GEO案例怎么复盘：用基线、口径、分层归因与结论落地五步还原一次优化

你是不是也碰到过这种场面：项目做完一个季度，会上有人问了一句"GEO案例怎么复盘"，会议室安静下来。

咱们先把话说清楚：问的人不是要听你念数据，是要一个能拍板的依据。正飞GEO被问得最多的，从来不是怎么做优化，而是做完之后怎么证明它有效。

这篇就把这件事讲透：一次GEO案例复盘，到底要复哪些数据、怎么归因、结论该落到哪里。

这个词通常对应什么需求

搜"GEO案例怎么复盘"的人，一般带着三个目的。

第一个是验收。服务商交了一份报告，甲方想知道这些数字能不能对上合同里的指标。

第二个是续不续。上一轮投入换来了AI答案里的什么位置，还值不值得再投一轮？

第三个是沉淀。同一个方法换个行业还成不成立，踩过的坑怎么变成下一轮的清单。

三个目的指向同一件事：复盘不是把监测截图拼成一页汇报。

复盘是把结果拆回原因，再把原因拆回下一步动作。

只晒截图的复盘，本质上是把判断交给运气。拿着一堆截图去验收，对方怎么会在这个字上签字？

正飞GEO内部对复盘的定义只有一句话：结论能被下一个人复现，才叫复盘。

AI为什么会引用或不引用

要复盘，先要知道答案是怎么来的。

主流生成式搜索走的是检索增强生成的路子：先理解问题，再从索引里召回候选页面，然后拆解比对，最后合成一段带来源的答案。

品牌在不在答案里，取决于这四段有没有掉队。答案里根本没有你，凭什么认为多写两篇稿子就能补上？

这四段也就是正飞GEO做复盘时用的坐标系。

公开研究给了几个可核对的参照。

Aggarwal 等人发表在 KDD 2024 的论文《GEO: Generative Engine Optimization》（arXiv:2311.09735）搭建了 GEO-bench 基准：覆盖 25 个领域、10,000 条查询，每条查询取搜索结果前 5 名作为候选信源，用位置调整词数 PAWC 衡量一段内容在答案里占了多少分量。

同一篇论文的实测里，补充具体统计数据、标注可信引用来源、插入权威引语这三类动作，可见度提升大致落在 30%–40% 区间，关键词堆砌没有显著提升。

另一条来自 Liu 等人的 EMNLP 2023 研究《Evaluating Verifiability in Generative Search Engines》：生成式搜索中平均只有 51.5% 的句子被引用完整支持，74.5% 的引用确实支撑了对应语句。

好家伙，这两组数字直接决定了复盘该怎么看。

被提到和被采信是两件事。很多报告把两者合并成一个"引用率"，看着漂亮，实际没法用。

还有一层是波动。同一个问题问两次，答案可能就变了，模型也不会解释原因。

所以单次截图证明不了任何事，能证明事的是同题重复多次之后的分布。

正飞GEO怎么做

正飞GEO的复盘固定走五步。

第一步，钉死口径。分母统一叫有效回答数，剔除请求失败、空答案、解析失败的样本。

在这个分母上，分开算品牌提及率、内容引用率、首推率、事实准确率、情感倾向五项。

口径没统一，前后两轮的数据就不可比，这是复盘最常见的翻车点。

第二步，还原基线和对照。优化前那轮观测是整场复盘的地基，没有基线，提升是从哪儿算出来的？

公开的实验设计把测量规模写成一条乘法：问题数量 × 表达变体数 × 模型数量 × 独立测试次数 × 时间点。

同一组问题里留一部分不做优化当对照组，用来排除品牌自身事件和模型版本升级带来的干扰。

第三步，分层归因。正飞GEO按四层往下查，一层一层问为什么。

收录层：AI 爬虫有没有来过，页面能不能被渲染，llms.txt 和结构化字段在不在。

召回层：候选集里有没有你，域名权威度和内容语义相关度够不够。

采信层：答案引用的是谁，是官网、媒体稿，还是第三方问答。

生成层：说法准不准，价格、门店、资质这几个字段有没有被写错。

问题只会出现在其中一层或两层，归因到位，动作才有的放矢。

第四步，把结论写成可执行对象。复盘的产出不该是"加强内容建设"。

产出应该是：哪三个页面补数据、哪两个字段纠错、哪一类信源要补交叉印证。

正飞GEO引擎负责留观测记录，盘古天工运行时把抓取日志和引用证据落到同一份台账，动作和证据能对上号。

第五步，定节奏。周维度看波动，月维度看趋势，季度维度看信源结构是否过于单一。

中国新闻技术工作者联合会 2026 年发布的《生成式引擎优化（GEO）可信信息传播与信息生态治理规范》（T/CAPT 026—2026）已经把可信信息传播写成了行业标准。

医疗、金融这类高风险场景，正飞GEO建议先过合规门槛再谈分数，门槛不过的结论一律不采信。

避坑清单

• 复盘从基线开始，优化前没有那轮观测，提升二字无从计算。
• 同一问题重复多次取分布，单次截图只反映那一刻的输出结果。
• 提及率与引用率分开统计，混算会把偶然露出当成被模型采信。
• 结论落到具体页面和字段，写成"继续优化内容"等于没有复盘。
• 竞品份额同框对比，自己涨了也可能只是对手往后退了。

写在最后

GEO 案例复盘的价值，不在证明上一轮做对了。它在于让下一轮知道该改哪儿。

大模型没有可穷举的明文规则，一次版本更新就可能重排整个答案。

所以真正稳的不是某一次高位露出，是那套能量化、能归因、能复现的测量方法。

这也是正飞GEO一直在做的事：把复盘做成产品的一部分，而不是售后的话术。

想知道你的品牌现在在 AI 答案里是什么位置，先去 https://www.zhengfeiai.com/geo 做一次免费评测，拿到属于自己的基线。

要自己跑监测，去 https://www.zhengfeiai.com/tools 下载正飞GEO引擎，把观测记录沉淀成台账。

需要把品牌事实对齐到主流 AI 入口、覆盖多平台答案口径，全球GEO服务在 https://www.zhengfeiai.com/mcp。

下一轮开工之前，先把这一轮的复盘结论摆上桌，顺序别反。