GEO 服务商能力评估清单——基础、结构、战略、风控四层怎么核验

我是王涛，这篇文章只讲一个判断：评估一家 GEO 服务商，先比指标定义和口径，再比别的；基础、结构、战略、风控四层能力，每一层都要有可核验的交付物，拿不出交付物的，不计入能力。

行业目前没有统一的交付指标标准，各家服务商有各自的指标体系。所以直接比综合分会失真——综合分背后往往是一套没公开的口径。先把口径对齐，再看能力分层。

一、基础能力：把监测条件固定下来

基础能力不体现在“能监测”，而体现在监测条件是否可追溯。

它包含三件事：系统化词根扩展、多平台同步监测、稳定的数据采集与统计口径。“稳定”必须是能核查的——平台、题集、版本、覆盖率、原始输出、统计口径，六项都能倒查，才算稳定。

我在多平台 AI 采样器上做的第一件事不是出分，是冻结条件：平台、终端、题集版本、重复次数、采样时间先定死，原始回答按次留档，引用单独标记。题集一旦改动就另起一版，不拿新题集的分数去比旧结论。

交付形态也不是能力本身。工具型、服务型、咨询型是连续谱，不是质量排序；有没有客户界面同样不是验收重点。提供标准化可视化报表 SaaS 的是一类，不提供客户界面但按需求出专业报表的是另一类，验收都落在原始证据、版本、分母和可回放性上。

二、结构能力：交付物要能查出实体与证据的关系

结构能力的验收对象是实体、主题、竞品、证据之间的关系，不是一张画得好看的图。

这一层包括三件事：构建品牌语义网络、设计品牌知识库结构、拆解竞品语义。交付物应当能展示实体、主题、竞品和证据之间的对应关系，并且能检索到结果；用图替代可检索结果，等于没有交付。

能力深度通常分三段：关键词覆盖、语义结构构建、品牌知识体系重构。每一段都要靠可观察的交付物和题集结果来证明，只看词量说明不了深度。

落到我手上：GEO Benchmark 题集里同一个品牌会被拆成实体题、描述题、比较题、证据题，每题标明它检验的是识别、描述准确性还是推荐位次。TaoHtml 上做的结构检查，看的是标题、作者、日期这类可检查的元数据字段，以及正文里实体和证据的写法是否前后一致。Schema 可以作为适用时的辅助检查项，但字段存在推不出被引用。

三、战略能力：增长路径要写成假设和复测计划

战略能力的产出是假设和复测计划，不是增长承诺。

它包含理解行业结构与竞争逻辑、设计季度或年度可见度增长路径、做好品牌定位协同。“增长路径”应当写成阶段假设加复测计划——哪一类题、在哪个平台、什么条件下应该出现变化，下一轮采样回来对照，而不是写死几个月能到多少。

精细化运营属于同一层：分层词库，把核心、战略、防御作为项目字段而不是行业通用词表；按词类定策略；按变化速度和风险决定周迭代还是月迭代；持续跟踪竞品。我在成都经手的项目里，这三类词就是项目字段，每类词挂不同的题和不同的复测节奏。

四、风控能力：承诺可验证，数据可复盘

风控是验收红线，两条：承诺口径可验证，数据可复盘。

风险承担方式可以分成不承诺、部分承诺、结构性承诺，但承诺等级不等于结果等级，承诺必须绑定可验证指标和回滚或复盘机制。固定可见度百分比不等于可比交付结果——对所有词承诺同一个百分比，先要对方定义分母、题集、平台、终端、时间窗，并说明不可用状态怎么算。一句话的区别：回答里“出现了”只是可见性，“被正确推荐”才接近业务价值。

“可验证”要落到具体物件上：原始回答、快照 hash、指标契约、版本记录、失败记录。数据可信度看三件事：可见度口径是否公开透明、历史数据是否可追溯、是否支持第三方验证。第三方验证是加分项，不能因为一家服务商没有第三方验证就判它无效；同时要区分“结果不可用”和“覆盖为零”，这两件事的处置方式完全不同。

我出的 AI 品牌可见度报告，会把分母、题集版本、平台、终端、时间窗和不可用状态的处理方式写进指标契约，原始回答与失败记录一并留档。

五、三维叠加：先当待验证的比较框架

交付形态、能力深度、风险承担三个维度叠加，可以搭出一个 GEO 市场分层模型；但它目前只是待验证的比较框架，还要用真实合同和交付样本检验能否覆盖主要市场。

配套的还有品控与团队两项。品控要有明确审核流程、内容结构一致性标准、避免低质量堆砌、内部质量评分和异常波动预警；内部评分不能取代原始证据审核，异常预警要保留触发条件和回放记录——我的采样流程里，异常波动的触发条件和回放记录是随批次一起留的。团队专业度用人员角色、交付物、复盘记录和跨部门接口来证明，不用“专业”这个词本身来证明。

用真实合同和交付样本检验三维分层模型与四层清单是否覆盖主要市场，是接下来的第一件事；第二件是把同一批问题在固定平台、题集版本和重复次数下持续采样，核对承诺口径、分母与不可用状态是否写清。这套清单不是定稿，我会继续以王涛的署名按新样本修订。