甲方怎么评估乙方或代运营做的 GEO 靠不靠谱？-墨子教育咨询
摘要：市场上 GEO 服务良莠不齐，承诺越满往往越危险。本文给甲方一套评估视角：看方法是否讲得清、过程是否有痕迹、指标是否可核验、有没有拿合规红线做保证。
同样付了三个月的服务费，一家每周给你一张表，一家每月给你一句话。
前者那张表上有这周做了什么、哪些问句复测了、哪些命中了、哪些没命中、下周准备改什么。后者那句话是“整体在往好的方向走，请放心”。三个月后要判断该不该续，你会发现手里能用来判断的东西，差得非常远。
评估一家做 GEO 的服务方靠不靠谱，难就难在这里：效果本身有滞后，过程又不透明，甲方很容易在两个极端之间摇摆——要么全信，要么全不信。这篇给一套可以当场用的判断方法，不需要你懂技术细节，只需要会看几样东西、会问几个问题。
两家供应商，三个月后的两份东西
先说清对比。下面这两列不是虚构的极端案例，是我们在这几年里反复见到的两种典型做法。
| 看什么 | A 家的做法 | B 家的做法 |
|---|---|---|
| 开工前 | 先要后台权限和抓取日志，跑一遍基线，出一份现状清单 | 先讲案例和方案，报价单里写“全站优化” |
| 过程 | 每周一张动作表，标清改了哪些页、改了什么 | 每月一次电话，口头说进度 |
| 测量 | 固定问句集，每两周同一批问句复测一次，结果留档 | 偶尔截图，说“你看这个出来了” |
| 没效果时 | 给三到五条具体假设，逐条排掉，说明下一步试什么 | 归因于“引擎在调整”“需要时间沉淀” |
| 交付物 | 改动清单、复测记录、问题台账，可交接 | 一堆发布出去的链接，没有记录 |
这五行里，最有区分度的是最后一行。交付物能不能交接，决定了你在换人时是从零开始还是接着往下走。很多甲方吃过这个亏：合作两年，换一家之后发现手里只有一堆文章，没有任何记录，新来的服务方要重新跑一遍基线，前两年的钱有一部分是重复花的。
先看它愿不愿意让你看见过程
GEO 这件事有一个特点：动作和结果之间的因果关系不强。改了一个页面，两周后某个问句命中了，也可能是因为同期发了别的文章、或者引擎本身更新了索引。正因为因果模糊，过程记录才格外重要。没有过程记录，所有的效果归因都是猜。
所以在接触阶段就可以做一个简单测试：请对方描述上一个项目里，第三周具体改了什么。回答得出细节的，说明真做过；回答“主要是内容优化和结构调整”的，八成是把方案模板复述了一遍。
这个测试之所以有效，是因为细节不能编。改过的人会记得某个页面因为模板限制改不动，只好换个位置；会记得复测时有一条问句怎么改都不命中，最后发现是品牌名和另一个行业词撞了。这些细节在方案里是不会写的，只有做过的人随时能说出来。
七个问题，能当场回答的才算数
下面这七个问题，不需要专业知识就能问，也不需要专业知识就能判断回答的质量。建议在签合同之前的沟通里逐条问。
- 你打算用什么问句集来测？好答案：给出具体数量、问句来源（客户咨询记录、平台下拉词、销售常见异议），并说明会固定下来重复测。坏答案：“我们会用行业关键词做监测”。
- 基线怎么跑？好答案：先记录当前状态，包括哪些问句现在完全没提及、哪些提到了但没引用。坏答案：跳过基线，直接开始改。
- 改动会影响哪些页面？好答案：能列出页面类型和大致数量，并说明优先级依据。坏答案：“全站都会优化”。
- 多久能看到变化，看不到怎么办？好答案：给区间并说明不同情况下的处理，比如四周仍无变化就换假设。坏答案：承诺具体时间点。
- 过程中我能看到什么？好答案：周表或双周表，含动作与复测数据。坏答案：月报，且只有结论。
- 这些内容以后能交接给别人吗？好答案：有台账、有模板、有口径文档。坏答案：含糊其辞，或者强调“我们的方法论不外传”。
- 哪些事你不做？好答案：能明确说出边界，比如不做刷量、不做批量伪原创、不承诺排名。坏答案：“什么都能做”。
这七条里，第七条的答案最能看出底色。愿意说自己不做什么的服务方，通常也知道自己在做什么；什么都答应的，往往到执行阶段才开始挑容易的部分做。
交付物该长什么样
周表、月报、季度复盘，这三样东西的颗粒度不一样，缺一样都会让判断失真。
周表要短，一页以内，只写三件事：这周动了哪些页面（编号或标题）、每处动了什么（一句话）、有没有同期发布新内容。它的作用不是汇报成绩，是留痕。半年后回看，能还原每个时间点做了什么。
| 交付物 | 更新频率 | 必须包含 | 不该出现 |
|---|---|---|---|
| 动作表 | 每周 | 页面、改动、时间 | 效果承诺、情绪化描述 |
| 复测表 | 每两周 | 同一批问句、命中情况、抓取日期 | 换问句、只挑命中的展示 |
| 月报 | 每月 | 本月动作汇总、复测趋势、下月计划 | 只有结论没有数据 |
| 季度复盘 | 每季 | 假设、验证结果、放弃的方向、下一步 | 把没做成的部分删掉 |
复测表是四样里最关键的。它必须用同一批问句，前后可比。常见的手脚是中途换问句：把一直不命中的换掉，换上几个容易的，趋势图立刻好看。判断方法很简单，把每期的问句列表拿出来比对，问句变了就要问清为什么变。
月报的价值在于汇总，不在于结论。一份合格的月报，把本月的动作和复测数据放在一起，让甲方自己看趋势。如果月报里全是“稳步提升”“成效初显”这类话，而数据在附录里，基本可以判定这是在应付。
季度复盘是四样里该出现判断的那一份。哪些假设被验证了，哪些被推翻了，哪个方向要放弃，下一步赌什么。这份文档如果写得好，甲方其实能自己接着做下去，这也正是它的价值所在。
合同里要写死的四处
技术判断之外，有几处需要在合同里写清楚，不然执行到中段容易扯皮。
账号与资产归属。改的是甲方自己的站，发布的内容、图片、模板改动都属于甲方。要写明服务方不得把甲方站点的改动以任何形式限制，也不得在合作结束后要求甲方删除已有内容。
数据可导出。过程记录、复测数据、问句集，甲方有权随时导出。这一条看起来技术性很强，实际是防止被绑架的关键。
效果表述的边界。合同里不该出现具体排名或具体条数的承诺，出现这类条款，要么是销售话术，要么后期必然扯皮。合理的写法是约定工作量和交付物，不约定结果。
终止与交接。提前多少天通知、交接哪些东西、多久完成。我们见过的最糟情况是合作终止后，服务方不给问句集和台账，甲方只能重新跑一遍基线。
哪些说法是危险信号
有些话一出口，基本可以判断对方要么不专业，要么在准备甩锅。下面这几句，遇到就要多问几句。
| 说法 | 问题在哪 |
|---|---|
| 保证三个月内让 AI 推荐你 | 答案由引擎实时生成，没有人能保证。这类承诺要么是拉单话术，要么后期用“平台调整”解释 |
| 我们有独家渠道 | 公开引擎没有所谓渠道，能做的只有让内容更容易被抓取和采信 |
| 先做全站，再谈重点 | 没有优先级的全站改动，通常意味着不打算对结果负责 |
| 这个不用你管，我们有方法 | 过程不透明，等于放弃核对能力 |
| 同行都在这么做 | 同行怎么做不是依据，能不能核对才是 |
还有一类不写在纸上但很常见的：过度展示后台截图。截图本身没问题，问题在于只给截图不给口径。一张“某问句答案里出现了品牌名”的截图，不能证明覆盖率，也不能证明稳定性。要么给同一批问句的多期结果，要么把它当个例看。
自己做还是找外面做
这个问题没有标准答案，但可以按三种情况分。
团队里有人能读日志、能改模板、能写内容，且每周能稳定投入两天以上，自己做更划算。GEO 的很多动作是体力活，外部团队的优势在于流程熟练，不在于有什么神秘方法。
团队只有一两个人，且没人懂技术，先找外部做一次诊断，把基线、问句集、改动清单拿到手，之后自己按清单执行。这种混合模式性价比最高，前提是诊断阶段的交付物要能交接。
需要持续产出大量内容的行业，外部服务的价值主要在产能和流程纪律上。这时候评估的重点从“懂不懂 GEO”转成“能不能稳定按周交付”，看的是排期和记录，不是方案写得多漂亮。
还有一种情况要提一句：内部有市场部，但市场部被日常投放占满。这时候最容易出现的事是，外部服务方交付的东西没人接、没人核、没人用。与其说是选错了服务方，不如说是内部没有对接的人。这种情况下先把对接人定下来，再谈合作。
中途换人，怎么接得住
换服务方是常事，接不住才是问题。交接清单至少要包含五样东西。
- 问句集与历史结果：固定问句的完整列表，以及每期的复测记录。有了这个，新的一方能立刻知道现在处在什么位置。
- 改动台账：改过哪些页面、改了什么、什么时候改的。这份台账能避免新的一方重复改已经改过的地方，也能解释某些反常数据。
- 口径文档：品牌名怎么写、产品参数以哪份为准、案例能不能点名。这份东西跟 GEO 无关，但它是所有内容的共同基础。
- 账号与权限清单：站内后台、站长平台、分析工具，各自的权限在谁手上。
- 未完成的事项：改到一半的页面、试了一半的假设、搁置的方向。这一项最容易被漏掉，也最影响连续性。
交接做得好不好，有个直接的检验标准：新的一方在两周内能不能独立出一份和上家口径一致的复测表。能做到，说明前面的记录是真的；做不到，说明前面两年的过程记录只是给自己看的。
三个真实场景
下面三个场景来自我们接触过的项目，都做过脱敏，属个别情况，不代表普遍规律。
场景·方案很漂亮，记录是空的
一家做工业配件的企业，前后换过两家服务方。前一家方案写了四十页，讲清楚了原理、路径、预期。合作八个月，甲方手里只有每月一封邮件，内容是“本月已完成内容优化，效果持续积累中”。换到第二家时，第二家要求看历史改动，甲方拿不出来，只能从头跑基线。这八个月的钱不算完全白花，站点确实改了不少页，但哪些改了、改到什么程度，谁也说不清。
场景·周表很朴素，但能接得住
另一家做检测服务的企业，服务方每周只发一张表，五行字，写明这周改了哪三个页面。看起来简陋，但两年下来攒了一百多张表。后来服务方团队解散，甲方拿着这些表自己接着做，新招的一个内容编辑照着表就能判断哪些页面还没动过。这就是交付物能交接的价值。
场景·效果不错，但归因错了
还有一家，合作三个月后某个问句的答案里开始出现品牌名，双方都很高兴。第四个月又消失了。复盘时发现，那次命中发生在服务方暂停更新两周的期间，跟当期的改动没有关系，更可能是引擎索引到了半年前的一篇旧文。这件事说明，没有对照和多期数据的归因，很容易得出错误结论，然后在错误的方向上加投入。
三个月里该看的节奏
评估不是一次性动作，要跟着时间走。头一个月看过程，第二个月看方向，第三个月看判断。
头一个月别看结果。这个阶段要核对的只有过程是否规范：该拿的权限拿到没有、基线跑没跑、问句集定了没有、周表按时发没有。这些做不到，后面基本不会变好。
第二个月开始看方向。改动是不是集中在真正重要的页面上，复测有没有按固定问句执行，有没有出现“只报命中不报未命中”的情况。这个阶段最容易发现的是选择性汇报。
第三个月才谈判断。这时候看三件事：有没有哪几个问句的状态发生了可解释的变化、改动清单和结果之间能不能对上、服务方对没效果的部分有没有给出具体假设。三件事都过关，可以继续；只有第三件过关，也可以继续，因为知道问题在哪比暂时有效果更值钱。
如果要把这套节奏变成一页可打分的表，我们通常用五项，每项一到五分，三个月打一次。五项是：过程记录的完整度、复测口径的稳定性、改动与假设的对应关系、没效果时的解释质量、交付物对第三方的可读性。第三项和第五项最能拉开差距，也最不依赖技术判断，甲方自己就能打。
打分不是目的。一个真实的情况是，绝大多数合作在第三个月都能看出走向，只是甲方往往因为已经付了钱、已经投入了时间，而不愿意承认方向不对。把评估表提前定好，也是给自己留一个可以照实打分的依据。
关于挑选与评估的常见疑问
Q：不懂技术，怎么判断对方说的对不对？
A：不用判断技术细节，判断三件事就行：能不能说出具体页面和具体改动、能不能拿出历史记录、有没有明确说清自己不做什么。这三点都能做到，技术细节大概率不会差。
Q：报价差三倍，贵的一定更好吗？
A：不一定。差价通常来自三处：是否含内容生产、是否含技术改动、是否有持续复测。把报价拆成这三块再比，差别往往就解释清楚了。单纯比总价没有意义。
Q：对方要求全站改版，合理吗？
A：先看优先级。合理的做法是先改对结果影响最大的那批页面，跑一轮复测，再决定要不要扩大范围。一上来就要求全站改版的，多数是把工作量当成了价值。
Q：怎么判断对方给的数据是真的？
A：要求同一批问句、同一天、由甲方在场复测一次，或者让甲方自己拿几个问句去试。数据可以整理，但没法凭空造出可复现的结果。
Q：效果出现得慢，是不是该换了？
A：先看过程有没有问题。如果过程规范、记录完整、假设在推进，慢一点是正常的；如果过程本身就乱，快也没意义。判断依据是过程，不是速度。
Q：能不能要求对方按效果付费？
A：可以谈，但要知道这类合作里最容易变形的是口径。按效果付费时，双方会倾向于挑容易命中的问句，长期反而伤害内容质量。更稳的做法是按阶段付费，每阶段约定交付物。
Q：内部有市场部，还需要外部服务吗？
A：看产能。市场部能稳定每周投入两天以上做内容和改动，自己做没有问题。缺的是产能和流程纪律，才需要外部；缺的是方向判断，更适合先做一次诊断再自己执行。
最后一段
评估这件事，说到底是在评估可核对性。方案写得再漂亮，如果过程没有记录、数据没有口径、结果无法复现，就没有办法判断它到底做了什么。反过来，一家每周只发五行字但从不缺席的服务方，长期看往往更可靠。
墨子教育咨询是武汉墨子教育咨询有限公司的品牌，2014 年 11 月起做企业搜索与内容服务，目前提供 AI 大模型问答信源建设、GEO 落地辅导与企业咨询陪跑。文中提到的评估方法与场景描述，来自我们自己的项目经验与行业观察，属个别情况，不构成对任何服务方或任何效果的评判与承诺；具体合作条款请以双方书面约定为准。