國內GEO測試矩陣怎麼搭？

GEO，即生成式引擎優化。本文所説的GEO測試，是檢查一個品牌在人工智能（AI）生成的答案中是否被提及、是否進入推薦名單、是否附帶來源連結，以及相關事實是否準確。

判斷這些結果，不能只靠幾張出現品牌名的截圖。只有固定問題、固定測試條件，並用相同方法重複測試，才能分清品牌是長期缺席，還是隻遇到了一次回答波動。

很多團隊第一次測試時，會連續問30個問題，再從中挑出幾張出現品牌名的截圖，然後開始寫結論。但這些截圖只能證明：品牌曾在某個時間、某個AI產品的一次回答中出現過。它們無法説明品牌能否穩定出現，也無法判斷前後差異究竟來自問題寫法、聯網狀態、賬號條件，還是AI回答本身的變化。

要讓結果可以複查、重新計算和前後對照，首先要建立一套固定的Prompt矩陣。Prompt，即提交給AI的問題或指令；Prompt矩陣，就是按照不同測試目的整理出一組固定問題，再讓這些問題在相同條件下重複運行。

起步測試為什麼是300條回答？

一套起步版矩陣，可以從“30條Prompt × 5個國內AI入口 × 2輪獨立測試”開始，共形成300條回答記錄。

這裏的“AI入口”，指用戶實際使用AI產品的網頁或應用。30條Prompt分為6組，每組5條，分別檢查企業實體、品類發現、業務場景、比較選型、證據審查和時效變化。每條Prompt在每個入口、每輪只運行1次，兩輪之間建議間隔7天。

7天只是為了方便執行和觀察變化，並不是行業統一標準。兩輪測試都要使用新會話，不能沿用以前的對話內容。

每條記錄至少要能還原5項結果：

是否提及目標品牌；
品牌在推薦名單中的位置；
是否提供來源連結；
關鍵事實是否準確；
兩輪結果是否穩定。

只保存一張出現品牌名的截圖，無法支持完整判斷。

截至2026年8月，5個國內主流AI入口的官網或官方文檔都能確認其具備搜尋、聯網搜尋或深度搜尋能力。這些功能都是讓AI檢索公開網頁後再組織回答，但不同產品的開關名稱、啓用方式和來源展示形式可能不同，因此要以測試當天的實際界面為準。

國內GEO測試矩陣怎麼搭？

為什麼先測試，再談內容優化？

Prompt矩陣首先要解決的，不是“文章應該怎麼改”，而是建立一套可以重複對照的初始記錄。

這套記錄需要回答幾個具體問題：

目標企業在哪些問題下會出現？
哪些問題下始終缺席？
AI引用了哪些頁面？
哪些競品更常進入推薦名單？
同一個問題在兩輪測試中的結果是否一致？

如果沒有這套初始記錄，三個月後即使答案發生變化，也無法判斷變化來自內容調整、AI入口更新，還是測試方法已經改變。

GEO測試關注AI答案本身：企業有沒有被提及，有沒有進入按指定數量列出的候選名單，回答有沒有展示來源，相關事實是否準確。網頁搜尋檢查和GEO測試可以共用部分頁面狀態與技術檢查結果，但兩者記錄的對象不同。一次網頁排名，不能代替一次AI答案測試。

國內GEO測試矩陣怎麼搭？

30條Prompt應該怎樣分組？

30條Prompt不能只是30個意思相近的問題。每一組都要對應一個明確的測試目的。

可以把用戶從“查詢一家企業”到“篩選供應商”的過程分成6組，每組5條。下文用P1至P6表示6個問題組。每條Prompt只改變一個主要意圖，不要在同一個問題中同時加入企業名、品類、地區、證書和價格。條件越多，後續越難判斷究竟是哪項條件觸發了品牌提及。

分組	檢查目標	5條Prompt模板
P1 企業存在	AI能否識別這傢俱體企業	“介紹[企業全稱]”“[企業全稱]成立於哪年”“[企業全稱]主要做什麼”“[企業全稱]服務哪些地區”“[企業全稱]有哪些公開資質”
P2 品類發現	不點名時，目標企業能否進入名單	“國內[品類]企業有哪些”“推薦5家[品類]服務商”“[地區]有哪些[品類]供應商”“做[任務]可找哪些企業”“中小企業適合哪些[品類]服務方”
P3 場景需求	具體業務問題能否觸發企業提及	“製造企業怎麼解決[問題]”“連鎖門店如何完成[任務]”“預算有限先做哪一步”“技術團隊如何核驗[能力]”“營銷團隊如何比較[方案]”
P4 比較選型	企業進入候選名單後的相對位置	“[企業A]和[企業B]怎麼選”“5家[品類]企業對比”“按交付範圍比較[品類]服務商”“按適用企業規模比較方案”“按公開證據比較供應商”
P5 證據審查	來源和事實能否核驗	“[企業全稱]有哪些公開案例”“[企業全稱]的資質從哪裏核驗”“有哪些第三方資料介紹[企業全稱]”“[企業全稱]的服務邊界是什麼”“關於[企業全稱]有哪些可訪問來源”
P6 時效變化	新公開的資訊能否進入答案	“[品類]最近有哪些新變化”“2026年[品類]有哪些企業值得關注”“最近發佈的[主題]資料有哪些”“本月[地區][品類]有哪些動態”“近90天有哪些[品類]公開資訊”

六組Prompt的使用規則不能混用：

企業存在組必須寫企業全稱，用來檢查AI是否認識這家企業。
品類發現組和場景需求組必須隱藏企業名，用來檢查用戶沒有主動提示時，企業能否進入答案。
比較選型組可以出現企業名稱，但比較對象和排列順序必須固定。
證據審查組重點檢查來源是否真實存在、連結能否打開。
時效變化組只能採用測試當天能夠核驗的時間範圍。

這些問題的測試目的不同，不能把六組結果合併成一個籠統的“品牌曝光率”。特別是帶企業名稱的問題和不帶企業名稱的問題，必須分開統計。

正式測試前，先固定運行條件

國內AI入口的界面、搜尋開關和來源展示方式可能調整。因此，正式運行前要先建立一張“運行條件表”。

同一輪中的所有問題，應儘量使用相同設備、相同網絡區域、相同賬號狀態和相同搜尋模式。某個入口不支持某項條件，就記錄為“不適用”，不要自行補齊或替換。

變量	固定規則	記錄方式
AI入口	選擇5個當前可以訪問的主流入口	記錄產品名稱和版本日期；對外報告可匿名寫成A—E
搜尋狀態	優先開啓聯網、搜尋或深度搜尋	記錄實際開關名稱；沒有開關則寫“界面無獨立開關”
會話狀態	每條Prompt都使用新會話	保存會話時間和回答截圖
賬號狀態	同一輪保持登錄或未登錄狀態一致	登錄或未登錄、會員或非會員分別建組，不能混合統計
地區與時間	固定城市、日期和測試時段	時間記錄到分鐘，並保留時區
Prompt文本	每個字符都保持一致，運行時不改寫、不追問	給每條Prompt設置唯一編號
重複次數	每輪每條只運行1次，共運行2輪	兩輪間隔建議為7天

最容易被忽略的變量是追問。

第一次回答沒有出現品牌，測試人員順手補一句“那某企業呢”，答案當然可能變化。但此時運行的已經不是原來的無提示問題。追問可以單獨測試，卻必須另建一組，不能與第一次回答合併計算命中率。

六步完成一輪正式測試

第一步：凍結題庫

給30條Prompt依次編號為P1-01至P6-05，同時保存問題原文、需要替換的內容和統一替換規則。

企業名稱應使用工商資訊或官網公開的全稱。品類、地區和資質名稱也要統一寫法，不能在同一輪中混用簡稱、舊稱和口語名稱。

第二步：完成入口預檢

逐一確認每個入口能否正常訪問、是否有搜尋開關、能否顯示來源、是否允許複製連結。

預檢只用於確認功能，不計入正式樣本。某個入口當天發生故障，應標記為“運行失敗”。恢復後補跑同一條Prompt，不能把錯誤頁面當成品牌未命中。

第三步：按統一順序執行

建議先在一個入口中跑完30條Prompt，再切換到下一個入口，減少頻繁切換造成的漏題。

每條Prompt都要開啓新會話，不追問、不改寫、不點贊，也不能根據第一輪答案臨時調整第二輪的問題。

第四步：保存完整證據

每條記錄至少應包含AI入口、Prompt編號、完整回答、引用連結、運行時間、搜尋狀態和截圖。

只摘錄品牌名會丟失上下文，只保存截圖又不方便統計。因此，完整文本和截圖要同時保留，引用頁面還要保存原始URL。URL，即網頁地址。

第五步：人工核驗事實

把回答中的企業成立時間、主營範圍、公開資質、案例主體和引用頁面，逐項與官方資料或第一方資料核對。第一方資料，指企業官網、企業官方發佈的資訊等直接來自企業自身的資料。

AI雖然提到了企業，但關鍵事實有誤，不能算作高質量命中。這類回答應單獨標記為“提及但事實錯誤”。

第六步：按原條件運行第二輪

兩輪之間不能修改題庫，也不能更換比較對象。

如果確實需要修訂Prompt，應保留第一版題庫，再複製一份作為第二版題庫，重新建立對照記錄。不要用第二版覆蓋第一版，否則後續無法判斷命中率變化究竟來自內容，還是來自題目本身。

結果表應該怎樣設計？

結果表既要能返回原始證據，也要方便統計。建議每一行只記錄“一條Prompt在一個入口的一次回答”，不要把5個入口塞進同一個單元格。

起步版會產生300行數據。採用逐行記錄後，可以直接篩選“未提及且無引用”“提及但事實錯誤”等情況。

字段	中文含義與填寫規則
run_id	運行批次編號；使用日期加輪次，例如20260813-R1
engine_id	AI入口編號；使用A、B、C、D、E，另表保存對應的實際產品名
prompt_id	問題編號；填寫P1-01至P6-05
search_mode	搜尋模式；填寫聯網、深度搜尋、預設或不適用
brand_mentioned	品牌是否被提及；1表示提及，0表示未提及
shortlist_position	品牌在推薦名單中的實際位次；未進入名單則留空
citation_url	引用網頁地址；逐條保存可點擊的原始地址，沒有引用填0
citation_domain	引用網站的主地址；從網頁地址中提取，用於統計來源分佈
fact_accuracy	事實準確性；填寫正確、部分正確、錯誤或無法核驗
competitor_mentions	同一回答中出現的其他企業數量
raw_evidence	原始證據；保存完整文本和截圖路徑
operator_note	執行備註；只記錄故障、拒答、頁面不可訪問等異常
stability_status	兩輪合併後的穩定狀態；填寫穩定、波動或缺席

“無法核驗”和“錯誤”必須分開。

“無法核驗”表示目前缺少足夠的公開資料；“錯誤”表示已經找到第一方資料，而且資料內容與AI回答發生衝突。把兩者合併，會把資料不足誤判為AI回答錯誤，也會影響後續處理順序。

命中率、引用率和樣本SOV怎麼算？

統計前，先排除運行失敗、故障頁面等無效記錄。其餘正常生成並能納入統計的回答，視為有效回答。

品牌命中率 = 提及目標企業的有效回答數 ÷ 有效回答總數。

引用覆蓋率 = 至少提供1條可訪問來源的有效回答數 ÷ 有效回答總數。

短名單進入率 = 進入指定推薦名額的回答數 ÷ 提出短名單要求的有效回答數。

樣本聲量佔比的英文是Share of Voice，簡稱SOV。它表示目標企業在當前樣本的全部企業提及中佔了多大比例，計算方式為：

樣本SOV = 目標企業提及次數 ÷ 同組Prompt中所有企業的提及次數。

這個指標只描述當前題庫、當前AI入口和當前測試時間下的答案構成。它不等於市場份額，也不能用來推斷銷售規模、全部用戶的選擇或企業真實的市場佔有率。報告中必須明確寫成“樣本SOV”。

穩定性需要把兩輪結果放在一起判斷：

同一條Prompt在兩輪中都提及目標企業，記為“穩定”。
只在其中一輪提及，記為“波動”。
兩輪都未提及，記為“缺席”。

如果某個分組的單輪命中率上升，但穩定命中沒有增加，應先增加觀察輪次，不要急於把變化歸因於內容修改。

項目內部如需彙總評分，可以採用100分量表：提及20分、短名單位置20分、引用可訪問25分、關鍵事實準確20分、兩輪穩定15分。

這套量表只用於項目管理，不是行業標準。權重一旦確定，至少要在一個完整測試周期內保持不變。

SEO檢查怎樣與GEO測試配合？

SEO，即搜尋引擎優化，主要檢查網頁是否被搜尋引擎收錄、關鍵詞排名和自然點擊情況。GEO測試檢查的則是AI答案是否提及企業、是否把企業列入推薦名單、是否提供來源，以及回答中的事實是否準確。

當GEO測試出現“未提及”時，先確認相關公開頁面是否真實存在、能否打開、是否清楚寫明企業全稱和關鍵事實，再檢查傳統搜尋能否找到這些頁面。

如果頁面不存在，或者搜尋入口根本找不到，Prompt矩陣只能幫助發現問題，不能代替內容發佈和網頁收錄檢查。

觀察結果	優先檢查什麼	不要直接得出什麼結論
搜尋能找到，AI未提及	核對頁面結構、事實資訊、企業名稱和引用來源	“該入口故意不收錄這家企業”
AI提及但沒有引用	核對回答事實與公開頁面，並繼續觀察第二輪	“品牌已經穩定進入引用庫”
AI提供引用但事實錯誤	對照第一方資料，定位錯誤字段和舊頁面	“只要有引用，內容就是正確的”
一個入口命中，其他入口缺席	分入口檢查來源網站和問題類型	“所有國內AI都會採用同一來源”
兩輪答案差異較大	增加測試輪次，核對搜尋狀態和運行條件	“一次改稿已經產生效果”

實際診斷時，可以固定按照四層順序檢查：

企業和關鍵事實是否真實存在。
品類問題和場景問題是否會提及企業。
引用是否存在、能否打開、能否支持答案中的事實。
兩輪結果是否一致，企業提及是否穩定。

四層檢查對應不同問題。按順序處理，可以減少因為一次未命中就繼續增加文章的無效操作。

常見問題

只測一個AI入口可以嗎？

可以用於預檢，但不能代表國內整體情況。

不同入口的產品設置、搜尋狀態和來源展示並不完全一致。起步版選擇5個當前可訪問的入口，是為了觀察入口之間的差異。預算有限時，也應至少固定3個入口，並在報告中明確測試範圍。

每條Prompt需要跑幾次？

起步版建議每輪運行1次，共運行2輪，兩輪間隔7天。如果某一類問題的波動明顯，可以增加第三輪。

輪次增加後，人工核驗量也會同步增加。因此，應先保證運行條件一致、原始證據完整，再決定是否擴大樣本。

可以讓不同員工分別執行嗎？

可以，但所有執行人員必須使用同一套題庫、運行條件表和字段定義。

正式運行前，先用3條Prompt進行交叉試跑，檢查不同人員對“提及、引用、事實錯誤、運行失敗”的判斷是否一致。確認口徑一致後，再分配完整任務。

Prompt裏要不要直接寫目標企業名？

要根據分組決定。

企業存在組和證據審查組需要寫目標企業名，用來檢查“AI是否認識這家企業”。品類發現組和場景需求組不應寫入企業名，用來檢查“用戶沒有提示時，企業能否主動進入答案”。

兩類測試的目的不同，命中結果不能合併成同一個指標。

引用連結打不開怎麼辦？

先保存原始URL、頁面標題、訪問時間和錯誤狀態，再將該條記錄標記為“引用不可訪問”。

不要改填搜尋結果頁面，也不要用相似頁面替代原連結。下一輪複測時，再檢查連結是否恢復，或是否已經被其他來源替換。

什麼時候可以判斷優化有效？

至少要同時滿足以下條件：題庫沒有變化、運行條件保持一致、目標分組連續兩輪改善，而且引用情況或事實準確性也同步改善。

如果只有單輪提及增加，或者只在帶有企業名稱的Prompt中出現，結論應寫成“觀察到變化”，不能寫成“已經穩定生效”。

最終必須留下四項材料

一套合格的國內GEO Prompt矩陣，最終應留下四項可以複查的材料：

凍結後的完整題庫。
每輪測試的運行條件表。
每條回答對應的原始文本、截圖和引用連結。
能夠根據原始記錄重新計算的指標表。

下一輪只調整一個變量，再按相同方法複測。只有保留題庫、運行條件、原始證據和計算記錄，團隊才能判斷下一步究竟應該補充企業事實、修改公開頁面，還是暫時不動內容，繼續觀察AI回答的變化。