GEO 不能只用“某次回答里出现品牌”证明成功。可靠衡量需要固定问题样本，保存测试条件，并把多种结果分开观察。
先建立可复测基线
每条记录至少包含：问题原文、问题意图、模型与模式、测试日期、答案原文、品牌是否出现、描述是否准确、引用链接、竞争品牌和备注。涉及地区或登录状态时也应记录。
五类指标
- 品牌提及：样本答案中出现品牌的比例和上下文。
- 官网引用：来源列表是否指向官网的相关页面，而不只是出现品牌名。
- 描述准确：名称、产品、能力、地区、版本等关键事实是否正确。
- 问题覆盖：品牌在哪些认知、比较、推荐与决策问题中出现。
- 业务信号：AI 引荐访问、品牌搜索、有效咨询或转化是否变化。
为什么需要多次采样
模型答案受版本、联网检索、地点、时间、会话和生成波动影响。同一问题多次测试可能产生不同结果。因此应以一组问题和多个时间点观察趋势，不用一张截图代表所有用户。
谨慎对待综合分
综合分便于展示，但会隐藏权重和样本。若使用分数，必须同时提供原始记录、计算口径和各维度结果。分数变化也不自动等于业务增长。
项目验收建议
- 技术问题是否按清单修复并重新验证。
- 计划页面是否发布、可访问且内容与结构化数据一致。
- 品牌事实冲突是否减少。
- 同一问题集的复测结果是否完整留痕。
- 无法改善的项目是否说明原因和下一步。
能复现的方法，比看起来漂亮但无法解释的数字更有价值。