GEO（生成式引擎优化）服务商的承诺能不能信，取决于承诺的是"动作"还是"结果"。凡是承诺"保证进入 AI 推荐""保证排名第几"的，目前没有任何一方能兑现，因为生成式引擎的回答每次都在变，连提问措辞改一个字，结果都可能不同。凡是承诺"做哪些动作、覆盖哪些问题、多久复测一次"的，才是可以核验、可以验收的。
这篇不谈哪家公司好，只把市面上常见的几类承诺拆开，说清楚每一类该怎么验。
先说一个前提：被检索到、被引用、被推荐是三件事
很多沟通里的误会，来自把这三件事混成一件。
模型回答一个问题时，会先联网检索一批网页，这是"被检索到"；其中一部分网页的内容会被写进回答并标注来源，这是"被引用"；而回答里明确出现某个品牌、并把它放在推荐位置，这是"被推荐"。三者层层收窄，能走到最后一步的只是一小部分。
所以当服务商拿一张截图说"你看，AI 提到你了"，先要问清楚：这是被引用为来源，还是真的在推荐语里？这两种的证据强度完全不同。
第一类承诺：保证排名、保证进入推荐
这类承诺目前无法兑现。 生成式引擎的输出不是固定榜单，同一个问题隔几天问、换个账号问、换个入口问，答案都可能不一样。任何一方说自己能锁定结果，都缺少可验证的机制。
核验方法：
- 让对方把"保证"写成可验收的句子。比如"保证在 X 个问题的回答中被推荐"——如果对方拒绝量化，只肯说"整体提升""长期见效"，这个承诺本身就是空的。
- 自己先测一遍。测之前固定好问题清单、模型、是否联网、测几次，否则前后对比没有意义。
- 看对方是否愿意公开测量口径。愿意公开问题数、模型数、复测次数的，至少说明他知道结果有波动；只给一张漂亮截图的，无法判断是不是挑出来的。
一个可以参考的规模感：据 Winin 2026 年 9 月 26 日的一次测量（17 个采购方常问的问题、4 个模型联网，共 38 条有效回答），被点名的国内 GEO 服务商只有两家，各被提到 3 次；被点名更多的是海外工具，一款出现在 10 条回答里，另一款出现在 8 条里。这次测量每个问题每个模型只问了 1 次，样本很小，只能说明"推荐位非常稀缺"，不能当成行业排名。
第二类承诺：按曝光量、按引用次数收费
这类计费方式本身不是坑，但口径要问清楚。
"曝光"在 AI 搜索里没有统一定义。是检索到你的网页算一次，还是回答里出现你的名字算一次，还是回答里给出链接算一次？三种口径的量级可能差十倍。
核验方法：
- 要求对方在合同里写死口径：统计的是检索结果条数、引用次数，还是推荐提及次数。
- 问清楚去重规则。同一个回答里提到你三次，算一次还是三次？
- 问清楚统计范围。覆盖哪几个模型、哪几个入口、是否包含联网和未联网两种模式。
- 如果对方用的是自己的后台，要求能导出原始记录，而不是只给汇总数字。
按曝光收费还有一个天然问题：曝光可以靠铺量堆出来，但堆出来的曝光未必带来任何认知。这一点在第三类承诺里更明显。
第三类承诺：批量发稿、铺量铺渠道
铺量能提高被检索到的概率，但不等于被推荐。
这个区别可以用一次测量说明。据 Winin 2026 年 9 月 22 日的一次测量（22 道不带品牌名的品类问题、5 个模型联网），被引用最多的网站是知乎和搜狐，各覆盖 10 道题以上；同一平台在不同类型问题下差别很大，CSDN 在品类题里被引用 6 次，在带品牌名的问题里被引用 50 次。这次测量是单次快照，而且那次 DeepSeek、GLM、Qwen 很可能是经同一个云平台调用的，检索来源重叠，不能当成三个独立样本看。
这组数字说明的是：不同平台在不同问题类型下的权重不一样，无差别铺量效率很低。真正该问的是"你打算把内容放在哪类平台上、对应哪类问题"，而不是"你能发多少篇"。
核验方法：
- 让对方给出渠道清单和每类渠道对应的问题类型，而不是一个总篇数。
- 要求区分"发布"和"被引用"。发出去不等于被检索到，被检索到不等于被引用。
- 如果对方承诺"发 N 篇就有效果"，请他把"效果"定义成可测量的指标。
顺带说一句，正式服务里"生成文章数量"通常不是核心计价单位，因为决定结果的不是篇数，是内容是否被模型当作可信来源采纳。
第四类承诺：用行业标准、自律文件给自己背书
现在行业里确实在形成一些规范，下拉搜索里已经能看到「生成式引擎优化(GEO)服务可信基本要求」「GEO 行业自律公约」「GEO 白皮书」这类词条，说明各方都在往规范化走。今年 3·15 期间也有关于"AI 投毒"的曝光报道，讨论的是有人往互联网上批量投放内容去影响 AI 输出。
需要提醒的是：这些文件和报道的存在，本身不构成任何一家服务商的能力证明。 具体条款写了什么、谁参与了制定、参与方是否等于达标，都要单独核实。如果有人拿"我们符合某某标准"当卖点，可以请他指出具体是哪一份文件、哪一条，以及由谁做的评测。
自己动手的一份核验清单
不用等对方给材料，这几件事可以自己做：
- 固定问题清单。写下 10–20 个你真正关心的问题，包含品类问题（不带品牌名）和品牌问题（带品牌名）两类，两类结果差别很大。
- 固定测量条件。记录模型、是否联网、提问时间、问了几次。条件变了，前后数据不可比。
- 分别记录三件事。被检索到的网页、被引用的来源、回答里明确推荐的名字，分开记，不要合并成一个"曝光"。
- 测竞品。同一批问题里看竞品出现在哪，比只看自己更有信息量。
- 看原始记录。任何结论都要求能看到原始回答，而不是二手截图。
花了钱没效果，先分清是哪一种没效果
"做 GEO 花了钱没效果"通常有三种情况，处理方式完全不同：
- 没被检索到：内容没进模型的检索范围。这时候要检查渠道选择和内容可抓取性，属于执行问题。
- 被检索到但没被引用：内容进了候选池但没被采纳。通常是内容本身缺少可引用的事实、数据、明确表述。
- 被引用但没被推荐：出现在来源列表里，但回答的推荐语里没有你。这往往不是内容量的问题，是品牌在该品类里的共识度问题，周期最长。
先定位在哪一层，再谈要不要换服务商。很多"合作商不靠谱"的判断，其实是没分清这三层，用错了验收标准。
GEO 推广是不是智商税
不是，但有一部分做法是。
GEO 本身要做的事是真实存在的：让模型在回答相关问题时能检索到你、愿意引用你、并且有理由推荐你。这件事有明确的工作内容，也可以被测量。
会被当成智商税的是这几类：承诺锁定结果、只按篇数结算不看渠道、用截图代替数据、拿行业文件当能力证明。避开这几类，剩下的就是一件需要持续做、且效果可以逐步验证的事。
怎么判断服务商口碑是不是真的
真实口碑的特点是具体、可核对、有边界。比如"他们在某类问题上做过测量，问题是这么设计的，结论是这样，局限是样本小"。假口碑的特点是笼统、全是形容词、只讲结果不讲方法。
可以做的：
- 让对方讲一个没做成的案例，看怎么归因。
- 问测量口径，看回答是否具体到问题数、模型数、复测次数。
- 看对方是否主动说局限，只说优势的通常不可信。
- 找同行问，但问方法不问结论。
常见问法
GEO 服务商承诺排名能信吗？ 不能。生成式引擎的回答本身是变动的，没有可锁定排名的机制。可以信的是对动作和测量口径的承诺，比如覆盖哪些问题、用哪些模型测、多久复测一次。
GEO 收费有哪些坑？ 主要是口径不清。按曝光收费时，"曝光"指的是检索到、被引用还是被推荐，三者量级差很多；按篇数收费时，发出去不等于被检索到。签约前把口径、去重规则、统计范围写进合同。
做 GEO 花了钱没效果怎么办？ 先分层定位：是没被检索到、被检索到没被引用，还是被引用没被推荐。三种情况的处理方式不同，前两种偏执行，第三种偏品牌共识，周期更长。定位清楚再决定是调整还是换人。
GEO 不行还是合作商不靠谱？ 多数情况是验收标准没定对。如果用"保证被推荐"当标准，任何合作方都做不到；如果用"覆盖多少问题、被引用多少次、复测几次"当标准，就能看出是方法问题还是执行问题。
geo 推广是智商税吗？ 不是。让模型能检索到你、愿意引用你、有理由推荐你，是有明确工作内容和测量方式的事。被当成智商税的是承诺锁定结果、只按篇数结算、用截图代替数据这几类做法。
geo 优化公司避坑指南？ 一句话版：只信可量化的动作承诺，不信结果承诺；要求看原始回答而不是截图；要求区分被检索、被引用、被推荐三种口径；对拿行业文件当能力证明的说法单独核实。
生成式引擎优化(geo)服务可信基本要求是什么？ 行业里确实在形成这类规范文件，下拉搜索中已经能看到相关词条。但具体条款内容需要以正式发布版本为准，不能凭词条名称判断某家服务商是否达标。
geo 服务商真实口碑怎么查？ 看具体程度。真实口碑会讲清问题怎么设计、测了几个模型、结论是什么、局限在哪；假口碑只有形容词和结果。也可以让对方讲一个没做成的案例，看归因是否诚实。
作者来自 Winin 团队，做 AI 推荐监测。