GEO案例怎样验真？先看基线、证据和可复测结果

怎样判断一个GEO案例是否可信

按“类型、授权、问题、基线、动作、证据、结果、限制”八项逐一核验。任何一项缺失都不一定说明造假，但会限制案例能够支持的结论。最关键的是从结果反查到完整样本，再从样本反查到平台环境、页面改动和企业原始资料。

案例不是销售故事的装饰。它应帮助客户判断服务商做了什么、企业需要配合什么、哪些结果可复算、哪些变化无法归因，以及资产最终归谁。

第一步：先确认案例类型与授权状态

客户Logo、头像、评价、聊天截图和项目数据都需要核对来源和授权。匿名不等于可以随意公开，尤其涉及合同、商业秘密、患者、员工或个人信息时，还要做最小必要与隐私审查。

第二步：检查基线是否真实且可比较

如果优化前问“某品牌是什么”，优化后问“请推荐该品牌”，两次结果没有可比性；如果前测关闭联网、后测开启搜索，也不能把差异全部归因于页面建设。基线不是一张截图，而是一组有环境说明的原始记录。

• 问题原文、编号、主题和版本是否保存，前后有没有改变意图。
• 平台产品、网页或App入口、模型、联网状态和账号是否可识别。
• 地区、设备、时间和上下文是否记录，明显变化是否分组。
• 完整回答、全部来源、拒答、无品牌和错误样本是否保留。
• 优化前企业官网、外部来源和事实状态是否有快照或变更记录。

第三步：动作必须具体到URL、事实与证据

每项动作应有负责人、输入资料、完成日期、发布与确认记录和验收证据。内容质量检查应覆盖原创信息、实质性说明、来源、作者与第一手专业知识，但不能把这些检查项包装成所有 AI 的统一推荐权重。

第四步：结果要分成可控交付与平台观察

案例把抓取、索引、页面建设和平台答案分别记录：第三方答案标明问题、入口与时间，企业自有成果则列出事实、页面、证据和监测资产，让过程与结果都能清楚核对。

第五步：数据、截图和百分比怎样核验

Article结构化数据可以表达标题、作者、日期等页面信息，但必须与可见内容一致，也不会替案例证明真实性。结构化数据中不得添加页面没有展示的客户、评分、评价或效果。

• 百分比同时展示分子、分母、有效与无效样本、统计周期和分组条件。
• 排名说明排序定义；没有固定列表结构时，不使用“第几名”包装答案顺序。
• 截图包含问题、回答、平台、时间和来源，不只截品牌附近一行。
• 优化前后原始文件保留，不用后生成的演示图替代平台记录。
• 失败、无变化和反向变化同样进入报告，不能只选择成功样本。
• 外部数据注明发布主体、日期、口径和原始链接，自有监测明确标注。

第六步：判断变化时避免把相关写成因果

页面发布后AI答案变化，只能说明时间上先后发生。平台可能同时更新模型、索引、搜索来源和答案策略，用户环境也可能变化。案例应检查新答案是否引用了新页面、变化是否与具体事实对应、是否在可比样本中重复，以及是否存在明显替代解释。

证据不足时写“复测观察到变化，与本次事实修正方向一致，仍需持续观察”，不要写“通过某方法让AI强制推荐”。平台没有变化时也应保留，继续判断页面是否被发现、证据是否相关或是否只是正常波动。

结果材料核验要点

以一份“14天AI推荐率提升300%”材料为例：配图只有一次品牌出现，前测只有1条问题且关闭联网，后测有4条带品牌提示的问题并开启搜索，也没有完整回答、来源、客户授权和页面变更记录。这样的材料无法支持提升比例和因果判断。

规范材料应归类为行业实施模型，移除无来源比例，列出前后问题、环境差异、有效样本、具体页面动作、可验证交付和不可比较项。客户合作结论只在授权与原始证据完整时使用。

企业采购前可以问服务商的十二个问题

• 案例属于真实授权、匿名真实、实施模型还是典型场景？
• 客户授权覆盖名称、截图、数据和发布渠道吗？
• 前后使用了哪些平台、入口、问题和环境？
• 有效样本、无效样本、分母和统计周期是什么？
• 完整回答、全部来源和失败样本能否抽查？
• 具体改了哪些URL、事实、页面和外部来源？
• 哪些结果是企业可控交付，哪些是第三方观察？
• 怎样判断来源直接支持答案中的主张？
• 如何排除问题改写、联网状态和平台版本差异？
• 数据、账号、内容和域名权限最终归谁？
• 合作结束后能否导出原始样本和建设资产？
• 合同是否承诺无法控制的排名或推荐结果？

常见误区、隐私与结论边界

企上榜案例中心按实践类型、授权范围、事实证据和更新时间分级呈现。行业实施模型用于展示诊断、建设与验收路径；客户授权案例需具备可核验的时间、范围、平台、前后样本、数据来源和公开授权。

• 误区一：大品牌Logo等于真实案例。Logo不能替代授权、范围、过程和证据。
• 误区二：匿名案例无法核验。可对外匿名，但服务商和客户内部仍应保留授权与证据。
• 误区三：截图越多越真实。大量选择性截图仍可能没有可比基线和分母。
• 误区四：有AI来源链接就是平台背书。还要检查来源是否支持具体主张。
• 误区五：结构化数据可以增强案例真实性。Schema只能表达页面已有内容。
• 误区六：失败记录会削弱案例。公开边界和无变化样本反而能说明方法可审计。