# 标准为什么反复强调"别把没测到说成 0"：谈谈测量诚信的三条底线

> 两套 GEO 团标里，出现频率最高的要求不是某个指标，而是"数据得真实"——不得伪造、不得篡改、不得选择性呈现。听起来是常识，但在 AI 监测这个领域,"没采样到"和"采样了但没提及"在界面上长得一模一样。本文讲我们为此设的三条底线与具体做法。

## 一个真实的行业陷阱

先看一个问题。

某个品牌的 GEO 监测报告上，15 个 AI 引擎里有 6 个显示品牌提及率「0.0%」。如果你是品牌负责人，你的第一反应是什么？

大概率是：**"这 6 个 AI 完全不提我们。"**

但真相可能是另一个：**这 6 个引擎根本没测过**——样本为 0，什么都没采到。

这两种情况在界面上**长得一模一样**，都是「0.0%」。而它们的管理含义完全相反：一个是"表现不好需要优化"，另一个是"数据缺失需要补采"。如果报告把后者显示成前者，客户就会拿着错误的结论去做决策。

两套 GEO 团体标准都注意到了这类问题。翻遍中广协和商广协的标准文本，「真实性」是出现频率最高的原则之一：

> **中广协 047 §5.1**：监测与验证应基于真实查询与真实回答，如实记录、统计与呈现，不应伪造、篡改、挑选或美化数据……并应客观呈现波动与负面结果。
>
> **商广协 003 §5.3.1**：系统中的数据应真实、可溯源，不得伪造、篡改或选择性呈现数据结果。

这不是老生常谈，而是有具体技术含义的。下面是我们为此设的三条底线。

## 底线一：分母为零，不显示 0%

**每条比率都带分母**是我们报告里的硬性规则，由质量门强制——

- 显示「23.5%」时必须同时能看到「分母 68」；
- 分母为 0 时显示「**无采样**」而不是「0%」；
- 报告里明确写着：分母是"可判定的回答数"，未得到回答的问法不计入分母，也不当作未提及。

这条规则的关键在于**双向**：不仅要防"把没测到显示成 0%"，也要防**反过来**——把真实的 0%（确实采样了，确实一次都没提及）显示成"无采样"。这两种错误同样严重：前者是虚假的坏消息，后者是虚假的好消息。

这是我们在实现时踩过的坑：守卫测试必须**两个方向都断言**，否则修掉一个方向的缺陷时，很容易制造出反方向的缺陷。

## 底线二：原始记录不可篡改，且可自证未被篡改

标准要求「原始记录不应被覆盖、篡改或选择性删除；修改应留痕」。落到技术上，我们做了三件事：

**① 每次采样生成快照文件**——包含回答原文、引用信源清单、请求与响应摘要。这是"那天那个时刻，那个 AI 确实这么回答了"的直接证据。

**② 快照带 HMAC-SHA256 签名**——签名基于内容本身计算。任何人（包括我们自己）改动了快照内容，签名校验都会失败。报告系统读取快照时会自动验签，签名不匹配的记录会被标记为不可信，而不是静默使用。

**③ 请求与响应各自留哈希摘要**——用于独立复核采集链路是否完整，而不是只有加工后的结论。

这三件事合起来，回答的是客户最常问但很难回答的问题：**"我怎么知道你们的数据没被改过？"**——不是靠承诺，是靠可校验的签名。

## 底线三：不把全部变化归因于 GEO 服务

标准在这一点上措辞非常一致：

> **中广协 046 §7.5.5**：GEO 服务主体不宜将全部效果变化简单归因于 GEO 服务。涉及平台机制变化、模型更新、委托主体外部内容变化、竞争主体行为变化或者公共舆论变化等因素的，应在报告中作出必要说明。

这条要求的本质是**区分"相关"与"因果"**。AI 回答的可见性受很多因素影响：模型版本更新、检索源变化、竞品动作、行业热点。如果忽视这些变量，把所有涨跌都算成"我们的优化效果"，短期看是好的销售话术，长期看是搬起石头砸自己的脚——客户迟早会发现归因站不住。

我们的做法：

- 报告里固定包含**归因边界声明**（哪些结论能得出、哪些不能）；
- 记录**引擎变更事件**（模型升级、检索策略调整的时间线），并在报告里标注为可能的影响因素;
- 稳定性指标明确区分「真实波动」与「样本不足」——样本不够时，结论是"数据不足以下结论"，而不是"表现不稳定"。

## 为什么这些"常识"值得写进标准

有人会问：不造假、留原始记录，不是做数据行业的基本职业道德吗？

是。但 GEO 测量的特殊性让这些"常识"变成了技术难题：

- **AI 回答有随机性**——同一个问题问三次可能得到三个不同答案，"采样"天然需要重复与统计，而重复次数直接关联成本；
- **"提及"需要判定**——品牌别名、产品名、商标变体，"算不算提到"本身就有判定空间；
- **链路长**——从提问、采集、解析、判定到聚合，每个环节都可能引入失真，而任何一处失真都不会报错。

**标准把这些难题变成显式要求，恰恰是行业成熟的标志。**对我们这种把技术平台作为核心产品的团队来说，这也是一个检验点：标准里写"不得伪造、篡改或选择性呈现"——你能不能在架构层面证明自己做不到这件事？

## 不能据此推出什么

- 有签名和快照，不等于数据一定正确——它们保证的是"记录未被篡改"，不保证"采集方法无偏差"；
- 分母披露解决的是可解释性，不解决样本量不足的问题——分母很小的时候，比率波动会很大，报告里会标注但不美化；
- 归因边界声明不等于免责——我们仍然要为测量本身的准确性负责。

## 小结

测量诚信在这个行业不是道德问题，是**工程问题**。它依赖的不是"我们承诺不造假"，而是若干具体的架构决定：

| 要求 | 实现 |
|---|---|
| 不把"没测到"当"0%" | 分母为 0 显示「无采样」；双向守卫测试 |
| 原始记录不可篡改 | 快照 + HMAC-SHA256 签名 + 请求/响应哈希 |
| 不选择性呈现 | 报告强制披露分母、无效样本剔除规则与局限性 |
| 不夸大归因 | 固定归因边界声明 + 引擎变更事件时间线 |

这些机制大多不在客户的日常视线里——它们的存在方式是**当客户质疑时，能拿得出、验得了**。这才是"数据可追溯"的真实含义。