一页截图，和它证明不了的事
你大概收到过这样的月度报告：一页纸，标题是「AI 可见度提升 200%」，配三五张对话框截图，末尾一行小字写着「数据来源：监测平台」。看完你说不出哪里不对，但也说不出它到底证明了什么。
原因很直接：那几张截图只说明「在某个时刻、某个平台、某种问法下，AI 提到了你」。它不说明这件事有多稳定，也不说明换个人问、换台手机问会不会还是一样。而 AI 的回答天然不稳——我们自己的探针在固定问题集上，单次采样的方差大约 38%，同一批问题跑两遍，结果能差出三分之一。
2026 年 10 月 23 日，中国广告协会提出并归口的三项生成式引擎优化团体标准开始实施。其中《生成式引擎优化效果监测与验证要求》管的正是这件事：一份 AI 可见度报告，要写成什么样，才可能被别人复核一遍。
先弄清这把尺子的分量：它是自律文件，不是资质证书
三项标准分别是《生成式引擎优化服务要求》《生成式引擎优化效果监测与验证要求》《生成式引擎优化内容源主体分类分级与选用要求》，由 26 家单位联合编制（含北京大学、新华网、搜狐等），协会官网 2026 年 10 月 14 日发布公告，标准页标注发布日期为 10 月 13 日，10 月 23 日起实施（三项团标 10 月 23 日起实施，中国消费者报，2026-10-15；生成式搜索进入治理深水区，2026-10-19）。三件事先钉住，免得被销售话术用歪。
第一，它是团体标准，自愿采用，不是国家标准、行业标准，更不是法规；违反它不自动构成违法。第二，部分条款用的是「宜」而不是「应」，评分与分类的附录属于资料性内容。第三，截至今天，协会没有公布任何一家媒体、平台或企业的具体评级结果，也没有任何大模型平台公开表态会参考这套分级。
所以正确的用法是：把它当成一份提问清单，而不是一张资质证书。你拿它去问乙方，比拿它去要求对方出示认证有效得多。顺便说一句，它管的只有三件事——谁有资格做、效果怎么算、材料从哪里来；它不负责让排名变好。
第一句：这个数字，是哪个平台、问了多少题、什么时候问的
标准要求对外披露指标时，必须同时给出平台范围、题目集规模、采样日期与次数、环境状态、地域、设备、是否联网、统计方法与限制条件，并明确写了一条：不应脱离监测维度单独报出指标数值。
换成人话：一个孤零零的「提及率 42%」按这套要求是不合格的——它必须跟平台名、问题集、跑了几次、在哪问、用什么设备问一起出现，读的人才可能自己复现一遍。这不是苛求。新加坡国立大学与西安交通大学团队的预印本测得，同一个问题重复跑 20 次，有 44.5% 的被引页面只出现过一次（AI 问答信源机制的近期进展，第一财经汇编，2026-10-18）。在这种波动水平下，只报一个数、不报问法与次数，等于把抽样误差当成了效果。
题目集这一项最容易被糊弄。用行业词问「GEO 是什么」，和用客户的原话问「你们能不能保证 AI 推荐我」，拿到的是两套完全不同的答案：前者考的是科普，后者考的才是生意。所以题目集还得能看出「是谁会这么问」——采购、老板、技术负责人，三种问法不该混成一张表。
验收动作很小：翻到报告的附录或方法说明那一页，找「平台」「题目集」「次数」三个词。找不到，这份报告就只能当参考，不能当依据。
第二句：测了几轮、跨了几个时间窗口
标准写得比多数人以为的更硬：不应以单次查询结果作为效果证明；正式验证宜采用不少于 3 个时间窗口的重复采样；单一关键指标宜不少于 30 次有效观测；数据采集应至少用两种方式交叉验证，偏离度不超过 30%；用于验证的意图短语集应在基线前由相关方确认并封存。
这套要求解决的是一个老问题：截图是可挑选的。跑 30 次，挑出最好看的那 3 次，成本几乎为零，而客户看不出差别。一旦要求「短语集先封存、跨 3 个窗口、单指标 30 次观测」，挑选空间就被压掉了——这也是为什么标准起草方里既有高校也有平台方，它本质上是给一个随机过程建抽样框架（三项团标条文逐条解读，2026-10-19）。
同样的约束对我们自己成立。我们给客户的自测数据一直附采样次数与波动说明，现在这条从「我们的习惯」变成了「可以引用的文本依据」。
第三句：换过模型之后，基线重建了吗
标准里有一句很容易被跳过的话：目标引擎的模型或产品版本发生重大变化时，应重建基线，变更前后的数据不直接比较。
这句话的分量，要结合过去一个月发生的事才看得清。10 月 17 日，DeepSeek 把检索底座换成自研引擎，同步发布 V4.1-Flash-1017，网页端与接口一起切；官方的说法是索引千亿级网页，并在检索阶段过滤 SEO 作弊与低质生成内容（DeepSeek 更新模型并对外开放搜索引擎，重庆日报，2026-10-17）。检索底座与模型版本同时变动，意味着前后两段数据根本不是同一个系统在答题。
所以「这个月比上个月涨了 20%」这句话，在换代之后是无效的——不是数字算错，是两段数据不可比。验收时问一句「这期间引擎换过版本吗、基线重建了吗」，比争论涨幅有意义得多；答得上来的人，通常也知道自己在测什么。
第四句：那三十篇转载，算几个来源
《内容源主体分类分级与选用要求》里有一条，几乎是对过去两年「铺量分发」的正面否定：同一事实经多个平台转载形成的多个页面，不认定为相互独立的多个来源。它同时写明，平台本身不应作为替代内容责任主体的可信依据；评级结果不应直接替代对具体内容质量的检测；对最低一级的来源，只宜用于发现线索，未经交叉核验不得转成事实表述。
分级模型本身是：主体分五类（党政机关及公共事务组织、专业与学术机构、商业机构、新闻媒体、个人），六维打分共 100 分（主体资质 15、内容真实性记录 25、信息可溯源性与机器可解析性 20、行为合规性 20、稳定性与持续性 10、外部独立验证 10），再按总分分四级，85 分及以上为最高级，70、60、50 依次往下，低于 50 分未达最低评级要求；近 12 个月内被认定严重违法、黑帽操作或重大负面舆情的，不予评级。
对买方最实用的推论只有一句：如果乙方拿「我们在 30 个平台都发了」当成果，按这套文本，那是 1 个来源，不是 30 个。这也顺手解释了一个常见困惑——为什么有的公司发了大半年，AI 还是不提它：不是量不够，是那 30 篇在机器眼里是同一份东西。
第五句：哪些话，现在可以直接拒
《服务要求》把「不当效果承诺」列成了四类，几乎覆盖了市面上的标准话术：结果兜底类，比如保证首位推荐、保证第一提及、保证品牌近期真实负面不被提及；时效承诺类，比如一周见效、当天上首推；绝对控制类，比如完全主导 AI 回答；不正当竞争类，比如保证压制竞品。此外还写了不应在短时间内集中发布大量低质、重复或同质化内容，不应伪造监测结果或选择性隐匿异常的、失败的样本。
这四类话有个共同点：它们承诺的是结果，而结果不由乙方控制。合同里出现这类句子不是信心，是风险——真出事时它保护不了你，只会让你在举证时更被动。反过来，把承诺换成可核的过程指标（采样轮次、覆盖平台、被引来源结构、事实完善度），对方能不能兑现当场就能看出差别。
还有一条容易被忽略：官方渠道、媒体、行业组织的身份本身不当然构成可信，仍要核验发布主体、内容证据与可追溯性。这句话对我们做内容的人同样成立——挂在哪个号上发，不改变内容本身的证据强度。
顺带一个反直觉的细节：不伪造监测结果，也包括不隐瞒失败样本。一份诚实的报告里应该出现「这个平台我们问了 30 次，一次都没提到你」这样的句子。看到它，反而是可信信号；一份处处漂亮的报告，往往意味着只留下了漂亮的那些。
它没管什么，以及你下周能做的三件事
把边界说清楚，比把标准说得更厉害更有用。它没有公布任何评级名单；没有平台承诺采用；它不管预算、不管工具选型、也不管内容怎么写得更好——它只规定「怎么证明」，不负责「怎么变好」。指望一套自律文件替你判断某家机构行不行，会失望。
下周能做的三件事：
① 把手上最近的 AI 可见度报告翻出来，只看四个词——平台范围、题目集、采样次数、时间窗口。缺两项以上，这份报告不能用来判断要不要续约。
② 下次改合同时，把「保证首位」「一周见效」「保证负面不被提」这类句子划掉，换成可核的过程指标。这不只是合规动作，也是筛人的动作。
③ 自己跑一次基线：固定 10 到 20 个客户真会问的问题，在 3 个平台各问 2 轮，记下日期、模型版本和答案里出现的来源。这件事不需要预算，一周能做完；做完你才有资格判断别人给的数字。具体怎么记，可以照这套自测方法走一遍；想先看自己现在处在什么位置，公开检测工具可以直接跑。
常见问题
这三项标准是强制的吗，客户能不能拿它来要求我们？
不是强制的。三项都是中国广告协会的团体标准，自愿采用，不是国家标准、行业标准，更不是法规，违反它不自动构成违法。但它很可能以另一种方式生效：甲方在招标或验收时直接把「符合三项团标」写进条件。所以现实中的约束力来自合同，而不是来自标准本身。
报告里写「提及率提升 200%」，我该信吗？
先看它有没有同时给出平台范围、题目集规模、采样日期与次数、地域设备与是否联网。标准明确不应以单次查询结果作为效果证明，正式验证宜不少于 3 个时间窗口的重复采样，单一关键指标宜不少于 30 次有效观测。这些信息缺失时，数字再漂亮也无法复核。
已经在传的「信源 A 级名单」，能用吗？
截至 2026 年 10 月 19 日，协会没有公布任何媒体、平台或企业的具体评级结果，也没有平台公开表态会参考这套分级。标准给出的是怎么评的框架，不是谁可信的名单；它还明确写了评级结果不应直接替代对具体内容的逐条核验。