GEO 三个月能做什么，不能做什么
GEO 的前三个月，能做完的是三件事：让 AI 读得到你、说对你、把你放进候选名单。做不到的是两件事：稳定排到前列、算出准确的投入产出比。
判断一个三个月方案靠不靠谱，看它有没有把第 1–2 周留给定标和体检。凡是第一周就开始写稿的方案，基本都是在用产量掩盖方法缺失——因为不知道该改哪里，所以先写点什么。
这篇给的是时间表：12 周里每个阶段做什么、交付什么、能看到什么、还看不到什么。可以直接拿去对照手上的方案。
为什么是三个月，不是一个月或一年？
因为这条链上有三段不可压缩的延迟。
第一段是抓取。页面改完，模型要重新抓、重新索引，这个过程通常 7–14 天。第二段是内容生效，新内容从发布到被检索到，一般要 21–42 天。第三段是答案更新，模型把新信息吃进回答里，还要等一次知识更新周期。
三段加起来，从动手到第一次能对比，中间至少隔着 30–45 天。90 天是看到趋势的最短窗口——少于这个时间，你看到的是噪音；长于这个时间，中间该做的迭代就积压了。
反过来说，一年也不现实。大模型半年就有明显迭代，一套十二个月的固定计划，执行到第八个月基本已经对不上环境了。所以合理的设计是：三个月一个周期，每个周期结束时重新定标。
第 1–2 周：为什么先做体检，不写内容？
因为不知道问题在哪，写什么都可能是白写。
这两周要产出的是一份基线，不是内容。基线包含三样东西：
- 现状问答。用 30–50 条固定问题，在 3 个模型上各跑一遍，把原始回答存下来。这份东西之后每次复测都要用同一套，所以要存档、要版本号。
- 可抓取性检查。用爬虫 UA 抓关键页面，看返回的 HTML 里有没有正文。很多站点这里是空的——页面靠 JS 渲染，人看得见，机器看不见。
- 事实清单。价格、主力型号、成立时间、核心卖点，逐条跟 AI 的回答比对，标出错的和漏的。
这两周最容易跳过，也最容易出问题。跳过它的直接后果是三个月后无法证明任何事——因为没有基线，所有变化都只能靠感觉。
第 3–4 周：先修什么，后修什么？
修的顺序由「改动成本」和「影响面」两个维度决定。先做那种改一次、影响全站、成本又低的事。
| 顺序 | 改什么 | 成本 | 影响 |
|---|---|---|---|
| 先做 | 让关键页面不依赖 JS 渲染、补 sitemap、修 robots 与 llms.txt | 1–2 周，一次到位 | 所有 AI 都能读到，全站受益 |
| 再做 | 修正事实错误、补结构化数据、统一页面与第三方信息 | 1–2 周 | 直接影响准确率，纠正已有的错 |
| 后做 | 补内部链接、清理孤立页面 | 1 周 | 改善抓取效率，间接 |
| 不急 | 全站 Title 命名规范、图片压缩 | 数周人力 | 对 AI 答案影响很小 |
最后一行是很多方案里排在第一位的。它属于传统 SEO 的常规动作，对搜索排名有意义，但对 AI 回答的影响接近于零——因为模型判断的是内容能不能回答这个问题，不是标题格式是否统一。
这四周结束时，应该有一个可验证的结论：同一批问题，重问一次，关键事实的错误数有没有下降。 这个结论不依赖提及率，也不受模型波动影响，是三个月里最扎实的一个信号。
第 5–8 周：内容怎么起步？
不是「写一批文章」，是「填几个空格」。
前面定标时应该已经铺出一张「主词根 × 用户意图」的矩阵，这时候要做的是找出哪些格子是完全空的——不是内容写得差，是根本没有内容。空白的格子优先。
一个可执行的起步量：8–12 篇，覆盖 3–4 个最核心的意图。不要一开始就铺 50 篇，那种做法在三周内就会暴露两个问题：内容同质化，以及没有反馈可依据——你还没看到第一批的效果，就已经把资源用完了。
内容选择上，优先顺序是产品解读、产品评测、排行榜，这三类在决策链上最靠前。品牌宣发和用户体验是补充，不是起点。
这几周还要同步做一件事：分发。内容发在哪里决定了它会不会被看到，垂直媒体、门户、自有矩阵各承担不同作用，比例大致是 6:3:1。同一篇稿子原文复读到十个站点是无效的，反而会被判低质。
第 9–12 周：复测时看什么数字？
看三个，按可信度排序。
| 指标 | 怎么算 | 可信度 | 正常变化幅度 |
|---|---|---|---|
| 关键事实准确率 | 按事实清单逐条比对 | 最高，几乎不受波动影响 | 从 2–5 条硬错降到 0 |
| TOP3 命中条数 | 固定问题里进前三的条数 | 中，需多次采样 | 提升 3–8 条，超过 10 条要怀疑方法 |
| 提及率 | 提到你的条数 ÷ 总提及条数 | 最低，受分母影响大 | 提升 5–15 个百分点 |
复测必须用第一周那套问题、同一批模型。换了任何一样，前后就不可比——这也是为什么第一周要把提问集存档、定版本号。
一次完整复测的规模是可以算出来的：40 条问题 × 3 次采样 × 3 个模型，共 360 次提问。听起来多，但这是自动化跑的，实际人力花在读原始回答上，大约 6–8 个小时。
如果三个月后提及率涨得很猛，但准确率没动，要警惕。这种情况通常有两种解释：内容铺得够多（包括一些不严谨的内容），或者提问集被动过。前者短期看着好，长期会把错误信息固化进模型。
一张表看完全程
把 90 天拆开看，每个阶段的时间边界和判断标准是清楚的：
| 阶段 | 主要工作 | 交付物 | 能看到什么 | 还看不到什么 |
|---|---|---|---|---|
| 第 1–2 周 | 定标与体检 | 提问集、基线报告、事实清单 | AI 现在怎么说你 | 任何变化 |
| 第 3–4 周 | 修可抓取性与事实 | 技术修复清单、结构化数据 | 错误条目开始减少 | 提及率的变化 |
| 第 5–8 周 | 填意图空缺 + 分发 | 8–12 篇内容、分发记录 | 抓取频次上升 | 内容是否被引用 |
| 第 9–12 周 | 复测与调优 | 复测报告、下一周期计划 | 准确率、TOP3 命中、提及率 | 稳定的排名、精确 ROI |
三个月结束时，应该拿到什么？
一份合格的首期交付，包含五样东西，缺一样都说明过程有遗漏：
- 可复现的提问集。带版本号，任何人拿它能跑出接近的结果
- 两版原始问答存档。改之前的和改之后的，不是统计表，是原文
- 事实清单与核对结果。哪些改了、哪些第三方信息还没改
- 意图矩阵的填充状态。哪些格子填了、哪些还空着
- 下一周期的优先级建议。基于这一期数据，不是通用清单
这五样里，第二样最容易被省略。很多人只给统计数字，不给原文。但原始问答是唯一能让你自己判断「这个变化是真的吗」的材料——没有它，所有结论都得靠信任。
什么情况下三个月不够？
有三种情况，周期要重新估，硬套三个月只会得到一个假的结论：
| 情况 | 为什么不够 | 现实周期 |
|---|---|---|
| 站点靠 JS 渲染，且短期改不动 | AI 读不到内容，后面所有工作都传不出去 | 先解决渲染，再起算三个月 |
| 品牌定位本身说不清 | AI 描述不准的根源是品牌没说清自己是谁 | 先做定位，再谈 GEO |
| 品类词竞争极激烈，头部已占满 | 新进入者要先把意图矩阵铺满才谈得上占位 | 6–9 个月 |
第一种最常见。我们接手的项目里，超过一半的「AI 不认识你」，根因就在这——页面上的字是浏览器渲染出来的，服务器返回的 HTML 里什么都没有。这种情况下投多少内容预算都没用，因为入口是堵的。
第二种更根本。如果品牌自己都说不清「我解决什么问题、适合谁」，AI 只能从第三方内容里拼凑，拼出来的东西你多半不满意。这时候该做的是品牌策略，不是 GEO。
我们怎么看这件事？
行业里承诺首期效果，普遍是给一个排名或一个百分比。我们觉得三个月真正该交付的，不是那个数字。
我们的判断是：GEO 首期最该交付的不是排名，是一套客户自己能复现的测量方法。因为模型会变、信源会变、答案每周都在动，唯一稳定的资产是那套提问集和核对标准。有了它，客户不必依赖我们也能知道进展；没有它，所有数字都只能靠信任——而 GEO 恰恰是最不该靠信任的领域。
— 怡亚科技 · 全域智能洞察团队所以我们的首期报告里，最后一页固定是「怎么自己测」：提问集在哪、跑几次、拿什么比对、什么幅度算正常波动。这一页通常不是客户最关心的，但它是唯一在项目结束后还能继续用的东西。
三个月能做完的事有限。但如果这三个月结束时，客户手上多了一套能自己判断的方法，那这三个月就没有白花——即使提及率只涨了几个点。
常见问题
三个月能不能看到排名进前十？
能不能先不做体检，直接开始做内容？
第一个月就投很多内容，是不是更快？
三个月之后要做什么？
预算很少，三个月能做什么？
怎么判断服务商是在拖延还是真的需要这么久？
三个月结束后，效果会不会掉？
GEO 和投放，预算怎么分？
三个月的时间表定下来，配合前面的关键词矩阵和 KPI 口径，才算一套完整的东西。内容这一侧的执行可以看 内容与新媒体运营；如果体检发现根子在品牌定位，那要回到 品牌策略与品牌设计。