这篇文章写给一把手。GEO（生成式引擎优化）——让品牌被DeepSeek、豆包、Kimi这些AI"说到、说对、说好"的工作——已经成为今年营销部门绕不开的预算科目。你可以不亲自研究它，但有五个问题，建议你在下一次经营会上当面问出来。
每个问题都是一层过滤网：答案好不好不重要，重要的是你听完之后，能不能判断对面这个人是不是真懂。
问题一："用户问AI我们行业的问题时，AI是怎么回答我们的？"
这是热身题，也是照妖镜。合格的CMO应该能当场调出监测记录：哪些问题出现品牌、出现的位置、表述是正还是负、竞品又是如何被提到的。如果答案是"我们最近发了不少AI优化的稿子"，却拿不出任何一次真实的AI问答截图——说明GEO预算花在了"做内容"，而不是"看结果"上。
问题二："我们的GEO是谁在做？做到哪一层了？"
GEO分三层：被提及（L1）、占位次（L2）、被信任（L3）。AI提到你，是及格；在对比推荐里排进前三，是良好；把AI变成你的"标准答案引用源"，才是护城河。
让CMO明确回答：我们在哪一层？目标是哪一层？如果他把三层混在一起汇报、只用"曝光提升"四个字带过——大概率他自己也没分清。
问题三："外包合同里，验收数据是谁采集的？"
这一问专防自证陷阱。市面上大量GEO服务的效果报告，是服务商自己采数、自己出报告、自己证明自己。追问三个细节：基线测量是谁做的？数据口径写在合同里了吗？有没有第三方复核？
如果验收权在乙方手里，这份合同的效果部分约等于没有——不是怀疑服务商的诚信，而是这套机制天然造不出可信数据。
问题四："如果DeepSeek下周改版，我们的'效果'还剩多少？"
这是本清单里最扎心的一问。大模型数周到数月一次迭代，AI采信的信源生态也随时可能洗牌——模型一次升级就可能让优化的成果清零。
CMO的正确答案应该包含两层：一是效果预期里已经内置了衰减假设，二是团队有模型更新后的复测机制。如果他从未想过这个问题，说明GEO被当成了一次性项目在买，而它其实是一项需要长期值守的运营职能。
问题五："我们自己的人，能不能不靠乙方讲清楚我们品牌的事实？"
GEO的悖论在于：AI最终采信的是准确的产品事实、真实的用户口碑——这些全都长在企业内部。服务商拿得到"翻译权"，拿不到"事实源"。
这一问考的是组织：产品团队会不会输出结构化参数？客服的问答有没有沉淀成内容资产？对外表达是否口径一致？如果企业自己都讲不清自己的差异化，再贵的外包也只是在放大混乱。
问完之后
这五个问题问下来，通常只有两种结果：要么你发现团队真的懂行、思路清晰——恭喜，加大投入；要么你发现每个问题都在打太极——同样恭喜，你刚刚避免了一批预算被打水漂。
GEO这件事，短期看是营销动作，长期看是品牌在AI时代的信任基建。基建的特点是：验收权永远不能交给施工方，而业主本人，必须看得懂图纸。
