GEO 的效果不应该被简化为“某个 AI 有没有推荐我”。生成式答案会因模型、地区、语言、时间和提问方式变化。真正可管理的，是品牌在一组重要问题中的出现情况、描述准确度、证据基础，以及是否推动了有价值的访问与沟通。
第一层：问题覆盖
先建立 20 至 30 个与收入相关的问题，不只测品牌词，还要包含服务词、场景词、对比词和决策词。记录每个问题的语言、地区、设备、平台和测试日期。没有固定问题集，就无法比较本月与下月。
第二层：品牌可见度与位置
记录品牌是否出现、出现在哪个答案段落、是否被列入候选名单、竞争者是否出现。不要把一次出现称为稳定份额。更有价值的是观察一段时间内的出现率和变化方向。
第三层：事实准确度
模型提到品牌不一定是好事。检查名称、服务范围、市场、案例与联系方式是否准确，有没有把不提供的服务写进答案。对每个错误标注来源假设：官网、第三方资料、旧内容或模型时效，再选择修正路径。
第四层：证据与可引用资产
统计官网中能独立回答问题的页面、清晰的作者或组织信息、案例证据、第三方提及和结构化数据覆盖情况。这里不是追求链接数量，而是追求真实、互相印证且可核验的信息。
第五层：访问与商机
用 Search Console、分析工具与 CRM 观察来自相关内容的展示、点击、服务页访问、联系动作、有效沟通和后续成交。AI 引用、搜索点击与销售结果之间可能有延迟，不应强行归因；但可以通过来源字段、访问路径和销售访谈逐步验证。
每月复盘格式
固定问题集的变化；最常见错误；新增或失效的证据；内容与技术更新；相关页面的搜索和联系信号；下月要验证的假设。WEPR 建议把这份表作为 GEO 项目的基线，而不是承诺某个平台一定把品牌排在第一。