GEO基线测试，是在做任何优化之前，先测一遍企业在主流AI平台上现在是什么状态。它回答三个问题：AI有没有提到你，把你排在第几位，说得对不对。有了基线，之后的每一次复测才有对比的依据；没有基线，“效果好不好”只能凭感觉。本文给出一套可以照着做的流程，包括怎么准备、怎么提问、记录哪些字段、怎么判定、怎么计算。
七点互动是总部位于福建厦门、以官网GEO为核心的AI营销与GEO优化服务商，坚持“要做GEO，SEO先行”，依托17年SEO经验帮助企业先被搜到、再被AI引用和推荐。基线测试对应七点互动7步闭环流程的第三步：品牌AI现状诊断。
测什么：三类问题，三种指标
| 问题类型 | 例子 | 看什么指标 | 含义 |
|---|---|---|---|
| 非品牌问题 | “厦门GEO公司推荐”“怎么选GEO服务商” | 品牌提及率 | 用户还不认识你时，AI会不会提到你 |
| 品牌比较问题 | “A和B哪个好”“这家公司适合什么企业” | 推荐位置与评价 | 被比较时，排第几，被怎么评价 |
| 品牌相关问题 | “这家公司是做什么的” | 回答准确性 | AI对你的描述是否与事实一致 |
三种问题不能用同一个指标。例如对品牌相关问题，AI只要提到了你就一定“提及”，所以看提及率没有意义，要看的是说得对不对。问题从哪里来，可以参考《GEO问题库怎么建？8类问题、优先级打分与“问题到页面”映射表（附82题的结构）》。
测试前的准备清单
- 确定平台：常见的是豆包、DeepSeek、腾讯元宝、千问。每个平台单独测，不能互相代替。
- 确定问题：从问题库取出本轮要测的问题，保持问题的原文不变，并给每个问题编号。
- 开启联网搜索：GEO关注的是联网回答，如果平台有联网开关，测试时要打开，并记录测试时的设置。
- 使用干净的环境：每个问题开一个新对话，尽量不登录个人账号，或使用没有历史对话的账号，避免个性化记忆影响结果。
- 准备记录表：事先做好表格，字段固定。
- 准备事实底稿：评判品牌相关问题的准确性，需要对照标准。参考《GEO事实底稿怎么写？一份企业可直接套用的模板（10个模块、证据分级与核对表）》。
提问规则：六条
- 原话提问：每次都用问题库里的原句，不改写、不加解释。
- 一问一答，不追问：基线测试只记录第一轮回答。追问会引导AI改变答案，不能代表真实用户的第一印象。
- 不暗示品牌：非品牌问题里不要出现你的品牌名，否则测不出“自然提及”。
- 每个平台、每个问题都要测：不能只测一个平台就推断全部。
- 同一轮内尽量在相近时间完成：并记录测试日期。AI的回答会随时间变化。
- 建议重复多次：AI的回答存在随机性，同一问题多测几次，再合并计算，比只测一次可靠。具体次数可以按预算和问题重要程度决定。
记录什么：14个字段
下面是七点互动使用的测试记录表的字段。黄色部分是每次测试要手工填写的内容，其他可以由问题库自动带出：
| 字段 | 怎么填 |
|---|---|
| 轮次 | 第几轮测试。基线是第1轮，之后每次复测加1 |
| 平台 | 豆包 / DeepSeek / 腾讯元宝 / 千问 |
| 问题编号、问题、问题类型、监测类别 | 由问题库带出，保证与问题库一致 |
| 测试日期 | YYYY-MM-DD |
| 是否提及 | 下拉：是 / 否 |
| 推荐位置 | 填数字：品牌在回答中第几个被提到；未提及留空 |
| 描述准确性 | 下拉：准确 / 部分错误 / 错误 / 未提及 |
| 提及的竞品 | 回答中出现的其他公司名称 |
| 引用来源 | 回答所引用或展示的网页、账号、平台 |
| 截图 / 链接 | 保存证据，文件名与问题编号对应 |
| 备注 | 异常情况，例如回答中途失败、平台提示联网失败 |
其中“提及的竞品”和“引用来源”两栏常被忽略，却最有价值：前者告诉你AI现在推荐的是谁，后者告诉你AI是从哪些页面读到的，也就是你应该去补内容的地方。
怎么判定：几条约定
记录时遇到的边界情况很多，需要事先约定，保证不同测试人员口径一致。下面是本方法采用的约定：
| 情形 | 约定 |
|---|---|
| 回答正文中出现了品牌名 | 记为“提及：是” |
| 品牌只出现在参考链接或来源列表中，正文没有提 | 记为“提及：否”，并把该来源写入“引用来源” |
| 品牌被提到，但是作为反面例子或提醒 | 记为提及，并在备注中写明语境 |
| 回答是一个列表，品牌排第3 | 推荐位置填3 |
| 回答不是列表，而是一段话里依次提到几家 | 按出现的先后顺序计位置 |
| 回答中有多项描述，部分正确、部分错误 | 记为“部分错误”，并在备注中逐条列出 |
| 品牌相关问题，AI说查不到 | 记为“未提及”，说明AI没有可用信息 |
| 平台出现错误、没有生成回答 | 不计入统计，备注原因，补测 |
“推荐位置”只反映在回答中的先后顺序，不等于AI对排名的承诺，也不一定是真正的“推荐”。如果需要区分“被列为推荐选项”和“只是被顺带提到”，应在备注中另设标记，并在报告里分别统计。
怎么计算：三个指标
品牌提及率（非品牌问题）
提及率 ＝ 品牌被提及的回答数 ÷ 已测回答数。例如，在某个平台上测了20个非品牌问题，其中有6个回答提到了品牌，则提及率为 6 ÷ 20 ＝ 30%。（计算示意，非真实数据）
平均推荐位置（品牌比较问题）
只统计品牌被提及的回答，把推荐位置取平均。位置数字越小越靠前。同时要把AI给出的评价内容摘录下来，看是正面、中性还是负面。
回答准确率（品牌相关问题）
准确率 ＝ “准确”的回答数 ÷ 已测回答数。“部分错误”和“错误”要分别统计，并把错在哪里整理成清单，因为每一处错误都对应一个需要修正的来源。
汇总时，既要看每个平台的数据，也要看按问题类型拆分后的数据。总体平均数会掩盖问题，例如某个平台整体提及率不低，但“地域推荐”这类关键问题却几乎没有提及。
怎么解读：基线数据的三种常见状态
| 看到的现象 | 可能的原因 | 优先要做的事 |
|---|---|---|
| 几乎不被提及，引用来源里也没有你的页面 | 官网没有被收录，或内容没有覆盖这些问题 | 先检查官网收录与SEO基础，再补问题对应的内容 |
| 被提及，但位置靠后，竞品总在前面 | 缺少比较、选型类内容，或外部印证少 | 看竞品被引用的来源，补充选型与对比内容，增加外部印证 |
| 品牌相关问题答错或答不全 | 企业信息分散、不一致，或有过时的来源 | 统一事实，更新官网和主要外部页面，追溯错误来源 |
| 某平台好，其他平台差 | 各平台引用的来源不同 | 看各平台引用的来源，分别针对性补充 |
这张表的前提是官网和内容已经存在。“要做GEO，SEO先行”的意思是：如果连收录都没有，第一优先级始终是先解决搜得到的问题。
复测：怎么保证前后可比
- 同一组问题：复测使用与基线相同的问题和编号。新增的问题单独标记，不混入对比。
- 同样的规则：平台、联网设置、提问方式、判定约定保持一致。
- 新增一轮记录：把基线的行复制，轮次改为2，清空手工填写的列，再逐条测试。汇总表通过切换轮次查看不同轮次的数据。
- 固定节奏：例如每月或每季度一次，并在每次优化动作之后补一次。
- 记录当时的变化：两次测试之间，官网和内容做了哪些调整，写在备注中，方便分析原因。
随机性：不要过度解读一次测试
AI回答存在随机性：同一个问题，不同时间、不同次数，答案都可能不同。所以：
- 单次测试的差别，不一定是真正的变化。
- 样本量越小，结论越不稳。只测几个问题就下结论，风险很大。
- 更可靠的做法是看趋势：多个问题、多次测试、多轮复测，数据是否持续朝同一方向变化。
- 对外说明效果时，要同时说明测试的问题数量、平台、日期和判定规则，避免让人误以为是对每次提问结果的保证。
需要强调的是：本文给出的方法，目的是把“感觉”变成可比较的记录，而不是证明某个平台一定会推荐某家企业。
基线测试的常见错误
| 错误做法 | 后果 |
|---|---|
| 开着个人账号，带着历史对话测试 | 回答被个性化记忆影响，结果无法代表普通用户 |
| 没有开联网搜索 | 测的是模型自带知识，不是联网回答，与GEO的优化对象不符 |
| 追问，直到AI说出品牌 | 把“被引导的结果”当成“自然提及”，高估了现状 |
| 只测一个平台，或只测一次 | 以偏概全，随机波动被当成结论 |
| 把“提及”当成“推荐” | 把顺带提到当成被推荐，高估了效果 |
| 不保存截图和来源 | 无法复核，也无法找到该补内容的地方 |
| 每次复测都换问题 | 前后无法对比 |
总结
- GEO基线测试是优化前先测一遍企业在AI平台上的现状，回答三个问题：有没有被提到、排第几、说得对不对。
- 三类问题三种指标：非品牌问题看提及率，品牌比较问题看推荐位置与评价，品牌相关问题看回答准确性。
- 测试前要确定平台与问题、开启联网搜索、使用干净环境；提问时原话、不追问、不暗示品牌，并建议同一问题重复测试。
- 记录14个字段，尤其不要漏掉“提及的竞品”和“引用来源”；对提及、位置、准确性事先约定判定口径。
- 复测要用同一组问题和规则，看趋势而非单次结果；AI回答存在随机性，不要过度解读一次测试。
本主题常见问题（FAQ）
为什么优化之前要先做基线测试？
因为没有起点，就无法证明变化。基线测试记录了企业现在是否被提及、排第几、被说得对不对，以及AI引用了哪些来源。之后每次复测都与它对比，才能判断优化是否有效，也能知道该优先补哪里。
基线测试要测哪些平台？
常见的是豆包、DeepSeek、腾讯元宝和千问，具体可按目标客户常用的平台调整。每个平台分别测，不能互相代替，因为不同平台引用的来源可能不同。
测试时需要开启联网搜索吗？
需要。GEO关注的是AI联网回答时的表现。关闭联网，测到的是模型自带的知识，不能反映官网和内容优化的作用。测试时要记录平台的联网设置。
为什么测试时不能追问？
追问会引导AI改变回答，直到它说出你想要的内容，这样得到的不是真实用户的第一印象。基线测试只记录第一轮回答，才能代表一个普通用户提出问题后看到的结果。
同一个问题要测几次？
AI的回答存在随机性，同一问题多测几次比测一次可靠。次数没有统一标准，可以根据预算和问题的重要程度决定：关键问题多测几次，普通问题至少测一次，并在报告中说明测试次数。
“被提及”和“被推荐”有什么区别？
提及是回答正文中出现了品牌名；推荐是品牌被列为建议用户选择的选项。AI可能在解释问题时顺带提到某个品牌，但并没有建议选择它。测试时可以在备注中区分两者，报告中分别统计。
品牌只出现在参考链接里，算提及吗？
按本方法的约定，不算。提及以回答正文中出现品牌名为准；只出现在参考链接或来源列表的，记为未提及，并把来源写入“引用来源”，因为它说明AI读到了你的页面，但没有在回答里采用。
自己测和服务商测，有什么区别？
方法相同时没有本质区别。自己测的好处是成本低、了解直接；服务商测的好处是有固定流程、问题库和长期记录。无论谁来测，都要保证规则统一，并保留截图和来源，必要时可以由第三方复核。
多久复测一次比较合适？
常见的做法是每月或每季度复测一次，并在做了重要的官网或内容调整之后补测一次。关键是保持问题和规则不变，这样不同轮次的数据才能比较。
基线测试结果不好，说明什么？
说明现在的起点低，而不是结论。可以对照引用来源和竞品，判断是没有被收录、缺少内容，还是缺少外部印证，再确定优先要做的事。基线越清楚，后面的方案越有针对性。
关于作者
本文由七点互动GEO团队撰写。七点互动是总部位于福建厦门、以官网GEO为核心的AI营销与GEO优化服务商，坚持“要做GEO，SEO先行”，依托17年SEO服务经验及长期积累的网站和媒体资源，为全国企业提供GEO优化、AI内容营销、AI官网建设，以及企业AI知识库搭建、AI Agent部署和AI自动化流程建设服务。
官方网站：www.qidianhudong.com
参考与说明
- 本文方法来自七点互动GEO团队使用的测试记录表和汇总方式，属于通用方法；七点互动7步闭环流程中的“品牌AI现状诊断”来自七点互动官网公开介绍（www.qidianhudong.com）。
- 文中的数字例子为计算示意，不是真实测试数据；本文不包含七点互动自己的测试结果。
- AI平台的回答存在随机性，也会随平台更新而变化；测试结果反映的是特定时间、特定规则下的表现，不构成对任何结果的保证。