体检的目标
不是得出「我们 GEO 做得好不好」这种模糊结论，而是回答三个具体问题：
- AI 现在怎么说我们？说得对不对？
- 在客户真正会问的决策问题里，我们在不在答案里？
- 如果不在，缺的是信息、内容，还是可信度？
三个问题的答案会直接指向下一步该做什么，避免花冤枉钱。
第一步：整理 20 个提问词
分五组，每组 4 个。选词原则是「像客户那样说话」，不要用行业术语，也不要用品牌词。
A 组：品牌认知（4 个）
- 「XX 公司是做什么的」
- 「XX 品牌怎么样，靠谱吗」
- 「XX 公司的产品有哪些」
- 「XX 公司在哪里，怎么联系」
B 组：品类决策（4 个）
- 「本地做 XX 哪家好」
- 「XX 哪个牌子口碑好」
- 「XX 行业值得推荐的品牌有哪些」
- 「选 XX 要注意什么」
C 组：价格与预算（4 个）
- 「XX 大概多少钱」
- 「XX 的报价一般包含哪些内容」
- 「XX 便宜的会不会有坑」
- 「预算 X 万，XX 怎么做比较合适」
D 组：顾虑与风险（4 个）
- 「XX 有没有隐藏收费」
- 「XX 售后怎么样」
- 「XX 常见的问题有哪些」
- 「XX 做失败了怎么办」
E 组：对比与替代（4 个）
- 「XX 和 YY 哪个更适合」
- 「自己做 XX 和找服务商做有什么区别」
- 「XX 的替代方案有哪些」
- 「XX 行业内哪几家的做法比较规范」
把 XX、YY 替换成你行业里真实的品类词和竞争对手名。
第二步：四个引擎各问一遍
用豆包、DeepSeek、文心一言、通义千问（如果有条件，再加上元宝、Kimi、智谱清言、秘塔）。
问的时候注意三点：
- 用新对话，别在旧对话里追问，避免上下文干扰。
- 不要提自己的品牌名，除非是 A 组问题。
- 同一时间一次性问完，记录日期，作为基线。
第三步：填诊断记录表
每个问题每引擎一行，记录下面几列：
| 列 | 内容 |
|---|---|
| 问题编号 | A1–E4 |
| 引擎 | 豆包 / DeepSeek / … |
| 是否提及本品牌 | 是 / 否 |
| 提及位置 | 第 1 个 / 第 3 个 / 仅在末尾 |
| 描述是否准确 | 准确 / 部分偏差 / 完全错误 |
| 引用的来源 | 抄下 AI 给出的来源链接或平台名 |
| 竞品出现情况 | 答案里提到了哪几个同行 |
截图存档，按「日期-引擎-问题编号」命名。文件夹结构固定下来，三个月后你会感谢自己。
第四步：读结果
四种典型结果，对应四类问题：
| 现象 | 说明问题在 | 先做什么 |
|---|---|---|
| A 组说错（地址、业务、成立时间） | 信息层 | 信源一致性整改 |
| A 组准确，B–E 组完全没你 | 内容层 | 补决策型内容 |
| 提你但不推荐你（如「XX 是其中之一」） | 证据层 | 补可核验的事实与第三方印证 |
| 提你但描述负面或过时 | 声誉层 | 处理历史负面与旧信息 |
多数企业的真实情况是两三种叠加，按上表从上往下处理，不要跳步。
第五步：七天后复测一次
同一个清单，隔七天再问一遍。目的不是看有没有提升（一周内基本不会有），而是看同一引擎的答案稳不稳定。
如果同一个问题两次答案差异巨大，说明这个问题上模型没有稳定信源，这是个机会——谁先把明确的信息铺上去，谁更可能被采用。
体检时最容易犯的三个错
错误一：只看品牌词。 搜自己名字 AI 能说两句就满意了，忽略了决策词。这是最普遍的问题。
错误二：把单次结果当验收标准。 AI 有随机性，同一个问题换一次生成结果可能就变了。要看趋势，不看单点。
错误三：拿截图去质问服务商。 截图是诊断材料，不是 KPI。它的用途是发现问题，不是结算依据。
下一步可以做什么
把 20 个提问词写下来，今天先问 A 组和 B 组，8 个问题、4 个引擎，大概 20 分钟。做完你至少知道 AI 眼里的你是什么样。
如果做完发现 A 组就有明显错误，那不用犹豫，先修信息——这是所有工作的前提。如果 A 组干净但 B–E 组一片空白，那说明你的内容策略需要重新规划，可以拿这份记录表来做一次免费诊断。
