你在台中一家記帳公司負責官網,八月才剛把服務頁和三篇文章改寫完。九月某天,老闆在 ChatGPT 問「台中記帳公司推薦」,看到回答裡出現了自家公司的名字,就跑來問你:這是改版的效果嗎?還是七月本來就會出現?
你翻了一下資料夾,只找到七月一位同事留下的一份表格,上面寫著 20 題裡有 6 題提到你們,但沒寫他用的是誰的帳號、有沒有登入,也沒附上回答的原文。你這次自己整理了一組 25 題去問,其中只有幾題和同事那份一樣,結果有 8 題提到。題目不一樣、登入的狀態也不知道一不一樣,6 題和 8 題根本沒辦法拿來比,所以你最後只能回答老闆「應該有幫助」,因為改版前沒有留下可以比較的紀錄,你也就說不出改版到底有沒有用。
下一輪你們打算改寫「新創公司記帳」那一頁,所以這次你決定在動手之前,先在 10 月 3 日把 AI 現在怎麼回答完整記下來。我這篇會一直拿這家記帳公司的這次記錄當例子,講第一次基準紀錄要回答哪些問題、怎麼建立、要記哪些欄位、哪些結果要標成不能比較,以及什麼時候可以交給下一個人。
GEO 基準是什麼
GEO 指的是讓品牌在 ChatGPT、Google AI 摘要(AI Overviews)這類 AI 回答裡被正確提到和引用的工作,而 GEO 基準,就是改版之前第一次有計畫、說得清楚範圍的一次觀測紀錄。在這之前團隊有沒有零散地問過 AI 都不影響,重點是這一次要把範圍和結果完整地保存下來。
這件事很像買房子交屋時,大家都會被提醒先拍屋況照片:
基準就是交屋那天拍的屋況照片
- 入住前拍:照片要在搬家具進去之前拍,基準也要在改版之前記,改完才記就分不出哪些是原本的樣子。
- 每個房間都拍,照片上寫日期和房間:基準要寫清楚市場、語言、問了哪些題目、哪些 AI 引擎、哪一天問的。
- 拍原樣,不修圖:AI 的回答和引用網址要保存原文,不用自己的轉述把缺的部分補起來。
- 照片之後不能換:基準存好之後不悄悄覆寫,要補充就另外加,並寫明日期和原因。
三個月後牆角出現一道裂縫,你拿得出交屋那天的照片,才分得出它是原本就有,還是住進來之後才出現的。
交屋拍照的四個習慣,剛好就是基準紀錄的四條規則。
這個比喻有一個地方不成立:房子不會每天自己變,而 AI 對同一題的回答,隔天再問就可能不一樣。所以基準記的是「那一天、在那些條件下看到什麼」,之後重測時也要照同樣的條件再問一次,才比得出差別。
判斷一份基準做得夠不夠,標準很實際:把紀錄交給一個沒參與的同事,他能不能回答下面這五個問題?
- 範圍:這次看的是哪個市場、什麼語言、哪些服務主題?例如台灣、繁體中文、記帳與報稅服務。
- 題目:問的是哪一版題目,為什麼選這些題?
- 執行:用了哪些 AI 引擎、在什麼條件下問的,是哪一天執行的?
- 結果:每一題看到的回答、引用網址和人工的分類各是什麼?
- 限制:哪些結果沒有拿到、不能比較,或之後還要再確認?
建立 GEO 基準的六個步驟
步驟一:寫下基準的範圍
開始問之前,先做一頁範圍表,寫上品牌或服務名稱、市場、語言、題目的類型、這次問哪些 AI 引擎、哪些題目這次先不問,以及執行日期。如果有裝置、地區或登入狀態的差別,也一併寫下來。每一項都寫到別人能照著重做的程度,例如寫「台灣、繁體中文」,比寫「台灣市場相關問題」清楚。以記帳公司 10 月 3 日那次為例,範圍表是這樣寫的:
| 項目 | 記帳公司的寫法 | 為什麼需要 |
|---|---|---|
| 市場 | 台灣、繁體中文 | 交代回答是在什麼語境下拿到的 |
| 題目類型 | 品牌認知、服務比較、選擇記帳公司 | 之後可以按類型分組看 |
| AI 引擎 | 這次只問 ChatGPT,Google AI 模式下一輪再加 | 不同引擎的結果分開記,不混成一筆 |
| 執行條件 | 10 月 3 日、繁體中文、電腦、未登入 | 之後重測時照同樣的條件問 |
| 這次先不問的題目 | 價格類題目,因為方案還在調整 | 之後才記得當初為什麼排除 |
七月那份紀錄比不出結果,就是因為缺了這張表:哪幾題是原本的、用誰的帳號、有沒有登入,都沒有寫下來。記帳公司這次在範圍表裡固定寫「未登入」,因為登入的帳號可能帶著個人設定和過去的對話,換一個人去問就可能問出不同的回答;固定用未登入的狀態,之後不管是誰重問,條件都一樣。這張表不必做得很複雜,一頁就夠了。
步驟二:挑一組夠用的代表題
基準要用一組固定的題目來問,這組題目一般叫做題庫。題目要寫成客戶在做決定時,實際會怎麼問 AI 的句子,這跟在 Google 搜尋框裡打的關鍵字會很不一樣。因為問 AI 的時候,客戶通常會把自己的處境和條件一起講出來,而 AI 回答推薦的公司,也會跟著這些條件改變。記帳公司的題目可以這樣寫:
| 關鍵字寫法 | 客戶實際會問 AI 的方式 |
|---|---|
| 台中 記帳公司 推薦 | 我在台中剛開一間 3 個人的設計工作室,一個月大概開 30 張發票,有推薦的記帳公司嗎? |
| 記帳公司 會計師事務所 差別 | 我們公司一年營收大概八百萬,報稅找記帳公司就夠了,還是要找會計師事務所? |
| 新創 記帳 | 我下個月要登記公司,記帳公司可以順便幫忙辦設立登記嗎? |
| 品牌名稱 | 這家記帳公司是會計師事務所嗎?有沒有在幫新創公司記帳? |
題目怎麼分題型、怎麼避免同一題換字重複,可以看 AI 搜尋題庫怎麼設計。題目數量夠用就好,記帳公司這次挑了 20 題代表題,也就是每一類客戶問題各挑幾題最典型的問法,照認知、比較、選擇記帳公司分組,其中有 3 題和新創公司記帳有關。每一題都要答得出兩件事:這題為什麼要問,以及拿到回答之後誰會用這個結果。如果一題你說不出它要拿來判斷什麼,下一輪就可以考慮把它換掉。
每一題也要寫下原文、編號、版本和類型,之後回頭看時,才知道當初問的是哪一句。至於題目之後怎麼改、誰可以改、什麼時候停用,做法在 AI 搜尋題庫版本管理。
步驟三:在同樣的條件下執行,並保存原始回答
執行時,要保存回答的原文、引用網址、AI 引擎、日期、題目編號,以及這一題有沒有順利拿到回答。
如果你只拿到摘要、截圖或一部分的回答,就在紀錄裡寫清楚是哪一種,不要用自己的轉述把它補成完整的回答,因為補進去之後,就再也沒有人分得出哪一段是原文。另外,遇到錯誤、次數限制或空白回答而沒拿到的資料,也要記下原因,以及之後打算怎麼再問一次。記帳公司 10 月 3 日那次,20 題裡有 2 題因為錯誤沒拿到回答,這 2 題就照實記下錯誤原因,下一輪再補問。
為什麼一定要保存原文?Google 的 AI 功能說明寫到,網頁要先被收錄、符合在搜尋結果顯示摘要的資格,才有機會出現在 AI 摘要或 AI 模式(Google 搜尋裡用對話方式回答的模式)回答旁邊附的來源連結裡,而且就算都符合,Google 也不保證會收錄或顯示。所以同一頁今天出現在回答裡,明天就可能不見;如果你只寫下「有被引用」,之後回答變了,你就拿不出當天到底寫了什麼。保存原文,才能證明那一天你看到的是什麼。
步驟四:做基本的人工分類
人工分類是為了讓之後的人知道,每一題的回答裡到底發生了什麼事,所以第一次先分項記,不急著算總分。可以先記這五件事:
- 有沒有提到品牌:回答裡有沒有直接寫出公司名稱。
- 描述對不對:回答對公司的說法跟實際服務對不對得上。記帳公司這次就發現,有兩題的回答把他們描述成會計師事務所。
- 有沒有引用網址:回答有沒有附上可以點開的來源連結。
- 引用和說法有沒有關係:被引用的網頁,是不是真的在講回答裡的那件事。記帳公司被引用的,是一篇三年前的報稅文章,和回答講的服務內容對不太上。
- 還要確認什麼:哪些地方要對照官網或公司資料再看一次。
「被提到」和「被推薦」要分開記。例如回答寫「台中的記帳公司有 A、B 和你們三家」,只算提到;寫「如果你是剛成立的新創,可以先找你們」,才算推薦。如果你要算比例,先定好分母、是用題數還是回答次數來算、包含哪些 AI 引擎,以及沒拿到回答的題目要不要排除。記帳公司 10 月 3 日是用題數算、只算 ChatGPT、排除沒拿到回答的 2 題,所以分母是 18 題,其中 5 題提到他們。20 題裡有 2 題執行失敗時,分母寫 18 還是 20,算出來就是兩個不同的數字,所以分母要跟著比例一起寫出來。
步驟五:把基準紀錄存起來,之後不悄悄改
把範圍表、題目清單、回答、引用、人工分類、執行狀況和限制,都放進同一份紀錄,檔名或編號帶上日期和範圍,例如「2026-10 基準第 1 版」。不過檔名只是方便找,紀錄裡面還是要把每一項寫完整。
基準存好之後,就不要再悄悄覆寫它。修正錯字或分類時,要留下修改的原因和前後的差異;要加新題目,就另外寫上新增的日期,不直接改寫原來那一版。就像交屋時拍的照片,之後要補拍可以,但不能把原本那一張換掉。
步驟六:寫一頁交接摘要,把現象和推測的原因分開寫
最後用一頁摘要,告訴下一個接手的人:這次觀測涵蓋了什麼、看到哪些現象、哪些還要再確認,以及下一步打算做什麼。記帳公司 10 月 3 日那次的摘要,寫了三個現象:
- 有兩題的回答把公司描述成會計師事務所。
- 被引用的是一篇三年前的報稅文章。
- 和新創公司記帳有關的 3 題,回答都沒有提到他們。
這三件事只說明了 AI 怎麼回答,並沒有說明原因。例如被描述成會計師事務所,可能是官網的公司介紹寫得模糊,也可能是 AI 引用了某個名錄網站的舊分類,這要另外去查。所以摘要裡要把「看到什麼」和「我推測是什麼原因」分成兩段寫,下一個人才不會把推測當成已經查清楚的事。
摘要也要能連回原始的回答。如果摘要裡只有結論,下一個人接手時,還是得從頭再問一次。
基準紀錄要保存哪些欄位
下面是至少要記的項目。你用的工具或表格不必長得一樣,但每一項代表的內容都要記到:
| 分類 | 至少要記的項目 | 記帳公司的例子 |
|---|---|---|
| 範圍 | 市場、語言、題目類型、AI 引擎 | 台灣、繁中、選擇記帳公司、ChatGPT |
| 題目 | 題目原文、編號、版本、類型 | 第 1 題第 1 版:「我在台中剛開一間 3 個人的設計工作室,一個月大概開 30 張發票,有推薦的記帳公司嗎?」 |
| 執行 | 日期、條件、有沒有拿到回答、錯誤原因 | 10 月 3 日、未登入、拿到完整回答 |
| 回答 | 回答原文、人工摘要 | 回答原文整段保存,摘要另外寫 |
| 引用 | 網址、頁面標題、和回答的關係 | 引用了三年前的報稅文章 |
| 判斷 | 有沒有提到、描述對不對、還要查的問題 | 被描述成會計師事務所,要對照官網公司介紹 |
| 保存 | 基準編號、檔案位置、修改紀錄 | 2026-10 基準第 1 版 |
記帳公司第 1 題填好的紀錄大概是這樣。同一次基準裡沒拿到回答的 2 題也要留著,註明「還沒取得」,等下次拿到回答再決定要不要算進去。
哪些結果要標成不能比較
好的基準,會把限制寫在同一筆紀錄裡,讀的人一眼就看得到。下面這幾種情況,都值得另外註明:
- 題目改過:前後兩次不能當成同樣的條件,例如七月那 20 題和九月那 25 題。
- 引擎、語言或市場不同:只能分組來看,例如下一輪加進 Google AI 模式後,它的結果要和 ChatGPT 分開算。
- 只有摘要或截圖:缺少完整的回答原文,例如七月那份表格只寫了有沒有提到。
- 引用網址失效:網址改了、或已經打不開,例如那篇三年前的報稅文章之後被搬到新網址。
- 執行不完整:執行到一半中斷、資料延遲,或只完成一部分,例如 10 月 3 日那 2 題。
- 還沒人工核對:品牌描述或引用的關係還沒有人確認過,例如「會計師事務所」那兩題還沒對照官網。
記帳公司那 2 題沒拿到回答,就註明「還沒取得」,不記成 0 次提及;已經拿到回答、但還沒有人確認描述對不對的題目,就註明「還沒判斷」。這兩種情況都要在紀錄裡寫明,等補問或確認完,再決定要不要算進前後比較的數字裡。
什麼時候可以把基準交給下一個人
基準紀錄可以用四個檢查點,判斷能不能交出去:
- 範圍:市場、語言、題目、AI 引擎和日期都已經列出來。
- 原始回答:每一題都查得回回答原文、引用網址和有沒有順利拿到回答。
- 現象和原因分開:看到的現象、人工分類、推測的原因,以及還沒確認的部分,分開寫。
- 下一步:寫明由誰接著做哪件事,而且摘要裡沒有把還沒證實的結果寫成一定會發生。
這四項都寫好了,下一個人才能照著繼續做。少了原始回答,下一個人看到的就只有結論;如果現象和推測沒有分開寫,他就可能把你的推測當成事實繼續往下用。
回到那家記帳公司:改版後重問的結果
「新創公司記帳」那一頁改寫上線兩週後,你照 10 月 3 日的範圍表,用同一組 20 題、同樣問 ChatGPT、同樣不登入再問一次。這次 20 題都拿到了回答,上次沒拿到的 2 題也補上了,你可以直接逐題對照:
- 整體:10 月 3 日是 18 題有回答、5 題提到你們;這次是 20 題有回答、7 題提到。分母不一樣,所以你在報告裡把 18 和 20 一起寫出來,不只寫 5 變成 7。
- 新創那 3 題:10 月 3 日一題都沒有提到你們;這次有 1 題提到,而且引用的就是剛改寫的新創頁,另外 2 題還是沒有。
- 會計師事務所的描述:那兩題的回答還是這樣寫,這次改版沒有動到公司介紹,所以下一輪就改官網的公司介紹。
所以這次老闆再問「這是改版的效果嗎」,你可以把兩份紀錄並排拿給他看:新創頁上線後,有 1 題開始引用這一頁,這是 10 月 3 日沒有的;至於 5 題變 7 題,其中 1 題來自補問的那 2 題,不能全算成改版的效果。不過 AI 的回答每天都可能不一樣,只問一次還不能確定這個變化會持續,所以你們決定一週後再照同樣的條件問一輪,兩次都看到了,再寫進下個月的報告。
如果你不想每一輪都手動去問,我們開發的 Otlex 會用你設定好的同一組題目,每天去問 ChatGPT、Google AI Overview、Gemini 等 AI 引擎,記下回答有沒有提到你、有沒有引用你的網站,並把當天的回答保存下來。改版後要怎麼安排重測、怎麼解讀前後的差異,可以接著看內容改版前後比較怎麼做;如果你在考慮用工具來做這些紀錄,可以看 GEO 工具評估框架和自建或採購 AI 搜尋監測。
常見問題
GEO 基準一定要有一個總分嗎?
可以先不要。總分讓摘要變得方便,可是算成一個數字之後,就看不出是哪一題、哪個引擎在變;結果分數從 62 變成 58,沒有人說得出原因。所以我建議先保存查得回原始回答的紀錄和限制,之後真的需要一個摘要數字時,再把它的算法定義清楚。
第一次基準紀錄應該問多少題?
沒有一個不看情況的固定數字。題數要能涵蓋你最核心的問題類型,也要讓團隊判斷得完每一筆回答。像記帳公司那樣,先從 20 題左右、用途明確的代表題開始,並把這次先不問的範圍記下來,之後再按需要加題。
基準建立之後,可以修改題目嗎?
可以改,但要保留原本的題目、版本、修改原因和開始使用的日期。新增或改寫題目,都算是新的條件;如果你直接覆寫第一次的紀錄、又沒留下修改紀錄,之後的差異就沒辦法解釋了。
一次觀測沒看到品牌,是不是代表品牌沒有能見度?
這只能說明,在這些題目、這個 AI 引擎、這個時間和條件下,那一次的回答沒有提到你的品牌。你還要回頭確認題目適不適合、回答有沒有順利拿到,以及要不要換個條件再問一次,再來判斷問題出在哪裡。
基準可以直接當成 SEO 成效報告嗎?
兩份報告要分開放。GEO 基準保存的是你拿固定題目去問 AI 得到的回答和引用,SEO 報告則是搜尋曝光、點擊。Search Console 雖然有一份生成式 AI 成效報表,但它只算你的網站連結在 Google AI 摘要和 AI 模式裡被顯示的次數,可以按網頁、國家、日期和裝置分開看,沒有查詢這個維度,也不包含 ChatGPT 這類其他服務。所以兩者的資料來源、分母和涵蓋的 AI 產品都不一樣,併成一張表會讓兩邊都看不準。