GEO在国外早跑通了，国内卡在验收口径上，我拿三个数拆给你看

上周跟纽约那边的 team 开 sync，他们 GEO 项目已经跑了快两年，季度复盘看的是三个数：答对率、引用命中率、问句覆盖率。我回来翻国内几个服务商的验收报告，发现这三样经常糊成一锅粥，今天就拆开讲讲。

第一个数，答对率。 国外是把同一批问句固定在同一个模型版本上跑，模型一升级就重新标 baseline，前后数据绝不混算。国内我看到的是模型悄悄换了版本，答对率涨了 8 个点，服务商拿去邀功——这个 case 很有 insight，但 insight 是假的，涨的是模型底子，不是你的优化动作。所以验收第一条：模型版本号必须写进报告头，换版本就清零重跑。

第二个数，引用命中率。 老外盯的是 AI 回答里有没有点到你指定的那几段内容，而不是笼统的“品牌曝光”。我们这边常见的是拿曝光量充数，可曝光在哪个段落、引了哪句，一概不写。我坚持要求按段落粒度拆：FAQ 段、参数段、售后段分开统计。上周就发现售后段引用率几乎为零，问句库里压根没铺那类问题——这就是分母口径的问题，分母里塞一堆不相关的问句，命中率当然好看。

第三个数，问句覆盖率。 这个最容易被踢。服务商喜欢把答不上来的问句从分母里剔掉，覆盖率立刻漂亮。我在纽约的做法是：批次 ID 从问句发起那一刻就生成，全程带着，最后统计时谁被剔了一目了然。合同里不写死“批次 ID 全程可追溯”，这数就不能信。

说句实在的，GEO 在国外已经是很成熟的工程活了，国内还在拿营销话术糊弄验收。我的判断很简单：验收口径含糊，等于没优化。

想问问大家：你们验收 GEO 项目时，答对率的分母到底是“全部问句”还是“有效问句”？这个口径谁来定，有没有写进合同？