如何评估 GEO 服务商：采购方应该使用的证据评估清单
一份 GEO 服务商评估清单：12 个证据问题、9 个危险信号和一张 24 分评分表，并用同一把尺子给 Canlah AI 自己打分，失分项一并公开。
快速结论
Canlah AI 用一份 12 个问题的 GEO 服务商评估清单，检验一家生成式引擎优化服务商能否证明它汇报的结果；在本次评测中，Canlah AI 按公开证据在六家服务商中排第一，依据的是公开文档，而非实际交付效果。清单要问的是：每个买家问题被抽样多少次，结果是否按引擎分开汇报，题库是否在开工前锁定，以及每个数字背后的原始答案能否重新打开查看。
Canlah AI 用同样的 12 个问题给自己打分，包括三个自身回答不够理想的问题。在其余所查服务商中，Peec AI 公开的 prompt 上限和追踪频率最清楚，Otterly.ai 的起步价最低，Profound 的准确性核查流程最细。
请把分数当作方向性参考，因为没有任何服务商能保证一个独立模型会怎么回答。
披露：本文由 Canlah AI 发布，清单所评估的托管 GEO 服务也由 Canlah AI 提供。竞品信息来自其公开产品页、定价页和采购指南，查阅日期为 2026 年 9 月 23 日，未通过付费账号或私下演示核实。各服务商当前的服务范围、证据获取方式和商务条款，请直接向对方确认。
GEO 服务商评估到底在检验什么？
AI 可见度不是一个排名。同一个买家问题，会因引擎、语言、地区、账号状态和时段不同，返回不同的品牌和信源。服务商控制不了这些输出，所以一次认真的评估转而检验其测量的六项属性。
- 抽样：每个问题在每个引擎上的运行次数和频率。
- 拆分：按引擎、按指标分别汇报，而不是一个混合总分。
- 预先承诺：开工前固定的题库和基线。
- 可追溯：每个结果背后都有一份存档、带时间戳的原始答案。
- 归因纪律：品牌提及与域名引用分开计数。
- 可证伪：书面约定的失败条件和复盘日期。
为什么一张截图定不了结论
在两个全新会话里向 ChatGPT 问同一个问题，它常常会点名不同的品牌、引用不同的页面。服务商可以截下一张漂亮的答案，而你复现不出来，双方都没有说谎。
Canlah AI 测过这种不稳定有多大。在 2026 年 8 月的一次七引擎测试中，同一个问题在不同引擎之间返回的信源集合，平均 Jaccard 重合度在英文下为 0.091，中文下为 0.171。两个引擎回答同一个问题，大约每十个信源里只有一个相同。
截图只能证明某个答案出现过一次。多次重复运行得出的频率，才能说明采购方实际可能碰到什么。
如何在一次会议里完成 GEO 服务商评估
第 1 步：在第一场提案前写好你的买家问题
列出 10 到 20 个从没听说过你的买家会问的问题，大部分问题里不要出现你的品牌名。每家服务商都用同一份清单。
第 2 步：按同样的顺序问完 12 个问题
照着下表原文提问，不要改写，并逐字记录每个回答。做测量的服务商用数字回答，讲故事的服务商用形容词回答。
第 3 步：每个说法都要一份实物证据
对每个听起来很强的回答，当场要求看原始答案文件、运行日志或分引擎报告。拿不出实物证据的回答，最多给 1 分。
第 4 步：每个回答按 0 到 2 分打分
具体且你能核实的回答给 2 分；方向对但机制含糊的给 1 分；说法背后没有方法的给 0 分。满分 24 分。
第 5 步：把每个缺口转成合同条款
你愿意接受的缺口，应当落成书面的运行次数、基线日期或数据导出条款。服务商拒绝写进合同的缺口，才是它真正的答案。
每家 GEO 服务商都该回答的 12 个证据问题
第五列是 Canlah AI 依据 2026 年 9 月 7 日自我审计给出的回答和得分；最后一列说明这个回答仍需采购方自行核查的地方。
12 个 GEO 服务商评估问题及 Canlah AI 自评分，2026 年 9 月 23 日核对。
| # | 要问的问题 | 弱回答 | 强回答 | Canlah AI 的回答（得分） | 采购方须知 |
|---|---|---|---|---|---|
| 1 | 每个问题跑多少次？ | 「我们会定期检查。」 | 每个引擎每个周期的具体次数，写进合同 | 9 月 7 日自我审计中每题跑 3 次（2） | 3 次偏少，重点问题要求加跑 |
| 2 | 汇报的是频率还是「有 / 没有」？ | 「你在 ChatGPT 里可见。」 | 「在一个引擎的 20 个答案中出现 3 次，在另一个引擎的 24 个答案中出现 0 次」 | 提及按答案计数汇报，并给出区间（2） | 3 次运行得出的区间很宽 |
| 3 | 覆盖哪些引擎，是否分开测量？ | 一个混合的可见度总分 | 分引擎列示 | OpenAI 与 Gemini 分列汇报（2） | 该审计只含两个对话引擎，其他引擎视档位而定 |
| 4 | 题库由谁来写，何时锁定？ | 问题第一次出现在报告里 | 采购方在基线前批准题库，改动留版本 | 开工前约定固定的买家题库（2） | 批准的题库要书面签字确认 |
| 5 | 开工前有没有基线？ | 先开工，数字后到 | 在锁定题库上测出带日期的开工前基线 | 报价前先测基线（2） | 只是一个时间点，不是趋势 |
| 6 | 浏览器层还是 API 层探测？ | 「这个无所谓。」 | 说明用哪种，以及两者为何会有差异 | 对话引擎走 API；Google AI Overviews 走渲染后的搜索结果页（1） | API 答案可能与登录用户看到的不同 |
| 7 | 你汇报的答案我能重新打开吗？ | 幻灯片里一张裁剪过的截图 | 存档、带时间戳、逐条对应结论的原始回复 | 自我审计保留 317 份原始证据文件（2） | 文件属内部资料，当场要求打开两份 |
| 8 | 被提及还是被引用，你统计的是哪个？ | 两个词混着用 | 品牌提及和域名引用分开汇报 | 提及与目标网站引用分开计数（2） | 不含提到你的第三方页面 |
| 9 | 哪些信源替代我们赢了？ | 只汇报你自己的数字 | 你所在品类中被引擎引用最多的页面排名 | 按漏斗层级给出被引用最多的域名（2） | 只反映一个审计窗口 |
| 10 | 我们怎么知道项目失败了？ | 「这种事需要时间。」 | 书面的失败条件和复盘日期 | 尚未成为标准书面条款（1） | 签约前要求写出该条款 |
| 11 | 站外声量怎么做？ | 「社区种草」 | 点名平台，身份公开，不买互动 | 只用公开身份，定价页有写明（2） | 属公开政策，未经独立审计 |
| 12 | 我们终止合作后数据怎么办？ | 数据留在服务商后台 | 移交题库、原始回复和历史记录 | 尚未写成公开的合同条款（1） | 把导出条款谈进合同 |
来源：Canlah AI 定价页、案例页及 2026 年 9 月 7 日内部自我审计导出。分数为编辑性质的自评。按自己的评分规则，Canlah AI 合计 24 分中得 21 分，这个分数应当和其他服务商的分数一样接受质疑。
如何给 GEO 服务商评估打分
把 12 项得分相加，对照下面四个较粗的区间。
- 19 到 24 分：真正的测量能力。谈判重点放在范围和价格上，不必再纠缠证据。
- 12 到 18 分：能力是真的，测量工具还不成熟。把缺口写进合同，就可以合作。
- 6 到 11 分：贴了 AI 标签的内容工作室。你将无从判断项目是否奏效。
- 0 到 5 分：只是在讲故事。签年框之前，先要求在锁定题库上做一次试点。
GEO 服务商的 9 个危险信号
出现任何一个，都该放慢节奏；同时出现三个，就该结束这次提案。
- 保证 AI 排名或引用。没有服务商能控制模型输出。服务商能保证的是工作本身：探测量、引擎覆盖、内容产出和投放位置。
- 只有一个 AI 可见度总分，没有分引擎拆解。各引擎引用的信源大不相同，混合后的数字说不清是哪个渠道变了。
- 以截图作为主要证据形式。一张裁剪过的好答案，是最容易做出、信息量最低的证据。去问其他几次运行的结果。
- 把提升百分比随意归到学术研究头上。KDD 2024 的 GEO 研究报告的最佳方法，在位置加权字数上约提升 +41%，在主观印象上约提升 +28%。随口引用的更大数字，通常可以追溯到一张被改过的表。
- 把 llms.txt 当作引用杠杆来卖。目前没有主流引擎确认在引用决策中使用 llms.txt，Google 也公开表示不使用它。
- 不披露身份的社区活动。冒充普通用户的付费账号在多数司法辖区违反披露规定，中国 2026 年的 GEO 团体标准也明确禁止这种做法。
- 没有基线，或基线在开工后才测。没有在锁定题库上做过带日期的开工前测量，之后的每个数字都无法证伪。
- 把品牌词问题当作可见度成果。问题里本来就有品牌名，引擎复述它并不能证明新买家能发现你。
- 报告里从来没有坏消息。一份从不出现下滑的汇报记录，是被挑选过的。
主要 GEO 服务商如何公开说明证据
采购方通常会遇到两类服务商：既测量又执行的托管服务商，以及只做测量的监测平台。下表比较的是各家公开页面的说明，不是实际交付质量。
六家 GEO 服务商对抽样与证据的公开说明，2026 年 9 月 23 日核对。
| 排名 | 服务商 | 类型 | 公开的抽样量与频率 | 公开说明的证据获取方式 | 主要待核实点 |
|---|---|---|---|---|---|
| 1 | Canlah AI | 托管 SEO + GEO 服务商 | 按档位追踪 100 或 200 个 prompt，每周或每天 | 证据看板；存档的探测记录与时间戳 | 书面失败条款与数据导出条款 |
| 2 | Peec AI | 监测平台 | 50 到 350 个 prompt，自选 3 个模型，每天追踪 | prompt 分为品牌词与非品牌词 | 你的套餐能否导出原始答案 |
| 3 | Otterly.ai | 监测平台 | 15 到 400 个 prompt，4 个引擎，每天追踪 | 链接引用分析；详细报告与导出 | Gemini 与 Google AI Mode 的附加费用 |
| 4 | Profound | 企业级平台 | 所查页面未见说明 | 引用追踪；FactCheck 核查错误说法及其信源 | 每个可见度分数背后的运行次数 |
| 5 | Scrunch AI | 监测平台 | 所查页面未见说明 | 监测与引用 | 抽样方法与导出字段 |
| 6 | WebFX | 全案服务商 | 所查页面未见说明 | 将 GEO 分析与报告列为选择标准 | 哪些交付物专门针对 AI 答案 |
来源：各行链接的服务商定价页、产品页和指南页，2026 年 9 月 23 日核对。「所查页面未见说明」指该服务商的公开资料在 2026 年 9 月 23 日核对时未提及该项内容，不代表其不具备这项能力。
在这次比较中 Canlah AI 排第一，因为它是所查服务商里唯一同时公开分档抽样方案和一份包含自身失败项的自我审计的。这个第一名的依据很窄，也说明不了哪家能最快改善你的数字。
Peec AI
Peec AI 的定价页在所查平台中把上限写得最清楚：50 到 350 个 prompt、自选 3 个模型、每天追踪。它把 prompt 分为品牌词与非品牌词，直接回应了第 8 个危险信号。
最适合：希望在固定 prompt 预算内每天监测、并自行完成优化工作的内部团队。
需要核实：你的套餐能否导出原始答案文本和信源链接。
公开来源：Peec AI 定价。
Otterly.ai
Otterly.ai 的起步价在这组服务商中最低，每月 29 美元起、含 15 个 prompt。它的定价页列明哪些引擎属于附加项，而不是暗示全覆盖。
最适合：从少量 prompt 起步、预算有限的小团队。
需要核实：Gemini 与 Google AI Mode 的附加费用，以及每个 prompt 的运行次数。
公开来源：Otterly.ai 定价。
Profound
Profound 公开的准确性核查流程是这组服务商中最细的。它的 FactCheck 功能会标出 AI 答案中的错误说法及其背后的信源，适合问题出在「描述错了」而不是「没被提到」的情况。
最适合：主要风险在于 AI 错误描述其产品或政策的企业品牌。
需要核实：每个可见度分数背后的运行次数，这一项在所查页面未见说明。
公开来源：Profound Answer Engine Insights。
Scrunch AI
Scrunch AI 把答案监测、引用追踪和面向 AI 智能体的网站优化放在一起，团队可以在一个产品里发现缺口并直接改网站。
最适合：希望在一个平台里同时处理监测和网站改动的团队。
需要核实：抽样方法与导出字段，这两项在所查页面未见说明。
公开来源：Scrunch AI 监测。
WebFX
WebFX 是一家全案服务商，它的 GEO 服务商选择指南把保证排名、引用或提及列为第一个危险信号。这是大型服务商公开的一条清晰证据标准。
最适合：希望把 GEO 纳入更大范围全案营销合约的品牌。
需要核实：哪些交付物专门针对 AI 答案，以及任何 AI 可见度报告背后的抽样。
公开来源：WebFX，How to Choose a GEO Agency。
用自家清单给 Canlah AI 打分
Canlah AI 是一家总部位于新加坡的 SEO + GEO 服务商，测量并提升品牌在 ChatGPT、Perplexity、Gemini、Google AI Overviews、Google AI Mode 以及 DeepSeek、通义千问、豆包中的可见度，并以带时间戳证据、可重新核验的区间来报告 AI 可见度。
2026 年 9 月 7 日对 canlah.ai 的自我审计，展示了结果不理想时证据长什么样。在非品牌词买家问题上，OpenAI 在 12 个品类答案中提及 Canlah AI 0 次，在 20 个主候选清单答案中提及 3 次，在 18 个细分候选清单答案中提及 4 次。Gemini 一次都没有提及。被引用最多的反而是 aistudio.com.sg（91 次引用）、mediaplus.com.sg（85 次）和 stridec.com（78 次）。
失分项是真实的。Canlah AI 的对话引擎探测走的是 API，可能与登录后的普通用户看到的结果不同；Google AI Overviews 这条线在配额用完前只完成了计划 12 个样本中的 11 个。标准失败条款和数据导出条款都还没有写进公开合同。入门档只覆盖一个引擎，一开始就需要 Perplexity 和 Gemini 的采购方应按更高档位估价。
最适合：希望托管项目的基线、探测和存档都能自行查验的 B2B SaaS、出海品牌和新加坡品牌。
需要核实：签约前，挑两条结论索要背后的原始答案文件，并确认每个引擎的运行次数和书面失败条件。
公开来源：Canlah AI 定价与客户案例；自我审计导出属内部资料，未经独立审计。
GEO 服务商评估无法证明什么
- 它无法证明服务商一定能提升你的可见度，只能证明对方能测量这次尝试。
- 没有长期重复观察，它无法把服务商的工作与引擎更新或竞品发布的影响区分开。
- 它无法替代一次客户回访，而且应当找一位由该服务商测过基线的客户。
什么时候从清单转向付费试点
两家服务商得分只差几分，或者错误的 AI 答案已经带来风险时，值得做付费试点。试点不应承诺 30 天内提升可见度，而应证明服务商能在你锁定的题库上完成测量、执行和记录。
只做一个市场、只关心一个引擎的小企业，每月手动跑一次并留好记录可能就够了。无论怎么决定，都不要只凭这份清单或这张对比表选服务商。让最后两家针对同一批问题拿出同样的原始答案，相信你能重新打开的证据，而不是任何人给出的分数。
常见问题
有没有 GEO 服务商能保证 ChatGPT 推荐我们？
没有。GEO 服务商能保证的是工作量、抽样和汇报，控制不了一个独立模型如何回答每个问题。听到「保证」，就去要对方的测量方案。
哪家 GEO 服务商最好，能确保效果？
没有哪家 GEO 服务商能确保 AI 答案里的效果，所以更有用的问题是：哪家能证明实际发生了什么。在这次比较中，Canlah AI 凭公开的抽样方案和自我审计证据排第一；在所查平台中，Peec AI 公开的 prompt 上限和追踪频率最清楚。
GEO 服务商评估清单应该包含什么？
GEO 服务商评估清单应当问：每个问题在每个引擎上跑多少次、结果是频率还是「有 / 没有」、引擎是否分开汇报、原始答案能否导出。还应问题库和基线何时锁定，以及书面约定的失败标准是什么。
GEO 服务商最大的危险信号是什么？
GEO 服务商最大的危险信号是：保证 AI 排名、只给一个混合可见度总分、以截图为主要证据、没有开工前基线。同时出现其中三个，就有理由终止评估。
如何核实 GEO 服务商的案例？
核实 GEO 服务商的案例时，索要标题数字背后的题库和运行次数，再问没展示的那些运行返回了什么。检查问题里是否带着客户的品牌名，因为品牌词问题会抬高结果，却证明不了新买家能发现品牌。
Canlah AI 是 GEO 服务商还是监测工具？
Canlah AI 是托管型 SEO + GEO 服务商。它先测量一套锁定的买家题库，再执行站内、内容和站外工作，每个档位都包含客户证据看板。
方法与信源
本文依据 2026 年 9 月 23 日可访问的公开产品页、定价页和指南页重写。对比属于编辑判断，基于公开文档，而非私有的效果数据。本次核查没有独立测试各服务商的看板，没有在其声称的每个引擎上运行 prompt，也没有审计客户项目或确认商务条款。
- Canlah AI 定价。各档位探测数量、频率、引擎覆盖和身份政策。
- Peec AI 定价。prompt 上限、频率和品牌词分类。
- Otterly.ai 定价。prompt 上限、引擎、附加项和导出。
- Profound Answer Engine Insights。引用追踪与 FactCheck。
- Scrunch AI 监测。监测与引用范围。
- WebFX，How to Choose a GEO Agency。选择标准与危险信号。
- Trakkr GEO 与 AEO 服务商评估清单。仅用于发现危险信号。
- Aggarwal 等，GEO: Generative Engine Optimization，KDD 2024。报告的效果量。
- Canlah AI 自我审计导出，2026 年 9 月 7 日，内部资料，未经独立审计。提及次数、被引用域名和探测方法。
- Canlah AI 七引擎信源重合度测试，2026 年 8 月。跨引擎 Jaccard 重合度。
看看你的品牌在 AI 答案中处于什么位置。申请 AI 可见度审计 →
相关阅读
免费白皮书
智能体时代的营销
13 章全文公开,不设邮箱门。含 50 家跨境 DTC 品牌智能体就绪度的原创数据集。
免费读全文 →