范围、门店位置。这一维度的分母是"被提到的次数"，不是问题数——没被提到就谈不上准确不准确。
正面性看的是：AI 在描述你的时候，语气和倾向如何。口碑、评价、优缺点表述都归在这里。
为什么必须分开： 一个品牌可能被准确描述但语气负面（说的都是真的，但都在讲缺点），也可能被正面描述但事实错误（夸你，但数字是错的）。这两种情况的处理方式完全不同——前者要修口碑，后者要修事实。
合成一个"总分"最省事，也最没用，因为它丢掉了这个区别。
列七：事实错误条数
这一列是整套表里最能说服人的一列。
原因很直接：前六列都是比例，老板看完会问"所以呢"。而这一列是清单，你可以具体到"AI 说我们的标准版年费是八千元，实际是 399 元一个月"，然后把原文贴出来。
具体的错误比抽象的分数有说服力。所以这一列不能只给数字，要能展开成一串条目，每条包含：哪个平台、原问题、AI 的原话、正确的事、错在哪。
这张清单本身就是一个可执行的待办列表。修完一条划掉一条，下个月复测看它有没有消失。
汇报时的三句话
表格之上，汇报内容收成三句话就够：
第一句，现状。 在五个平台、120 个问题、每个问题采样三次的条件下，提及率是多少，其中正面表述占比多少。
第二句，问题。 当前有几条事实错误，最严重的一条是什么。这一句要带原文。
第三句，动作与验证。 接下来修哪几条、怎么修、多久之后复测、复测的判定标准是什么。
第三句是关键。没有复测计划的汇报，等于只报告了问题。 而 GEO 的所有动作，效果都要靠复测才能看到——这件事没有即时反馈。
不要拿这些去汇报
截图。 截图的问题不在真假，在于它不可复测。老板会问"怎么证明这不是你刚好搜到的这一次"，你没有答案。
单次快照。 只测一次的数，波动大到不足以支撑结论。
对手的对比数据，如果口径和你自己的不一样。 拿别人的百分比和自己的百分比并列，看起来很有力，实际上不可比——问题集不同、时间不同、采样次数不同，比出来的结论是假的。
"AI 现在会提到我们了"这种定性描述。 它是好消息，但不是汇报材料。定性描述没法用来判断趋势，也没法用来验收投入。
复测节奏怎么定
每周一次。 频率再高意义不大，因为检索和收录的更新本身有延迟，你今天改的东西明天不会体现。每周一次能看出趋势，又不会让你陷入噪音。
动作和复测之间至少留七天。 修完事实、发布新内容之后，给模型重新检索的时间。三天就去看结果，多数时候看到的是没变化，然后误判为"这招没用"。
每次复测用同一套题、同一批平台、同样的采样次数。 这三样有任何一样变了，两次的数就不能直接比。
记录每次的结果。 单次的数没有意义，连续六周的趋势才有。第一次汇报时就把这一点讲清楚，避免老板拿着单次数据要求解释波动。
两个常被追问的问题
问：老板问"这个投入值不值"，怎么答？
答口径，不答承诺。可以给的是：当前状态、错误清单、修复计划、复测节点。不能给的是"三个月后提及率翻倍"这类承诺，因为提及率不是单方面能决定的。把承诺换成可验证的节点，是这类汇报里最稳的做法。
问：为什么不直接买一份第三方报告？
第三方报告可以作为参考，但你无法控制它的问题集和采样方式，也就无法做前后对比。GEO 的进展只能靠你自己固定的那把尺子量。 尺子可以借鉴，不能外包。
相关阅读
延伸阅读：派一个目标过去，系统怎么自己拆任务、派工、验收、GEO 预算怎么切：技术基建、内容生产与付费信源的钱该怎么分、GEO 实操：让你的品牌被豆包、DeepSeek 引用的 6 个动作。
如果你想知道 AI 现在怎么描述你的品牌、哪里说错了，可以从 一次免费的品牌可见度体检 开始。