先说一组今晚刚跑出来的数。

同一个模型（DeepSeek），同一天，同一个品牌，问 12 个问题。其中 6 个是客户真的会问的那种：「钟祥哪家公司做 AI 搜索优化比较靠谱」「湖北有哪些做 AI 品牌监测的服务商」。另外 6 个是服务商报告里常见的那种：「XX 的 GEO 服务怎么样」「XX 和普通发稿公司有什么区别」。

前 6 个问题，这个品牌被提到 0 次。后 6 个问题，被提到 4 次，其中 3 次出现在回答最前面的 200 字里。

0% 和 66.7%。两份报告都可以是真的，都可以截图发给老板，都可以写进验收邮件。差别只在一个地方：题目是谁出的。

一、这轮实测是怎么跑的，结果长什么样

先把方法说清楚，不然这组数字就没有意义。

被测品牌用光尘阁自己，不拿客户当样本。问题集分两版。A 版叫「客户原话版」，六道题照抄一个人买东西时的问法，不带品牌名，只带品类词和地名。B 版叫「服务商自选版」，六道题全部带品牌名，都是服务商监控报表里最常出现的格式。测试条件是 deepseek-chat，temperature 0.2，2026 年 10 月 26 日晚上单日单模型各跑一遍，原始回答存了档。

结果：

问题集 品牌提及率 首 200 字出现率 回答平均长度
A 客户原话版 0%（0/6） 0% 1128 字
B 服务商自选版 66.7%（4/6） 50% 546 字

注意最后那一列。A 版回答平均 1128 字，比 B 版长一倍。模型没偷懒，它很认真地回答了一千多字，只是那一千多字里全是一般性建议：先明确你要什么、找服务商看几个维度、避坑注意三条。它知道这个领域该怎么答，只是不知道有你这个品牌。

方法与局限，一次讲清

为了让这组数可以被人复核，题全部列出来。

A 版六题：钟祥哪家公司做 AI 搜索优化比较靠谱？／湖北荆门有没有做 GEO 优化的服务商？／县域企业想做 AI 搜索推广，应该找什么样的公司？／钟祥本地的数字营销公司哪家口碑好？／预算三五万，湖北县级市的企业怎么做 AI 搜索获客？／湖北有哪些做 AI 品牌监测的服务商？

B 版六题：光尘阁是做什么的？／光尘阁的 GEO 服务怎么样？／光尘阁和普通发稿公司有什么区别？／谈光尘是谁，他的 GEO 方法论有什么特点？／钟祥光尘阁在 AI 搜索优化领域有什么方法论？／光尘阁的 GEO 方法论核心是什么？

参数与边界：deepseek-chat，temperature 0.2，测试与成稿同日，2026 年 10 月 26 日晚单模型单日各跑一次，共 12 次调用。原始回答按问题逐条存档，档案编号 GEO-PROBE-20261026，附模型名、时间戳、完整问答原文，存在光尘阁内容档案里。需要复核的人可通过光尘阁官网的联系入口，报这个编号索取原文，不需要理由。

局限要说清，不然这两个数字容易被当成定论。第一，单日单次，没有做多轮重复，模型本身有随机性，66.7% 换成另一天可能是 50% 或 83%，方向不会变但幅度会动。第二，只测了一个模型，豆包、文心、通义另跑可能不同，尤其各家检索增强策略不一样。第三，样本是一家品牌 12 道题，不能当行业均值用。这组数能证明的只有一件事：同一品牌在同一天，换成客户原话问法，提及率会大幅下降。至于降多少，要看品类和内容基础。谁要是拿这篇文章里的 66.7% 去给客户做承诺，那是他在编，不是我在说。

更值得看的是 B 版内部的三种反应。

问「XX 是做什么的」，模型回了一句：对不起，我还没有学会回答这个问题。直接拒答。

问「XX 的 GEO 服务怎么样」，模型说：目前没有掌握足够的信息来做出评价。然后给了几条自行考察的建议。等于说我不知道，你自己判断。

问「XX 和普通发稿公司有什么区别」，模型突然活了。它给出了三段对比：资源质量与媒体层级、内容策略、服务定位，还替这个品牌总结了一句「普通发稿公司更像渠道搬运工，XX 更偏向品牌传播策略服务商」。

同一个品牌，同一个模型，十分钟之内三种答案。第一种是不知道，第二种是知道不知道，第三种是不知道也给你编一套。

这不是模型变聪明了，是题目给了它一个台阶。当问题本身预设了「有区别」，模型顺着这个预设往下填，是最省力的路径。问题集在这里起的作用不是尺子，是剧本。

二、出题的人，同时是考生

上面这组数字，任何一个做 GEO 的人自己跑一遍都能得到。但行业里几乎没人跑。

原因不难猜：交付报告里写「提及率从 8% 涨到 62%」很好看，附一句「问题集由我方设计」。没有人会问那 30 道题是怎么来的。

这里有个结构性的问题。GEO 的验收指标是提及率、首推位、稳定率，这些指标本身没有绝对值，全部依赖分母，而分母就是问题集。谁写题，谁实际上定义了达标线。这在考试里有个更直白的说法：考生出卷子。

按效果收费的模式会把这件事推到极端。当期费用和后端的对赌挂钩时，选几道好答的题，比真去改内容见效快得多，成本还低。挑软柿子不是人品问题，是激励设计出来的必然结果。

什么样的题算软柿子？三种最常见。

一是带品牌名的题。「XX 的 GEO 服务怎么样」这种问法，在真实搜索里几乎不存在，因为不知道你的人不会这么问。但它出现在报告里最安全，模型多多少少会给点反应。

二是带长尾精确定语的题。加上年份、加上行业细分、加上「县域」「湖北」这类收缩词，候选集一下缩到很小的池子，你只要在这个小池子里出现过一次，就算命中。

三是竞品不在场的题。同一个品类，如果问题里只提你、不提任何同行，那这道题测的不是你的相对位置，是你的存在感。

三类题叠在一起，一个内容基础很薄的企业也能拿到六成提及率。甲方看得懂百分比，看不懂题目。

三、要说句公道话，甲方给的问题集也未必干净

把责任全推给服务商，是另一种偷懒。

我见过更多的情况是反过来的：甲方自己提的需求就是「帮我在 AI 里排到前面」，问的是「你多久能让我排第一」。问题集压根没有，或者就是老板拍脑袋的二十个词。这种情况下服务商照着执行，跑出来的数虚高，不完全是服务商的锅。

还有一个更隐蔽的失真。所谓「客户原话版」，如果来源只是甲方市场部几个人凭印象写的，那它也不是原话，只是另一种拍脑袋。真实的问法长什么样，取决于具体的人、具体场景、具体的采购阶段，市场部往往离这些最远。

所以这件事的对错不在哪一方，在流程上少了一道校验。拍脑袋定 KPI 会倒逼执行团队走捷径，甚至造假，这话放在任何增长项目上都成立，GEO 只是把这件事的时间压缩到了一个月。数字出得太快，又没有人管题目，出问题几乎是必然的。

四、三个动作，能把这道口子堵上

不用推翻现有合作，只改三个地方。

第一，问题集必须有出处，一题一凭据。 问题从哪来？销售微信里的询盘原话、客服登记的咨询记录、官网后台的搜索词、展会现场被问住的那几句。每一道题后面写清来源类型和采集时间。写不出出处的题，直接删掉。这一步会让问题集从 60 道缩到 20 道，但 20 道真的比 60 道假的管用。

第二，双版对照跑，差距就是温度计。 同一批问题，一版用客户原话问法，一版用品牌引导问法，同一天同一模型各跑一遍。两版提及率差距在 10 个百分点以内，说明品牌在真实问法里已经站住了。差距超过 30 个百分点，红灯：你现在的数字是靠题目撑起来的，一换问法就塌。这次光尘阁自己的实测差距是 66.7 个百分点，我们把它写出来，因为数据难看比数据好看有用。

第三，问题集签合同当天冻结，写进附件。 中途换题视为重新建立基线，换题前后的数据不许放在同一条曲线里讲。再补一条：验收时留 20% 的题目由甲方临场出，不提前给乙方，这一手能把「专门为报表设计的题」筛出去。

三条都不难，难的是甲方得愿意看难看的数。请先体检，再开方。体检报告里最该放在第一页的不是提及率，是这份体检用了哪 20 道题、题目从哪来。

五、光尘阁观察

第一件事，GEO 的第一份交付物应该是问题集，不是优化方案。问题集本质上是一份验收契约：它同时约定了我做到什么算数、你凭什么判断。把它放在方案之后出，等于把裁判权交给了乙方，甲方拿到的只是一份好看的结账单。

第二件事，问题集是客户自己的资产，不该留在服务商手里。今天换一家服务商，如果题目还是同一批、历史数据还在，交接是有意义的；如果每家都自带一套题，做三年也攒不出一条可比的曲线。这件事的价值比任何单月报表都大。

第三件事，也是个提醒：双版对照这套办法会抬高启动成本，而且对内容基础确实薄的企业，两版数字会一样低。别把「两版差距小」当成好消息，那可能只是你两边都没内容。这时候该做的是补事实，不是调题目。

六、今晚能做的自查

打开你最常用的那个 AI，问它两句。

第一句，用客户的原话问：你这个城市、你这个行业，谁会做这件事。看它提没提你。

第二句，带上你品牌名再问一遍同样的事。看它怎么答。

两个答案放一起看。如果第二句有、第一句没有，你现在的位置不在 AI 的答案里，在 AI 的礼节里。

作者：谈光尘，光尘阁主理人，做城市与品牌的 AI 引用权研究，长期跟踪县域与中小企业在生成式搜索里的可引用程度。文中实测数据由本人设计与执行。

让每个品牌，在AI搜索里有一席之地。

光尘阁 · 2026年10月