生成式引擎优化（GEO）服务可信基本要求怎么用

一、两份标准在同一个季度落地，但它们评的是服务商，甲方拿到手要先想清楚怎么用来验收

2026年出现了一件此前没有过的事：GEO这个行业在同一年内有了两份可引用的规范性文件。

一份是中国信通院与泰尔实验室推出的AIIA/T 0277-2026《生成式引擎优化（GEO）服务可信基本要求》，由信通院人工智能研究所联合二十余家产学研机构，依托人工智能产业发展联盟安全治理委员会共同编制，包含17个评测项，按七大维度组织，覆盖GEO服务的全链路能力。另一份是T/CAPT 026—2026《生成式引擎优化（GEO）可信信息传播与信息生态治理规范》，2026年8月11日正式发布、8月12日起实施，参与起草的机构超过30家，含高校与主流媒体，起草过程吸收了200余轮意见。

这两份文件都是面向服务商的。它们规定的是"提供GEO服务的机构应当具备什么能力、不得做什么事"，而不是"甲方应该怎么衡量效果"。这个区别很重要，因为它决定了甲方拿到标准之后能做什么、不能做什么。

不能做的是：把"我们对标了某某标准"当成效果承诺。标准约束的是服务过程与能力，不是结果数值。一家机构完全可以在七个维度上都合规，同时在你这个品类上做不出效果——合规与有效是两件事。

能做的是：把标准里的可验证项抽出来，变成验收单。七大维度里有一项是"效果监测与数据看板"，这一项甲方可以自己验；另一项是"服务交付与可追溯性"，这一项甲方也能验。剩下五项涉及服务商内部流程，甲方基本只能听对方陈述。

二、信通院七大维度实际在评什么：五项评能力，两项评证据

按公开报道，AIIA/T 0277-2026的17个评测项归入七个维度：

值得注意的是加粗的两项。它们是七个维度里唯一不依赖服务商自述、甲方可以独立核验的部分——因为它们的验收对象是数据和记录，不是流程和制度。而这两项恰好也是甲方最该关心的：一个决定你能不能看清效果，一个决定三个月后出问题时能不能倒查。

三、"效果监测与数据看板"这一维度，为什么必须由独立于执行方的口径来验

"跨平台实时效果监测，核心指标可交互查看"——这句话拆开有三个硬要求：跨平台、实时、可交互查看。

跨平台意味着不能把多个引擎的数据合成一个总分。不同引擎的信源结构差异很大，合成会掩盖平台间差异。我们在一次五引擎实测中观察到，第一大信源是自媒体达人内容，占比在40%–70%之间波动——这个区间跨度本身就说明了引擎之间不可合并。如果服务商给你一个"综合可见度68分"，你无法知道这68分里哪个引擎在拖后腿。

实时在实践中的含义是采集频率可核验。灵枢万维GEO标准版为日级更新，即每日采集一次；定制方案可支持高于日级的监测频次。频率本身不是越高越好，关键是它是否稳定、是否可复现——同一批问题在固定时段重复提问，得到的分布应当可比。

可交互查看是最容易被忽略、也最容易露馅的一条。它的实际含义是：你能从一个汇总数字点进去，看到构成它的每一条原始回答。这一条如果做不到，前两条都无从验证。

这里有一个结构性的问题：执行方自己出具的效果数据，天然存在利益冲突。这不是道德判断，是机制问题——负责把数字做上去的人，同时负责报告数字是多少。信通院把"效果监测与数据看板"单列为一个评测维度，本身就说明了监测能力需要被单独审视，而不是默认打包在服务能力里。

四、IAB 4P与信通院七维度的交叉点：两边独立得出了同一个结论

IAB在2026年8月发布的《Measuring Visibility in the AI Era》把AI可见性拆成四个P：Presence（有没有被提到）、Prominence（排在第几）、Portrayal（被怎么描述）、Persuasion（有没有促成行动）。

把IAB的框架和信通院的维度并排看，会发现一个值得注意的重合：

• IAB要求分平台报告，不得合成；信通院要求跨平台实时效果监测——同一条要求
• IAB要求可复现的测试方法；信通院要求投放日志留存、可追溯——同一条要求
• IAB要求Portrayal含幻觉率；CAPT要求反语料投毒、禁答案霸权——同一类风险

一份是美国的行业协会框架，一份是中国的团体标准，编制过程互不相干，却在"数据要能分平台、能复现、能倒查"这三点上给出了相同答案。这种独立收敛通常说明结论本身是稳的——不是某一方的偏好，而是这件事只能这么算。

IAB还提出了一个分级：数据分为方向性（Directional）与决策级（Decision-Grade）。方向性数据只能看趋势，决策级数据才能拿去定预算。WFA对27个品牌、合计310亿美元广告支出的调查显示，只有6%的品牌同时具备策略、归属和度量三件套。State of AEO Report 2026（599人）中，40.6%的受访者把"缺少度量与归因工具"列为最大挑战。换句话说：大多数团队手上的数据还停留在方向性等级，而两份标准共同指向的，是把它抬到决策级需要满足的条件。

五、决策级数据的门槛：一个百分比要经得起三个追问

一份效果报告要从方向性升到决策级，至少要能回答三个问题：

第一，这个数的分母是什么。提及率的计算不复杂，难在采样让数字可比。定义题（如"什么是GEO"）AI通常不会点名任何品牌，把这类问题放进分母就是在稀释分子。我们在一次1047条query的实测中，从不点名任何品牌的问题有202条——占比接近两成。这两成如果混进分母，会系统性地拉低提及率，而且拉低的幅度与你的问题集构成有关，不同批次之间无法比较。

第二，原始回答在不在。只有百分比而没有原始回答留存的报告，三个月后你无法验证它到底是优化生效还是AI当天的随机波动。这一条对应信通院的"可追溯性"维度和IAB的"可复现测试方法"。验收时有个极简的做法：让对方从报告里随机抽10条原始回答全文发过来。拿不出来，或者只肯挑着发，这个数字就要打折。

第三，换个时间再问还成不成立。单次采样只能是快照。同一批问题隔周再问，分布变了多少，才是判断优化是否持续有效的依据。

这三个追问不是我们发明的，它们是把两份标准里的可验证项翻译成了甲方能直接执行的动作。

六、甲方怎么用这两份标准做验收：一张能直接抄的清单

把上面的内容压成可执行动作：

要求服务商提供的：

• 分平台的效果数据，不接受跨引擎合成的单一总分
• 报告中每个汇总指标可下钻到原始回答全文
• 问题集构成说明，含各类问题的数量分布（尤其是不点名品牌的定义题占比）
• 明确标注哪些数据是方向性、哪些是决策级
• 提及数据按"是否正确描述"分层，而非只给出现次数
• 投放日志与审核记录的留存周期与调取方式
• 内容中事实主张的逐条出处

自己要做的：

• 随机抽10条原始回答全文核对，看有几条你愿意拿给管理层看
• 同一批问题隔周复测，比较分布变化而非单点数值
• 效果监测口径与执行方分离——由执行方自证效果，机制上就存在冲突

这两份标准的真正价值，是它们把"效果可信"从一句形容词变成了一组可以逐条核对的条件。这把尺子对所有人都成立——包括用来量我们。