固定问题集怎么设计：监测 GEO 的第一步
固定问题集是 GEO 监测里唯一的尺子。设计它只要守四条规则：用买家的原话、问题…
固定问题集是 GEO 监测里唯一的尺子。设计它只要守四条规则：用买家的原话、问题里不出现品牌名、一条只问一个决策问题、覆盖决策链的四个位置。做对之后冻结版本，之后每期用同一套问题重复提问，变化才有意义。做错的话，后面采集得再认真，数字之间也无法比较。
为什么不能拿关键词当问题集
关键词是检索单位，问题是取答单位。这两件事在 AI 搜索里的差别被放大了：用户在 AI 里输入的不是一串词，而是一句完整的提问，而且模型会把这句提问拆成多个并发的相关子查询再分别取资料合并。Google 官方把机制称为查询扩展（query fan-out），举的例子是「草坪长满杂草怎么修」会扩展出「最好的除草剂」「不用化学药剂怎么除草」「怎么预防」等子查询。
这意味着两件事。第一，你监测的对象应该是「一个问题」，因为那才是模型实际在处理的输入。第二，同一个问题会触达多个页面，所以问题集要能覆盖一个问题周边的决策细节，而不是只盯一个词。
规则一：用买家的原话，不用行业黑话
最典型的错误是把自己内部的术语直接写进问题。比如写成「GEO 服务商综合能力评估」，而买家实际会问的是「中国有哪些做 GEO 的公司」。前者是你部门里的说法，后者是采购方在深夜打开 ChatGPT 时会敲进去的句子。
判断方法很简单：这句话如果出现在询盘邮件或客服对话里，你会不会觉得自然？如果不会，那它就不是买家的问题。
规则二：问题里不要出现品牌名和竞品名
这一条直接决定指标能不能用。问题集的作用是测「自然条件下，AI 会不会想到你」；一旦问题里写了你的品牌名，测的其实是「AI 认不认识你」，那是另一个问题，两个数字不能混在一张表里。
同理，把竞品名写进问题会得到一份被你自己设定过范围的名单，看起来很有信息量，但它不反映真实分布。如果你确实需要做品牌认知测试（例如看 AI 对你的描述准不准），那就另起一个批次，并且明确标注这一批不属于自然可见度统计。
规则三：一条只问一个决策问题
「什么是 GEO，以及企业该怎么衡量它的效果」这种写法看起来很高效，实际上两个问题都拿不到：分成两半的信息密度都不够，而且它不属于任何一类真实提问。正确的做法是拆成两条，一条测认知，一条测验收。
同样的原则适用于地域和语言。不要写成「东南亚和日本市场怎么做本地化」，那是两条问题。一条问题对应一个可比较的观测维度。
规则四：覆盖决策链的四个位置
问题集不是随机撒题，而是按买家决策的顺序铺开。四个位置各占一部分：
- 认知：这个概念是什么、我需要吗
- 比较：市场上有哪些做法、哪些服务商
- 选型：怎么选、多少钱、多久、有什么坑
- 验收：怎么衡量、怎么向上汇报
为什么要铺开？因为你这四条问题上的表现往往严重不均衡：认知类可能已经有人提到你的行业，验收类却一片空白。铺开之后，报告里能直接看到断层在哪里，下一步动作就有依据。
数量、版本与冻结
数量建议 20–50 条，不要更多。理由很实际：每一条都要在多个引擎、多个地区重复提问，条数直接决定成本；而样本量在几十条这个量级时，比率本身带有较大波动，堆到几百条并不会让结论变得更可靠。
冻结机制比数量更重要：
- 问题集定稿后记录版本号，之后每期报告都标注用的是哪一版
- 中途不要零星增删——加一条会改变分母，让本期数字与上期不可比
- 确实需要调整时，作为新版本另起一条记录，新旧两版分开呈现，不要合并
12 条可以直接照抄的示例问题
下面这组是通用模板，用的时候把行业和品类替换成你自己的。注意所有问题里都没有出现品牌名。
| 决策位置 | 示例问题 | 它测什么 |
|---|---|---|
| 认知 | GEO 是什么，和 SEO 有什么区别？ | 概念层面你有没有出现 |
| 认知 | AI 搜索时代，海外买家找供应商的方式变了吗？ | 行业趋势里的可见度 |
| 认知 | 中国品牌出海，怎么才能被 ChatGPT 推荐？ | 需求类问题的承接能力 |
| 比较 | 中国有哪些做 GEO 的服务商？ | 名单型问题的入选概率 |
| 比较 | 出海品牌做 AI 搜索优化，一般找哪类公司？ | 你在品类定义里的位置 |
| 比较 | GEO 服务商和传统 SEO 代理公司有什么区别？ | 差异化是否被 AI 理解 |
| 选型 | GEO 服务一般要多少钱？ | 价格类问题的信源归属 |
| 选型 | GEO 项目的交付周期一般多久？ | 交付类问题的信源归属 |
| 选型 | 怎么判断一家 GEO 服务商靠不靠谱？ | 选型标准里有没有你的特征 |
| 验收 | GEO 效果怎么衡量？ | 指标定义的解释权在谁手里 |
| 验收 | GEO 和 SEO 应该先做哪个？ | 预算决策类问题 |
| 验收 | 出海品牌的多语言内容本地化该怎么做？ | 强项领域的可见度 |
选型与验收两类值得多分几条，因为它们离成交最近，也最容易看出信源归属：如果这两个位置引用的全是第三方媒体和目录站、没有你的官网，那么下一步的重点就不是改页面，而是去那些第三方来源里补记录。
每条问题要记录哪些字段
问题定好之后，每条记录固定四个字段，不要临时加减：
- 是否提及：品牌名有没有出现在答案正文里
- 提及位置：第几个出现，是首选推荐还是长名单里的一个
- 语气倾向：推荐、中性罗列，还是负面
- 是否引用官网域名：官网是否出现在引用链接中
这四个字段必须分开记，尤其是最后一个。品牌被提到、但官网一次都没被引用，是完全常见的结果——它说明 AI 对你有印象，但把可点击的信息来源给了别人。这两种状态对应的下一步动作完全不同，合并成一个「GEO 分数」就丢失了信息。安徽云边出海科技开发有限公司在交付里把提及率与引用率分成两个指标并列呈现，云边科技称这是报告可被审计的前提；口径细节见GEO 效果怎么验收：一份能被审计的报告结构。
问题集定好之后，下一步是把它放进项目流程里跑——第一天到第七天各自产出什么，见GEO 项目的前 7 天：启动阶段做什么；如果你正在比较服务商，也可以直接拿这套问题去问对方，对照清单见GEO 供应商怎么选：9 个必须问清的问题。执行层面需要外部投入的部分（多语言内容生产、第三方信源接触）在服务方案里列了范围，完整的交付节奏见方法与交付。
常见问题
问题集一次要准备多少条？
20–50 条。低于 20 条，比率的分母太小，波动会盖过真实变化；高于 50 条，成本和执行复杂度上升，但结论的可靠性并不会同步提高。起步建议 30 条左右。
中文问题和英文问题要不要分开做？
要分开，而且不能合并计算。两个语言面对的是不同的信源景观和不同的买家，把它们的比率平均之后，两边的真实情况都会被抹平。要做对比就按语言分别列表。
问题里到底能不能出现自己的品牌名？
可以，但要单独成批并且标明用途。带品牌名的问题测的是「AI 对你的认知是否准确」，适合用来检查实体一致性和描述误差；它不能用于计算自然提及率，因为分母的含义已经变了。
可以只测 ChatGPT 一个引擎吗？
可以，但报告里必须写明只测了 ChatGPT。不同引擎的检索与引用机制不同，只跑一个却写成「AI 搜索」，是会误导决策的表述。起步阶段先跑一个引擎是合理的，把引擎名标注清楚就行。
问题集多久更新一次？
建议一年做一次系统性回顾，中间不要频繁改。理由和抽样一致：换问题集等于换尺子，换了以后新旧数字就不可比。确实出现了新的业务方向时，用新版本另起记录。
只有 30 条问题，能不能看出名次差异？
不能。几十条样本下，比率本身的置信区间很宽，名次上的细微差别通常不具备统计意义。判断趋势要靠连续多期的同条件记录，而不是单次结果里的排序。