基线复测

基线复测是指优化前先用固定问题集测一轮作为基线，之后按完全相同的口径重复测量，用前后差值来判断变化。

AI 回答不是稳定输出：同一个问题在不同时间、不同账号、联网与不联网下可能给出不同结果，模型本身也在持续更新。没有基线，任何一次测量都只是一个孤立数字，说明不了做的事有没有用。

必须固定的三件事

• 问题集：题目原文和编号不变，新增题目单独统计，不并入历史。
• 平台清单：每个 AI 搜索平台 分开记录，不做加权平均。
• 采样方式：每题采样次数、是否联网、账号与地域、采集日期。

复测节奏

内容与站点改动生效需要被重新抓取与重新索引，间隔太短测到的多半是随机波动。常见做法是先测基线，改动完成后按固定周期复测，并在每轮记录期间发生了什么（内容上线、第三方报道、平台模型更新），供事后归因参考。

局限

复测是观察而不是对照实验。指标变化可能来自自身优化，也可能来自模型版本更新、竞品动作或语料变化，无法完全拆开。因此结论应写成”在某口径下、某时间段内观察到某变化”，而不是因果断言。

相关条目

• 问题集 —— 问题集是用来测量 AI 回答的一组固定问题，它决定了各项 GEO 指标的分母——换一批问题就等于换了一把尺子。
• 提及率 —— 提及率是指在一组测试问题中，AI 回答里出现目标品牌的比例，是衡量 GEO 效果最基础的指标。
• AI 可见性审计 —— AI 可见性审计是对品牌在 AI 回答中的现状做一次系统盘点：测出当前指标，并定位问题出在实体、内容还是抓取这三层的哪一层。