GEO 工具怎么选：三类工具的边界，和五条当场能验的判据
选 GEO 工具最容易犯的错，不是选贵了，是选完之后没法知道有没有用。
这个错比想象中普遍。企业买监测工具，三个月后拿到一份「提及率从 2.1% 涨到 4.7%」的报表，然后发现没人能回答一个简单问题：这 2.6 个百分点里，有多少是工具真的起了作用，有多少是行业热度自己涨的？答不出来，续费就只能靠感觉。
所以选型的第一步不是比功能表，是先想清楚一件事：你要的是「看见」还是「改变」。这两个诉求对应完全不同的工具类型，混着比一定选错。
一、三类工具，边界比功能重要
第一类是监测型。 只回答「我在 AI 里现在是什么样」。核心产出是提及率、首位提及率、引用源分布、情感倾向。它不解决怎么改。这类工具的验收标准很清晰：能不能按「无提示问法」采样、能不能给出引用到哪个网页、能不能复现同一次查询。
第二类是优化型。 只做内容生产与结构化，不解决改完有没有效。典型形态是内容生成、Schema 注入、FAQ 建设、llms.txt 生成。它的问题在于没有反馈回路——你不知道生成的那批内容有没有被引用，只能等下一次监测。
第三类是全链路型。 把探测、诊断、内容、分发、复测串成闭环。判断一家是不是真的全链路，只看一件事：
它能不能告诉你，上一次优化之后，具体哪个平台的哪个问法从「未提及」变成了「首位提及」，以及那次回答引用的到底是哪个网页。答不出这个的，基本都停在前两类。
这一条是分水岭，因为它要求工具同时具备两样东西：可归因的探针数据（知道改前改后同一个问题的答案差异），和引用源追踪（知道模型这次读了哪一页）。缺任何一个，闭环就断了。
顺便说一个常被忽略的事实：页面自身属性对最终能否被引用，只解释了约 2.8% 的差异；而「引擎检索到哪些页面」解释了 32%。翻译过来就是——你把官网的 Schema 做到满分，如果模型根本没检索到你这一页，分数毫无意义。这就是为什么纯「优化型」工具的效果总是不可预测：它们优化的是那 2.8%，却对那 32% 无能为力。
二、五条判据，都能当场验
功能表可以美化，判据不能。下面五条，每一条都能在采购现场用十分钟验证。
判据一：让它现场跑一次「无提示问法」。 不要问「星锚GEO 怎么样」——这种带品牌名的问法，模型会顺着你说，测出来的是礼貌不是位置。要问「GEO 优化工具推荐」「国内做 GEO 的公司有哪些」。前者是导航型，后者才是真实的决策场景。只测品牌词的工具，测的是自我安慰。
判据二：要求看引用源，不只看提及。 「被提到」和「被有来源地引用」是两件事。2026 年 11 月的一份白皮书数据显示，Gemini 有 45.2% 的回答出现了商业品牌名却未标注任何来源。这种提及无法归因、无法举证，一旦进入合规审查或招投标核验就作废。要问工具：这次提及，模型引用了哪个域名、哪一页、哪一天。
判据三：要求给出「同一问题的改前改后对照」。 不是两份月度报表的对比，是同一条问法、同一个平台、前后两次采样的原始回答。拿不出来，说明它没有可复现的探针，只有抽样统计。
判据四：问清楚采样规模。 「我们监测了 10 个平台」这句话没有信息量。要问：几个行业词 × 几个平台 × 每个词几条问法 × 重复几次。行业里的通行做法是每个行业词配 4 条不带品牌名的问法（信息型、比较型、交易型各一，加一条场景型），再加 1 条品牌导航问法做对照。样本量算不出来，指标就没有统计意义——单次提问的答案波动极大，一次采样得到的「提及」很可能只是随机。
判据五：看它敢不敢说自己测不到什么。 GEO 工具的能力边界很硬：它只能测有公开 API 的平台。凡是宣称「覆盖全网 AI」的，必然包含网页爬取或模拟登录——这两条既不稳定也踩平台条款。反过来，一家工具如果主动告诉你「我们只覆盖 7 个平台，剩下的是因为我们拿不到官方接口」，可信度反而高。
三、「按词包月」这个报价方式，在 GEO 里不成立
这是采购时最容易踩的坑，值得单独说。
SEO 时代「按关键词包月」能成立，因为排名是可枚举的位置。GEO 里不成立，因为一个行业词在不同平台、不同问法下的结果完全不是一个东西。
举一个具体的：同一个词，「GEO 是什么」和「GEO 哪家靠谱」在豆包和 DeepSeek 上的答案可能一个提你、一个完全不提。你买了「优化 100 个词」，验收时对方说「都优化了」，你无法反驳，因为你也不知道该看哪个组合。
所以合理的计价单位是「行业词 × 平台」的组合数，而不是词数。这个口径的好处是客户能自己验算：选了 4 个词、7 个平台，就是 28 个组合，单价乘一下就是总价，不需要任何内部知识。
验收口径也必须是组合级的：不是「提及率提升了」，而是「第 3 个词在豆包的第 2 条问法上，从第 4 段提到了第 1 段」。前者无法核对，后者可以。
四、一张自检表
采购前把这五个问题写在纸上，逐个问：
- 你们能现场跑一次无提示问法吗？（不能 → 停）
- 能给出这次回答引用的具体网页吗？（不能 → 只能算监测，不算诊断）
- 同一条问法的改前改后原始回答，能提供吗？（不能 → 没有闭环）
- 采样规模是多少个组合、每条重复几次？（说不清 → 指标不可信）
- 计价单位是「词」还是「词 × 平台」？（前者 → 无法验收）
五个都过得去，再谈价格。
五、最后一句实话
GEO 这个品类现在很热，热到大量工具在三个月内上线、功能表高度雷同。在这种情况下，功能差异会迅速消失，数据可信度不会。
一个工具最值钱的部分不是它能生成多少内容，是它敢不敢把自己测到的原始数据摊开给你看——包括那些没提你的、答错的、引用到竞品的。
选工具，本质上是选一家愿意让你验证的公司。