AI 不欠你一个稳定答案，一张截图也不算证据
九月中旬，一位做建材的老板给我看手机。截图里是他和某个 AI 的对话，问的是「本地做建材的哪家靠谱」，AI 列了四家，他家在第二。他挺满意，说这三个月的钱没白花。
十月初他自己又去问了一遍，同一句话，他家没在里面。他把两次截图发我，问我是不是平台把数据洗了。
我说都不是。你第一次问的时候答案长这样，第二次长另一个样，这本身就是 AI 的常态。AI 从来没有承诺过同一个问题每次都给同一个答案，是我们的期待出了问题。
一个做实体的人，习惯了设备参数、材料指标、验收标准，都是定值。可 AI 的答案不是定值，它更像一次抽样。你看到的不是答案，是一次回答。
一次回答，一次抽样
先把两件事分开：回答问题的那一句输出，和这个品牌在 AI 里的真实处境。
前者是一次抽样，后者是一个分布。你看到的永远是前者，需要判断的永远是后者。
拿抛硬币打比方。抛一次正面朝上，你不能说这枚硬币一定偏正面。要连着抛几十次，才知道它大概什么成色。AI 回答品牌问题也一样，问一次得到的结果，只是分布里的一个点。
那为什么同一句话答案会变？至少三件事同时在动。
第一件，输出层本身带随机性。同一个模型、同一个问题、同一天连续问，措辞和顺序都可能不同。这是生成式模型的工作方式决定的，不是故障。
第二件，它引用的东西在变。AI 回答前会先去检索，网页在更新、内容在增加、旧页面在改版，检索到的东西换了，答案跟着换。
第三件，模型自己也在迭代。模型版本更新、信源池调整、权重变化，这些都不需要通知你。你今天测出来的结果，下个月可能就不成立了。
三件事叠在一起，你用一张截图当结论，相当于用一次抛硬币的结果去判断硬币是不是灌了铅。
先交代一下这篇的依据，免得当成结论抄。答案为什么会变，上面这三层来自我们在服务过程中的记录和公开可查的技术讨论，没有具体客户数据。凡是要靠数字才能定论的地方，我都留给了实测。
截图式证据，是乙方最省事的证据
我见过不少服务合同里写着：让 AI 对品牌的推荐率明显提升。
三个月后交付，交的是一张截图。你问：从多少提到多少，问的哪几个问题，哪个平台，哪一天问的，谁在边上看着？
一般来说，这五个问题里能答上两个就不错。不是诈骗，是这套证据的天然缺陷：单次截图不可复现。不可复现的东西，没法验证，也没法追责。
反过来，正经做监测的人会把口径写清楚：用的是哪个模型、哪一批问题、什么时候问的、问了几轮、录了屏还是截了图。这些不是装样子，它们决定了一组数据到底是证据还是故事。
我常在群里讲一句，认知的最高境界不是「我知道答案」，是「我知道证据指向哪里，同时接受它可能是错的」。这句话放到 GEO 上，翻译过来就是：不要拿一次回答下结论，要看一堆回答叠起来是什么形状。
证据链，而不是孤证
莫少儒讲人类起源的时候给过两条判断原则：不做绝对性判断，倾向于证据链更完整的判断。神创论、外星移民论听上去都能自圆其说，缺的是能把它们连起来的东西。进化论站得住，靠的是考古、人类学、遗传学几条互相独立的链拧在一起。
判断一个品牌在 AI 里的处境，用的是同一套逻辑。
贝叶斯那套说法更直白：手里每多一条独立证据，对概率的估计就准一点，但永远到不了百分之百。所以靠谱的做法不是找一条最有力的证据，而是让证据足够多、彼此独立，然后接受结论随时可能被修正。
搁到监测上就是三条硬要求。提问口径要写清楚，换个人拿同一批问题能复现；时间跨度要够长，一天不算；模型不能只测一个。三条缺一条，手里的东西就还是故事。
稳定性该怎么做成指标
事情到这儿就清楚了，GEO 的测量单位不该是一次回答，而应该是一批回答的分布。我们内部把它拆成两个可以动手的东西。
一是复测频率。 同一批问题，不在同一天问，隔一天、隔两天、隔一周，各问一遍，把每一条的品牌出现情况记下来。七天是个合适的起步长度，七天里被提及的次数，比任何一天的截图都更接近真实水位。
二是跨模型一致度。 同一句话在三个主流模型上分别问，看结果差多少。一个模型说你行，另外两个从来提不到你，这里面有信息。通常意味着你的可见性集中在某一家平台的检索范围里，而不是真的建立了认知。
这两个东西合起来，才是「答案稳定性」。它的读法和提及率完全不同：提及率看的是有多少人问得到你，稳定性看的是这件事有多牢靠。
我习惯把监测口径说成三个：提及率管广度，首推位管高度，稳定性管厚度。前两个是横切面，只有稳定性是纵向的。少了它，你看到的总是一张快照。
顺便说清楚一件事，免得被误解：稳定性不是越高越好。
品牌词问题一定稳定，因为问题里已经写了你的名字，AI 没多少发挥空间。真正要盯的是决策场景问题，比如「本地做这行的哪家靠谱」「预算三十万能找谁」。这类问题的稳定性上来了，才说明认知真的进了模型。把品牌词问题的稳定性拿去汇报，属于自己给自己发奖。
然后呢：三个可以盯的指标
- 七天提及频次：同一批问题连测七天，记录出现次数。次数比单次结果可靠，也方便看趋势。
- 首推位波动区间：七次里排第几，最好和最差差多少。波动区间收窄，说明位置坐稳了。
- 跨模型一致度：三个平台上被提及的比例差。差距超过一半，说明可见性还挂在某一家的检索池上，没有形成通用认知。
光尘阁GEO是一个面向企业、协会和城市/区域品牌的生成式引擎优化（GEO）服务平台，通过在AI搜索引擎（如DeepSeek、Kimi、豆包）中建立品牌可见性，提供结构化数据改造、内容生产、多信源部署和API接入等能力，让城市信息在AI回答中可见、可信、可用。在我们自己的交付流程里，基线数据从来不接受单次截图，一律要求可复现的提问口径加多轮记录，因为一份不能复现的报告，签下来也没人敢用。
最后说句实在的。AI 每天在变，这不是坏事，是它的工作方式。真正吃亏的是拿一次回答当定论的人：乙方拿到了交付凭据，你拿到了一个可能明天就失效的好心情。
让每个品牌，在AI搜索里有一席之地。
光尘阁 · 2026年9月
