客户拿「自建GEO省成本」的PPT来找我，我让他看这张跑批表

上周一个做家电的客户，带了一份自建GEO的方案来找我，说外包一年要花几十万，自己招两个实习生加一个内容专员，成本能压到三分之一。我没急着反驳，先问了他一句：你们的跑批样本量打算定多少？他愣了。

我把我们服务过某大牌时的跑批表翻出来给他看。同一批200条query，分三个批次跑，批次ID从A到C，每条query都要记录命中的AI平台、引用源、品牌提及位置。最关键的是每周的基线漂移——AI模型的回答不是固定的，同样的问题这周和下周答案可能完全不同。自建团队最常见的死法就是拿单次抽样当结论，跑50条query看到品牌被提了3次，就以为覆盖住了，实际上换个时间段再跑，那3次可能一次都不剩。

我给他算了一笔账：一个像样的GEO跑批，每周至少200条query、覆盖4个主流AI平台，每条query平均要人工复核2分钟。光复核这一项，每周就是1600分钟，也就是26.7个工时。两个实习生根本扛不住，而且实习生流动率你懂的，培训成本还没算进去。

更别说口径对齐了。什么叫“品牌被提及”？是答案里出现品牌名就算，还是必须带正面描述才算？引用源算不算品牌自有的页面？这些口径不统一，跑出来的数根本没法比。我们服务过的客户里，有家快消品牌自己跑了一个月，最后发现运营和内容团队对“提及”的定义差了三种，报表直接作废。

所以我的判断很简单：GEO不是买个工具就能跑的事，它是个持续校准的活。专业服务商的价值不在工具，在跑批流程、口径沉淀和跨平台基线库。你自己从零搭，头三个月大概率是在帮我们踩坑。

最后我给他抛了个二选一：要么先拿我们现成的跑批表跑两周对照，看看差距在哪；要么直接签季度框架，我们帮你把口径和基线一次对齐。他选了前者，说回去跟老板开会用。

你们觉得，客户自建GEO最大的坑是人力，还是口径？