GEO 的描述准确率：AI 说对了品类，说不准客户

一个牙科软件市场里，品类几乎全对，客户只对六成

过去两年，GEO 的讨论大多停在两层：有没有被提到、有没有被引用。十一月五日，Search Engine Land 刊出 Emma Baker 的一项实测，把问题往前推了一步：引擎提到你时，说得对不对。研究只测一个品类，五个牙科软件品牌、三十七个买家问句，在 AI Overviews、Copilot、Perplexity、ChatGPT 四个引擎上跑，评分近两千条品牌提及。作者用一套 Positioning Fidelity Index 打分，五个维度各 0 到 2 分：品类、价值主张、差异化、理想客户画像、事实与证明。

越靠近「你是谁」越准，越靠近「你服务谁」越飘

结果是一条清晰的梯度。品类错误出现在不到 1% 的完整描述里，平均拿满 2 分；价值主张平均 1.78 分；差异化开始分化，Open Dental 有 87% 的回答说对差异点，Dentrix Ascend 只有 43%；到客户画像，正确率掉到 60%。另一组数字更能说明落差：Curve Dental 出现在 91% 它本该出现的答案里，但其中只有约三分之一同时把客户、差异点和事实都说对。

空白会被自动填满：三分之一回答至少有一处编造

研究逐条核对事实描述，结论是 34% 的被评分输出至少含一处编造。这不等于「三分之一回答是假的」——一处编造可能只是一句价格，其余部分仍准确；但它说明引擎缺信息时更倾向补一句看起来合理的话，而不是留白。

价格是编造最集中的地方

研究记录了 223 条无法核实价格的提及，其中 153 条出自 Copilot；Copilot 有 71% 的回答含无法核实的信息。典型是 Curve Dental：不公开报价，却被给出 99 至 125 美元、150 至 400 美元、约 350 美元等多个区间，而只有 18% 的回答说明其价格需单独询价。

公开价格也不等于口径一致

对照组更有意思。Oryx Dental 公开三档套餐价，引擎引用的每个具体价格都落在这三档之内；Open Dental 同样公开价格，引擎却给出至少六个版本，从 129 美元到两千美元实施费不等，作者追查发现至少一条不是来自官网，而是第三方目录站。同是「公开」，差别在于价格页是否具体到能被单一值抽取。

加拿大牙医那个问句，五个品牌一个都没被说对

研究开篇有一例。安大略省一位牙医问 ChatGPT：有什么为加拿大牙医做的诊所管理软件，回答称 Curve Dental「专为加拿大牙科诊所设计」。事实上五个品牌里只有 Oryx Dental 提供为加拿大隐私法规单独构建的本地版本，四个引擎没有一个提到它。该被提名的缺席，不该被提名的被贴错地区标签——买家拿到的是一个自信、具体、但对象错位的答案。

研究还记录：买家按规模提问时，引擎往往不用各品牌声明的客户范围，而临时建一套分档。客户定义写得越窄越明确，被描述正确的比例越高，规模类问句里约四分之三的回答是对的；覆盖很宽的品牌则常被压进一个档位。写「服务大中小各类企业」，等于让引擎替你挑一个客户类型。

证明句比大数字更容易被搬走

第四组数字关于证明。一半的完整描述完全没有出现证明，只有 14% 拿到满分。更值得注意的是哪些数字进得去：Dentrix Ascend 官网的「80000 名以上用户」，在 384 条相关答案里只出现 3 次；「每年处理 83% 的保险理赔」出现 0 次。首页大数字的存活率，远低于直觉。

活下来的是新闻发布会里那句话

被反复搬运的反而是 Henry Schein One 新闻稿里的一句「前 50 大连锁诊所中 90% 在使用」，Copilot 多次重复，其中一次还夸大成「全美 90% 以上的连锁诊所都在用 Dentrix Ascend」。作者据此推断：平实、可独立成立、带来源的一句话比首页大数字更容易被搬走。研究没有做传播实验，这属于推论，但落点很具体：把需要上下文才成立的百分比，改写成能单独读懂、带来源的一句话。

四个引擎错误的方式并不一样

分开看，差异明显：Google AI Overviews 倾向把品牌压成一行定位，品类类问句里客户画像只拿 0.63 分，限定条件最先在压缩中丢失。Perplexity 事实分最高，1.95 分，但 89% 的提及短到无法完整评分，准确而单薄。Copilot 编造最多，还会附加缺乏依据的负面判断，例如称 CareStack「在 50 家以上连锁场景中验证不足」。ChatGPT 整体最好，45% 的完整描述拿到 9 分以上。

同一个问句重复问，三分之一的答案会变

研究把同一批问句重复跑了一遍：品牌出现与否，约三分之一的情况在轮次之间会变。单次截图因此证明不了什么。要判断准确度是否改善，只能固定问题库、多轮采集、按错误类型分别计数，否则看到的只是抽样噪声。

把事实底稿写出来：五句话加两条规则

研究没有测试任何修复动作，作者也写明「无法确定怎样修正」。下面这套做法是推断而非结论，当自查清单用即可。

五句话：品类、服务谁、承诺什么、差异在哪、凭什么信

先写五行底稿，每行一句，不堆形容词。品类用客户会说的词；客户带规模和场景，例如「年营收 3 亿到 20 亿的制造业企业，多工厂、多币种结算」；承诺写交付结果而非愿景；差异写与替代方案的具体区别；证明写一条能被第三方核对的公开事实。写完再逐个渠道核对：首页、关于我们、产品页、公众号简介是否在说同一套话。价格这条单独处理：不公开金额时写清计价维度与两个主要变量，研究里引擎确实复述过这类句式；已公开价格时确保只有一个主口径。

按错误类型分账，不要合成一个分数

自查时把问题分三类：品牌缺席、客户说错、事实编造。缺席靠内容覆盖与站外提及，客户说错靠底稿统一与场景页补齐，编造靠补事实或补规则。三类混在一个「准确率」里，就看不出该改哪里——高提及、低准确，恰是提及率报表上最漂亮的一行。

迁移到国内场景，最难写对的是哪一句

这项研究在英文市场、单一品类里完成，套到国内会有偏差，以下是推断。国内企业最容易失守的是第二句「服务谁」，原因不在写作而在业务结构：一个官网常同时承载三条业务线，每条线都写「服务各行业客户」，引擎只能替企业选一个代表客户。可行做法是给每条线独立的实体描述页，各写各的客户、场景与证明。

把不能公开的客户名单，换成可公开的场景

国内 B2B 企业常把客户名单、合同金额、中标记录当机密，证明段只能写「服务过多家知名企业」。这类表述等价于没有信息，无法核验、无法比较，也就很难被复述。替代方案是把不可公开的部分抽象成场景与能力：服务过的行业与环节、交付过的系统类型、团队资质、可公开的方法文档。这些同样构成证明，且不涉客户授权。

一句话的功课

最实用的结论不需要工具：AI 描述你时的准确度，取决于你把事实写得多具体、多一致。品类几乎不会错，因为每家企业都反复说自己是做什么的；客户画像错得最多，因为它最容易被写成「各行业客户」。GEO 做到第二年，竞争点正从「能不能被提到」转向「被提到时说得对不对」，后者没有捷径，只有一份写清楚、全渠道一致的事实底稿。今天就能做一件小事：打开三个 AI 助手，问「什么样的企业适合用我们的产品」，看它替你选的客户对不对。