一、先把这组数放上来

三题，都是会真实出现在客户口中的本地问法：「钟祥有哪些做AI搜索优化的公司」「钟祥企业做GEO推广找谁」「荆门钟祥的AI营销服务商有哪些」。

同一个 API 入口，同一批题面，同一个模型家族的两个版本：deepseek-chat 和 deepseek-reasoner，temperature 统一 1.0。答案正文去掉空白后做 3 字切片，算 Jaccard 重合度，跑出来是 3.2%、3.6%、6.6%，平均 4.5%。

差的不只是措辞。

第一题，chat 版答了 733 字，reasoner 版答了 160 字。第二题，chat 版开篇直接把 GEO 解释成 generative engine optimization，一口气列出豆包、Kimi、文心一言几个入口；reasoner 版第一句是反问：「先确认你说的 GEO 是哪一种」，然后分成地理位置推广和生成式引擎优化两条路往下走。

同一家企业，问同一个问题，一个模型理解成 A，另一个模型理解成 B。你没法说哪个错，但你一定知道：这两次读数没法相减。

顺带说一句，三题跑完，光尘阁一次都没被提到。这个我们认，前面写过一篇《我们发了 303 篇 GEO 内容，DeepSeek 说「我还没学会回答」》。今天要聊的是另一层：连模型给的答案本身，都不构成一个稳定参照物。而你所有的 GEO 报表，都是在这个参照物上刻的刻度。

二、模型是随时换零件的机器，不是固定资产

大部分老板对 GEO 测量的想象是这样的：有一个固定考场，我第一学期考 34 分，第二学期考 42 分，涨了 8 分。

实际是这么一个东西：考场不通知你就换了卷子，有时连监考老师都换了。你可能连新卷子长什么样都看不到，因为没有版本公告，没有变更日志，同一个 API 名称背后，后端随时可能已经是另一套权重、另一批训练语料、另一套安全策略。

这不是黑天鹅，是常态。模型厂商的迭代节奏以周计，你按季度做报表。中间隔着十几次你看不见的替换。

换代其实有三种形态，麻烦程度递增。

第一种是整模替换，一个模型出了新一代，老名字指向新权重。这种还算好办，名字变了，你能察觉到。

第二种是静默微调。同一个名字底下，权重和语料悄悄动了，对外的版本号一个没变。这种最难防，你以为还是那个考场，卷子已经换过三回了。

第三种是路由层切换。同一个接口，后端按流量、按时段、按账号类型分流到不同的集群，你今天十点问和十一点问，可能落到两台不同的机器上。这一种连模型厂商自己都很难给你一个确定答复，因为它本来就是动态的。

我们上面那组数据用的是第一种，两个明确不同的名字，重合度就已经低到 4.5%。后面两种的波动，只会藏得更深。

问题在于，企业买 GEO 服务时，买的是一串读数。而读数的分母，也就是模型这一版，从来没写进合同。合同里写「月度 AI 可见度报告」，没人写「在哪个版本上测的」。这一格空白，就是后面所有误判的入口。

讲个自己的坑。早几年我们给一家本地企业做第一版可见度报表，做得很用心，把四个月的提及率画成一条平滑上升的曲线，客户拿去给董事会看，也发过朋友圈。第五个月数字回落，客户电话打过来，第一句话是「是不是你们松劲了」。当时我们手里其实有记录：那个月模型换过一版，回答的风格整个变了，连推荐格式都从「综合建议」改成了「分场景列举」。

记录拿出来了，但没用。因为在画那条曲线的时候，我们和客户已经默认了「这四个月是可以连起来比的」。这个默认，比任何一次具体的数据错误都贵。

从那以后，我们的报表第一页不放曲线。

三、两种误判：一种叫虚火，一种叫冤案

换代不做处理，报表会骗两种人。

第一种，虚火。 新版本恰好更愿意提本地品牌，或者对中文长尾问题的召回更宽，你的提及率从 34% 跳到 42%。服务商把这个数字写进月报，客户很高兴，续约。下个季度模型又换了，回落到 33%，没人知道为什么。客户只记得自己花了一样的钱，数字掉了。这时候解释「模型换代了」，听起来就像解释「狗吃了作业」。

第二种，冤案。 反过来，新版本收紧了对中小品牌的提及，或者更倾向于给「暂无权威信息」这类兜底回答，你从 42% 掉到 30%。客户把报表拍在桌上，问这三个月钱花哪了。服务商手里有动作记录、有内容清单、有第三方证据，但都没有用，因为双方从一开始就没有约定「什么条件下这两期数字可以比」。

同一个错误，向上伤害信任，向下伤害专业。

举个具体的算例，把这件事摊开。假设某企业两个月读数：8月测出 34%，10月测出 42%，模型在这两个月间换过一版。服务商的直觉结论是「涨 8 点」，客户的直觉结论是「有效」。但如果看细节：那套题的地板在 8 月是 6 个点，10 月重测是 11 个点；跨版本对照显示，同一批题在同一时间窗内，新版本比旧版本平均高 5.7 个点。

那么真实的动作效果是多少？8 减 5.7，约 2.3 个点。而这个 2.3 还落在新地板 11 个点的半径里。

一句话的会计结论：这次增长里，能归到内容动作上的部分，测不出来。

动作未必无效，只是这份报表不足以证明它有效。两件事差别很大，而大部分月报把它们混成了一件。

这里得说清一个常被搞混的地方。AI 提及率是一种存量，你的内容、证据、第三方落点是流量。存量只能通过流量一点点积分出来，慢，而且有惯性，这个道理《系统之美》里讲得很清楚：浴缸里的水位不会因为你把水龙头拧到最大就立刻升上去。所以存量出现真正的增长，应该是缓慢、连续、可解释的。

而模型换代造成的跳变，是量水的尺子换了。它根本不在这条积分曲线上。

金融上有个更狠的说法：波动率是复利的第一大杀手。两个投资人的平均收益率一样，波动大的那个，年化收益会明显更低。GEO 报表是同一个道理。你把不同尺子的读数硬连成一条曲线，等于给自己凭空加了一层假波动。你看到的是「增长 8 个点」，实际拿到的是一个被污染的几何平均。

四、基线重置四步法

这套东西我们内部叫基线重置，四步，全部落到报表上，不落到感觉上。

第一步：版本锚，报表第一行该写坐标，别急着写数字

每一期报表的第一行，写的应该是这次读数从哪来：模型标识、接口入口、采样日期、题库版本、问法、每题的询问轮次。

现实里最麻烦的是拿不到正式版本号。这种情况下用锚点题：固定三道题，每期都问，把答案算成一个指纹（比如正文的 3 字切片集合，取哈希）。指纹变了，就算没有公告，你也知道换代了。上面那组 3.2% 到 6.6% 的重合度，就是这个指纹的灵敏度参照：同一个家族的两个版本之间，重合度能低到这种程度。

第二步：竖线，换代处断开，前后不连线

报表上遇到换代，画一条竖线，竖线两侧不做环比，不做同比增长，不做任何「较上期 +8%」。

只做绝对水平对比，分两句话写：在 A 版本下你的提及率是 34%；在 B 版本下是 42%。这两句话都说完了，再说第三句才有意义：两版之间不可直接相减。

这条规则的价值不在于技术上多正确，而在于它逼着双方在数字出来之前，先把口径谈死。

第三步：双轨，自己的一轨，可比性的一轨

报表要分两条轨。

第一条是同版本内的环比，这才是你动作的效果，能归因，能追责，能算钱。

第二条是跨版本的对照重测，用来说明可比性，也就是这次换代到底动了多少。做法是同一批题在新旧两个版本上同时跑一遍，算出差多少。

两条轨各说各话，不许合成一个「综合评分」。我见过太多报表把这两件事揉成一个百分数，那个数字看着漂亮，其实什么都不是。

第四步：地板同步重测，换代先测噪声再谈涨跌

噪声地板是这么定义的：同一道题、同一个模型、同一个时间段，连问三遍取中位数，这套题的平均极差就是地板。地板以内叫没变化，一倍以内叫疑似，两倍以上才敢说动了。

关键点在于，换代之后地板必然要重测。新版本的解释更发散，地板就高了；更收敛，地板就低了。你拿旧地板去判新读数，等于拿尺子量尺子。

涨 8 个点，如果地板是 10 个点，那不叫涨，叫抖了一下。

五、反面视角：基线重置最容易被当成甩锅工具

这套方法有个坏处，我必须自己先说：它是服务商最好的挡箭牌。

数字掉了就说模型换代，谁能反驳？所以基线重置要成立，必须配三条能拿出去被检查的约束。

第一，题库冻结。题号、原文、版本号、冻结日期，白纸黑字，改一道题都要留痕。题库一动，分母就变了，跟换代一样致命。

第二，时间窗。新旧对照必须在同一时间窗里跑完，我们内部按 48 小时压。隔了一个月再补测，中间又换了一次版本，这个对照就不作数。

第三，双模交叉。至少两个模型，一个换了版本，一个没换。如果两个同时掉，这个解释就站不住，是你自己的问题，该认就认。

反过来说，客户也可以用这三条去问服务商：跌了，说是换代，题库冻结在哪，时间窗是哪两天，交叉模型是哪两个？三样都拿不出来，这个解释不成立，该追的责任照追。

护栏得双向装，只装一边就是话术。

六、谁其实不需要做这么复杂

得说清楚，基线重置是给「长期盯着同一个指标看趋势」的场景准备的。不是所有人都需要。

如果你只做一次体检，看看自己现在在 AI 里大概什么位置，那不需要基线重置。测一轮，出个快照，一周内完成，用完就完了，没有跨期比较的问题。

如果你的预算一年不到五万，只有三五个核心问题要盯，那用不着四步走，做两步就够：版本锚加地板重测。竖线和双轨是给「要拿报表对股东、对预算、对续约」的场景用的。

如果你的业务变化本身就比模型换代快，比如三个月换一次主推产品，那基线重置的价值也有限。你的历史数据本来就没法跟现在比，因为问的问题都不一样了。

还有一个更根本的前提：得先有题库。没冻结的题库，谈基线重置是空转。这个问题比换代更基础，另篇再说。

把这套东西卖给所有人，是过度交付。这话我先说在前面。

七、月报首页的三句话

口径不用长篇大论，三句就够，放在月报第一页：

第一句：本期读数取自 X 版本，与上期不可直接比较。

第二句：本期噪声地板为 Y，本期变化在地板内 / 一倍内 / 两倍以上。

第三句：本期可比范围内，能下的结论是 Z。

三句话写完，你会发现能下的结论其实不多。这恰恰是好事。GEO 这门生意最容易出事的地方，就是在证据还很薄的时候先把话说满。

八、光尘阁观点

GEO 做到最后，真正的资产是那套随时能重跑一遍的测量方法。曲线好看不好看，是次要的。

曲线会骗人，会被换代、换题、换问法污染，还能被随手截个图发朋友圈。方法不会。方法放在桌上，谁都能复跑，跑出来的数对不上，当场就能吵，吵清了再往下走。

我给一个判断标准，很土：能被复跑的才算数，不能复跑的只是截图。

所以下一份 GEO 报表，我建议你先别急着看那条线往哪走，先看第一行写的是什么。第一行如果只有百分比，没有坐标，这份报表就先别签收。

让每个品牌，在AI搜索里有一席之地。

光尘阁 · 2026年10月