GEO 效果不能再"一张截图说了算"：3 项团标 10 月 23 日实施，验证要 3 个时间窗口、30 次观测

一句话结论：GEO 这个行业第一次有了可对照的"验收口径"——单次查询、一张截图、一句"排名提升了"，从此都不构成效果证明。标准要求先封存基线、固定问题集、跨 3 个时间窗口重复采样、单一关键指标累计不少于 30 次有效观测，模型换版还要重建基线。对企业最直接的好处是：以后再有人跟你说"保证被 AI 推荐"，你可以拿条款问回去。

发生了什么

2026 年 10 月 13 日，中国广告协会提出并归口的三项生成式引擎优化（GEO）团体标准正式发布（协会官网 10 月 14 日刊发消息），并自 10 月 23 日第 33 届中国国际广告节开幕当日起实施。这是国内 AI 营销领域第一次把 GEO 的服务、效果、内容源三件事同时写进标准文本。

三项标准各管一段，编号与分工如下：

标准编号	管什么	条款里最"硬"的几条（对企业最有用的）
T/CAAAD 046—2026《生成式引擎优化服务要求》	服务商怎么干、边界在哪	搜索请求样本要有可说明、可追溯的来源并保留版本记录（7.2）；服务方不宜把全部效果变化简单归因于 GEO 服务（7.5.5）；医疗、医药、金融、招商加盟、教育培训等高风险行业要做更严的资质查验与专项复核
T/CAAAD 047—2026《生成式引擎优化效果监测与验证要求》	效果怎么测、怎么算数	不应以单次查询结果作为效果证明；正式验证宜不少于 3 个时间窗口重复采样，单一关键指标宜不少于 30 次有效观测（8.3）；模型或产品版本重大变化时重建基线，前后数据不直接比较（8.4）；复核的意图短语不宜低于封存集的 20%（12.3）；原始记录不得被覆盖、篡改或选择性删除（14.2）
T/CAAAD 048—2026《生成式引擎优化内容源主体分类分级与选用要求》	信源靠不靠谱怎么判	建立"六维评分、四级分级、动态调整"模型：从主体资质、内容真实性记录、信息可溯源性与机器可解析性、行为合规性、稳定性与持续性、外部独立验证六个维度打分，满分 100 分（TCS 综合可信度得分），对应 A 高度可信 / B 一般可信 / C 基础可信 / D 有限可信 四级，并规定了不予选用的情形

这不是孤立的动作。此前半年，行业规则已经补了几块：中国商务广告协会的 T/CAACCHINA 001～005—2026 五项标准（术语、服务商评估、计价与测量、可信语料、流程合规与安全），9 月经全国团体标准信息平台公布、10 月 16 日在上海开发布会；中国新闻技术工作者联合会 T/CAPT 026—2026 划了白帽与黑帽的界线；中国信通院与 AIIA 在 5 月发布可信生态报告、6 月公布首轮 GEO 服务可信专项评测结果。

flowchart TB
    A["优化前：封存基线与问题集<br/>记下版本号与时间"] --> B["按窗口采样<br/>纯净环境、去登录态与个性化"]
    B --> C{"累计够不够"}
    C -->|"不足 3 个窗口<br/>或单指标不足 30 次"| B
    C -->|"够了"| D["出结论：可见率、引用质量<br/>回答准确率、稳定性"]
    D --> E{"目标模型换版了吗"}
    E -->|"换了"| F["重建基线<br/>前后数据不直接比较"]
    E -->|"没换"| G["进入下一周期"]
    F --> G
    D --> H["原始记录留档<br/>能追到问题、时间、平台、回答快照"]

数据说明：上述条款号与数字均来自三项团体标准公开文本及 2026 年 10 月—11 月行业媒体与参编单位的逐条解读（中国广告协会官网 2026-10-14 消息、中国质量监管网、中国经济新闻网、同花顺财经 2026-11-05 专家解读、凤凰网科技 2026-11 白皮书），条款以标准正式发布文本为准。另需说明：部分报道对中广协三项标准的"发布日"表述为 10 月 13 日、部分为 10 月 14 日（后者是协会官网刊发消息的日期），实施日各方一致为 10 月 23 日；商务广告协会五项标准的公布与发布会日期在不同报道中亦有 9 月 9 日、9 月 14 日两种说法，建议以全国团体标准信息平台的登记信息为准。另有个别报道称 2026 年国内 GEO 市场规模 30 亿元、同比增长 1100%，该数字为媒体转述、未见原始报告口径，本文不引用、不作为判断依据。

对企业意味着什么

三点，按重要性排序：

1. "保证排名"这句话，现在有了明确的反面依据。 标准把"平均位序"这类指标定位得很克制：另一套标准 T/CAACCHINA 003—2026 明确，可见率在样本量满足要求时可作考核 KPI，而可见份额与平均位序受品类边界、竞品范围、问题集设置影响大，宜作策略分析，不宜单独作考核 KPI；047 又规定单次查询不算证明、换版要重建基线。翻译成人话：同一件事换 20 个问法就能换一个名次，模型一升级前后两个名次甚至不在同一个坐标系里。所以谁在合同里承诺"前三位"，谁就在承诺一件他自己控制不了的事。
2. 交付物从"报告"变成"可复核的过程记录"。 以前验收看 PPT，现在条款要求每条观测能追到具体意图短语、查询时间、平台入口、环境状态、回答快照；原始记录不能覆盖、不能选择性删除；复核抽查不低于封存问题集的 20%。这对甲方其实是好事——你终于有办法判断这份报告是"跑出来的"还是"编出来的"，而不用懂技术。
3. 买服务多了一道筛子，自建团队也有了对标线。 047 的六维指标框架（可见性、引用质量、回答质量、稳定性、合规性、过程质量）可以直接当招标文件的评分表；048 的 A～D 四级可以直接用来判断"该把内容铺到哪些平台"。对陕西本地的中小企业，这条最实际：你不需要判断服务商的技术有多强，只需要问他四个数字——基线在哪、问题集封存没有、跑了几个窗口、观测多少次。

建议动作

优先级	动作	判断标准
高	把 047 的 8.3、8.4 两条抄进合同附件：3 个窗口、单指标 30 次、换版重建基线	服务商能当场答应并写进附件；含糊其辞的先放一放
高	让服务商交付"封存的问题集"（20～30 条真实客户问句），双方各留一份版本	问题集能覆盖"这类事怎么办""怎么选""多少钱""靠不靠谱"四类，而不是全是品牌词
高	验收时只认"可见率 + 指定信息正确率"两项结算，位序作为过程观测项	报告里有这两项的口径、样本量、时间窗口，缺一项就不签字
中	用 048 的 A～D 四级自查现有信源：官网、公众号、行业媒体、问答平台分别在什么位置	至少有一张表，写清"哪个平台、谁在维护、上次更新时间"
中	要求原始记录可导出、可复现：同一批问题、同一环境，自己再跑一遍能对上	你能用自己的账号复现出 80% 以上的结果，而不是只能看他的截图
低	继续相信"保证被 AI 推荐""行业第一"这类说法	与 047 的"不以单次结果作证明"、046 的"不宜全部归因"直接冲突，不建议签

FAQ

Q1：团体标准是强制的吗？不遵守会怎样？

不是强制标准，是行业自律性质的团体标准，靠市场选择来落地。但它会很快变成采购与招标的对照口径：平台方在评估服务商、大企业在选供应商、参编单位在投标时都会引用。对企业的现实影响不是"违法风险"，而是"谈合同的时候你没有依据"——现在有了。

Q2：3 个窗口、30 次观测，小公司是不是做不起？

没有想象中贵。条款说的是"单一关键指标不少于 30 次有效观测"，不是 30 个问题各跑 30 次。按常见做法：20 条问题 × 3 个时间窗口 = 60 次观测，已经过线；每月跑一轮、连续三个月，就是 3 个窗口。真正的成本不在采样，而在前期把问题集和基线定下来——这一步偷懒，后面三个月的数据都不能用。

Q3：我们已经在做 GEO 了，怎么快速自查合不合格？

问四个问题就够：① 优化前的基线封存了吗，有没有版本号？② 问题集是双方确认后固定的，还是每次临时挑的？③ 原始记录能不能导出、能不能复现，有没有被删过？④ 目标平台换过模型版本吗，换版后重建基线了吗？四问里有两个答不上来，这份"效果"基本只能当参考，不能当结算依据。

相关方案

• GEO 效果怎么衡量？提及率、引用率、推荐位次怎么测
• GEO 服务商怎么选？报价怎么核
• 做 GEO 要把内容发在哪些平台？信源分层怎么铺

标准落地之后，"效果好不好"这件事终于可以拿数字对一遍了。想按 047 的口径给你现在的 GEO 做一次体检？联系我们，我们用你行业的 20 个真实问题跑一轮基线，把可见率、回答准确率和信源分布列成一张表。