PROVE：我们如何做 AI 可见性——一套可被检验的五步方法

先说一个不体面的现状

如果你最近看过几份 GEO 服务商的方案，大概会注意到一件事：它们几乎都给出了一组非常漂亮的数字——首推率、提及率提升幅度、续费率。这些数字通常没有可复核的原始数据，也没有说明是在什么样本、什么引擎、什么问法下测出来的。

这不完全是诚信问题。更根本的原因是：这个行业目前缺少一套能被检验的工作方法。没有方法，就只能比谁的数字更大。

我们把自己做 AI 可见性（GEO）的完整路径固定为五步，命名为 PROVE。选这个词不是因为它好看——它的意思是「证明」。

PROVE 是什么

下面逐条讲每一步在做什么，以及它不能证明什么。

P — Presence：先解决「测得到」的问题

做 AI 可见性，第一个障碍不是优化，是测量本身不可靠。

同一个问题，今天问和明天问，AI 给的答案可能完全不同；同一个问题在两个引擎里，引用来源可能毫无重叠；同一个引擎，换个问法，提不提你完全取决于措辞。如果你的测量方法不把这些变量固定住，得到的"提升"很可能只是采样噪声。

所以 P 这一步的核心不是"看到数字"，而是让数字可比：

• 固定问题集：把客户业务里真实会被问到的问题沉淀成题库，而不是每次临时想几个关键词；
• 多引擎并行：国内与海外主流 AI 入口分别采样，而不是拿一个引擎的结果代表全部；
• 每轮多重复：同一问题在同一引擎上重复采样，用分布而不是单次结果说话；
• 记录采样条件：哪个引擎、什么时间、什么问法、走的哪条采集通道——这些条件不记录，跨期对比就没有意义。

这一步不能证明什么：P 只能说明"在某个时间点、用这套问法、在这些引擎上，你被提到了多少次"。它不能说明客户是否因此认识你，也不能说明被提到是好事——如果 AI 提到你时说的是负面或错误信息，提及率越高越糟。这正是 R 存在的理由。

R — Reasoning：被提到 ≠ 被正确理解

第二步要回答的是：AI 在描述你的时候，说对了没有。

这件事比大多数人以为的更要命。客户看到"AI 提到了我"会觉得是好消息；但如果 AI 把你的价格说错、把你的业务范围说错、把竞品的功能安在你头上，那条提及就是净损失——用户到站发现不符，直接流失。

R 这一步做三件事：

• 事实核对：把 AI 回答里的价格、参数、规格、服务范围与客户自己认定的事实逐条比对，找出矛盾点；
• 认知画像：看 AI 在描述这个品牌时反复使用哪些词、把它归到哪个品类、与谁并列——这是模型对这个品牌的"认知"，未必等于客户想要的定位；
• 盲区识别：哪些高价值问题里客户完全没有出现，或只在很低的排位出现。

这里有一个容易做错的地方：跨引擎比对才有意义。只在一个引擎里看，你无法判断某条错误信息是这个模型的问题，还是行业普遍的认知偏差；跨引擎出现的共同错误，才说明问题出在客户自己的公开信息上。

这一步不能证明什么：R 能指出"哪里说错了"，但不能证明"改了就一定对"。AI 的信息来源是开放网络，你能改的是自己可控的部分（官网、结构化数据、权威信源发布），改不了别人怎么写你。

O — Optimization：优化的是"可被引用的材料"

第三步是改。但改什么，需要先说清一个判断标准。

生成式引擎在回答时，倾向于摘取结构清晰、事实密度高、有明确来源、可被直接引用的内容。所以 O 不是一个"多写文章"的动作，而是把客户已有的信息资产重排成 AI 容易取用的形态：

• 把结论前置：用户问的是具体问题，先给答案，再展开论证；
• 让事实可抽取：价格、规格、资质、服务范围这类硬信息，以结构化方式呈现，而不是埋在大段叙述里；
• 补齐可引用信源：品牌在第三方权威渠道的公开信息越完整、越一致，AI 越容易稳定引用；
• 内容与问题对齐：写的内容要覆盖客户真实被问到的问法，而不是自说自话的营销稿。

这一步不能证明什么：O 是最容易被包装成"我们帮你优化了"的一步，也最需要警惕。写了很多内容不等于被引用；被引用不等于被正确引用；被正确引用也不等于带来客户。这三件事必须分别验证——这就是下一节 V 的作用。

V — Verification：区分「真的变了」和「看起来变了」

这是最容易被跳过、也是最能体现方法论是否认真的地方。

优化之后，AI 的回答通常会发生变化——问题是，这个变化是因为你的优化，还是因为采样噪声、模型更新、时间漂移？

V 的做法是复测：用与基线完全相同的问题集、引擎组合、采样条件和重复次数，在优化后重新测一遍，并与基线做可比性校验。

这里有几条必须守住的纪律，否则复测等于自欺：

• 基线必须先冻结：优化前的测量结果要固定下来（含问题集版本与采样条件），否则"提升"可以靠事后调整口径造出来；
• 采样条件要一致：换了引擎、换了问法、换了采集通道的两次测量，不具备可比性，差值不能当效果；
• 区分统计波动与真实变化：样本量不足时，几个百分点的差异完全可能是随机波动，需要看区间而不是看单点；
• 模型自身会漂移：即使你什么都不做，AI 的回答也会随模型版本更新而变化。复测必须能把"我们改的"和"模型自己变的"分开。

这一步不能证明什么：复测能证明"变化发生了且不在噪声范围内"，但它证明不了因果。AI 的答案由大量它自己抓取的信息共同决定，你无法做严格的对照实验。所以我们的表述是"与我们的动作在时间上对应"，而不是"由我们的动作导致"。这个区别不是文字游戏——把相关性说成因果，是行业里最常见的不诚实。

E — Evidence：把「可见性」接回「生意」

最后一步，也是绝大多数 GEO 方案止步的地方：AI 提到了你，然后呢？

E 这一步做的是归因链：从 AI 的引用来源，到落地页的访问，到线索提交，再到成交，尽量把每一段接起来。

• 引用级归因：哪些内容被哪些引擎引用、引用了多少次，与内容本身的表现挂钩，而不是只看总提及数；
• 流量与线索：AI 来源的访问、转化表单提交，与站内其它来源分开统计；
• 自报兜底：浏览器的来源标识在 AI 场景里大量缺失（很多 AI 客户端不传 referrer），所以表单里必须有"您从哪里了解到我们"这类自报项，并与机器识别的来源分开记录——自报是主观陈述，机器证据是客观记录，两者可信度不同，混在一起算会让数字失去定义；
• 严格口径与宽口径并存：能确认是 AI 来源的部分单独统计，其余归入宽口径。报告里两个数都给出，不合并成一个好看的数字。

这一步不能证明什么：即使归因链完整，也不能证明"是 GEO 带来了这笔订单"。客户的成交受价格、交付、竞品、销售能力共同影响。我们能给出的是一致性证据——AI 引用增加、对应页面访问增加、线索增加，三者在时间上同向——而不是确定性因果。

为什么把它固定成五步

因为这五步各自解决一个不同的问题，而行业里经常把它们混为一谈：

• 把 P 当成全部：只报提及率，于是客户不知道 AI 说错了什么；
• 跳过 R 直接优化：改的方向可能是错的；
• 优化完不复测：无法区分效果与噪声，也无法解释为什么"优化了但没变化"；
• 止步于可见性：说不清这件事和生意的关系。

固定成五步还有一个实际好处：每一步都有明确产出物，也都有明确的失败状态。P 测不到就说测不到（采样失败与"AI 完全没提到你"是两件事，必须分开）；R 找不到错误就说没有发现错误；V 的变化在噪声范围内就如实说在噪声范围内。不把"没测到"写成"没有"，不把"没变化"写成"提升了"。

这条纪律看起来是对客户不利的——毕竟满屏"显著提升"的方案更好卖。但一份把不确定性如实标出来的报告，才是客户能拿去做决策的报告。

五步之外：一个常被忽略的前提

PROVE 描述的是"测—诊—改—验—归"的闭环。但这个闭环能转起来，有一个前提：改好的内容要真的发出去，并且在 AI 能抓到的地方。

只优化不发布，V 就无从验证——你没有改变任何 AI 能看到的东西，复测自然看不到变化，然后归因也归不出东西。所以发布不是第六步，而是让这五步成立的基础设施。

这也是我们在产品里把内容分发做成正式能力、而不是给一份"发布建议清单"的原因。

这套方法的边界

最后把边界讲清楚，这一节比前面任何一节都重要：

• 不能承诺排名或提及率：AI 的回答由模型、检索、实时信息共同决定，任何声称能做到「首推」「占据前三」的说法都不可信；
• 不能承诺因果关系：我们提供的是可复核的测量与一致性证据，不是因果证明；
• 测量本身有成本：多引擎、多重复的采样需要真实调用付费模型接口，样本量越大越接近真实分布，也越贵。任何"无限测量"的承诺都不成立；
• 模型在变：今天的口径明天可能需要调整，报告会标注采样时间与条件，跨期比较需在相同条件下进行；
• 可控范围有限：我们能改的是客户自己的信息资产与自己可控的信源渠道，改不了别人怎么写、也改不了模型的训练数据。

如果你正在评估 GEO 服务商，建议用这五步去问每一个候选方：你怎么测（P）、你怎么判断 AI 理解错了（R）、你改什么（O）、你怎么证明变化不是噪声（V）、你怎么把可见性接到生意上（E）。

能把这五个问题都答清楚的方案，大概率是认真做的方案。答不清的，无论数字多漂亮，都建议谨慎。