一场GEO汇报开到一半，屏幕上出现了一张AI回答截图。
品牌名被红框圈住，旁边还有一句挺漂亮的推荐语。会议室里的人凑近看了看，心里大概都会冒出同一个念头，成了？
先别急。
这张图很可能是真的。麻烦在于，它只记录了某一次提问、某一次生成，以及某一刻刚好出现的答案。拿它证明GEO长期有效，有点像抽卡抽中了SSR，马上宣布这个卡池出货率百分之百。
那些没有截下来的回答去哪了
模型回答会变。换个模型版本，改几个字，带上前一轮对话，打开联网，再问一次，结果都可能不同。OpenAI的开发者文档也提醒，模型生成具有非确定性，需要持续测试和评估。[2]
所以我看到效果截图时，通常先把真假放在一边，问几件很朴素的事。
这是什么模型，在哪个入口测的？测试时有没有联网，有没有上传品牌材料？同一道题问了几次？品牌出现了几次，又消失了几次？
如果一共问了二十次，只展示最好看的那一次，截图没有造假，结论却已经走远了。
还有一种更省力的做法。题目里直接塞进品牌名，再拿回答证明模型会推荐这个品牌。模型当然可能接着聊，就像你问朋友「这家店是不是很好吃」，对方顺着你的话说几句。可这和他周末主动带人去吃，完全是两种分量。
出现了，也可能是在劝退
品牌名出现在回答里，听上去是好事。仔细看却未必。
模型可能把它列进候选，也可能放在第一位推荐，还可能提醒「这款产品更适合某类人」「购买前要留意某项风险」。如果报告只数品牌名出现了几次，夸奖和劝退都会被装进同一个「推荐率」。这账算得太轻松了。
GEO早期研究建立的GEO-bench包含1万条查询、25个领域和9类任务，评估时会看引用位置、相关文字篇幅和主观影响等多个维度。[3] 学术评估都不敢只数名字，商业验收更不该偷这个懒。
一份讲得清楚的报告，至少应拆开看提及率、推荐率、首选率、引用率和情感倾向。名字露面是一件事，模型愿不愿意把品牌放进关键建议里，是另一件事。
截图之外还有一整卷结果
别只收高光照片，要看整卷胶片
我们可以把一次GEO测试想成拍一卷胶片。交付方只拿出最好看的一张，当然赏心悦目。企业真正花钱买的，却应该是整卷结果。
完整问题清单要在测试前确定。模型、入口、日期、联网状态要留下记录。成功样本和失败样本都得交出来，完整上下文、分享链接或原始日志也要保留。最好再让客户或第三方按同样条件复测一次。
这听上去麻烦，却能省掉后面更大的麻烦。品牌究竟在哪些问题上容易被看见，在哪些地方总是缺席，模型引用了谁，又为什么信了它，这些才是团队下一步能拿来工作的东西。
截至2025年6月，我国生成式人工智能用户规模已达5.15亿人，其中80.9%的用户会用生成式AI回答问题。[1] AI回答正在进入真实的消费决策，企业认真验收并不过分。
下次再看到一张漂亮截图，可以欣赏，也可以高兴。然后把鼠标往下滚一滚。
我们想看的，是截图后面那十九次。
参考资料
[1] 新华网《我国生成式人工智能用户规模达5.15亿人》，2025-10-18。数据引自中国互联网络信息中心《生成式人工智能应用发展报告（2025）》 https://www.xinhuanet.com/fortune/20251018/95ddc306f29f494fb188ed41ad8e5cca/c.html
[2] OpenAI Developers, Text generation https://developers.openai.com/api/docs/guides/text-generation
[3] Aggarwal, P. et al., GEO: Generative Engine Optimization, arXiv:2311.09735，KDD 2024 https://arxiv.org/abs/2311.09735
数据说明 上述数字反映对应报告或实验的特定时间、样本和条件，不代表所有GEO项目均能取得相同结果。
说明 本文讨论一般行业现象与风险识别方法，不针对任何具体企业、媒体或服务商作事实判断，也不构成法律意见。
本文由通察科技 GEO 研究团队出品。