事橙 GEO 助手近期更新，聚焦品牌在 AI 中的可见性分析，新增复检功能验证结果真实性，采用人机协作整理精准问题。
我们在给客户提供GEO服务，GEO服务的目标是通过内容和技术手段，全面优化客户品牌在AI引擎中的的行业权威性和内容可见性。
在开展GEO服务的第一步就是进行监测报告的制定，目的有二，其一为度量现状，为接下来的衡量投入效果做一个起始点位的标记，另外是帮助客户进行常态化的AI中的表现监测也包含部分竞争对手分析。
我们调研了海外产品，发现国内外AI环境的不同导致海外产品无法在本土使用，于是我们决定自己研发工具来支持我们的GEO服务，在本周我们给它定义了名字，叫事橙GEO助手，简称GEO助手。
目前GEO助手规划中有的几个功能板块分别是可见性，内容引用来源、内容生成、内容运营、效果追踪等，在最近两周，经过部分群友的内测，我们得到了很多建议和指导，在这之后我们对GEO助手进行了功能升级。
当前开发的模块功能集中在于品牌可见性分析，附带思考的更新的内容如下，这些思考有助于帮助我们共同理解GEO这件事。
事橙营销GEO助手更新：
1、让客户自己整理问题，而不是让AI提供问题，且问题要“靠后”
原计划给GEO助手提供一个品牌名，让GEO助手基于品牌名结合客户旅程自己生成问题，但是我会发现即使在Prompt环节写的很缜密，生成的问题列表都有很大偏差。
而且对于一个品牌来说，一些开放性思考的问题是不值得监控和分析的，比如如何做GEO和推荐几个在杭州的GEO服务商，前者几乎不会出现品牌名，也不是需求方想分析的方向。于是我们有了一个思考，GEO这件事应该定位在意识阶梯的第三和第四阶段，具体关于意识阶梯的内容可以看我另外一篇内容。（意识阶梯，让B2B官网带来线索）
第三阶段-解决方案感知阶段：用户知道有解决自己痛点的方案，但不知道你的具体产品 / 品牌。了解解决方案类型（如 “知道可以买充电宝、换长续航手机来解决续航问题”）；开始主动搜索 “充电宝怎么选”“长续航手机推荐”等信息。
第四阶段：品牌感知阶段：用户知道你的品牌/产品，但不确定是否适合自己，处于 “评估对比” 阶段。听过你的品牌（如 “知道 XX 品牌有快充充电宝”）；会对比你的产品与竞品（如 “XX 充电宝和 YY 充电宝，哪个更耐用、更便宜”）；有顾虑（如 “XX 品牌的质量靠谱吗？售后怎么样？”）。
我认为B2B做GEO要贴近这两个环节，主要解决与推荐，评估对比，顾虑几个方向。问题列表应该为：
a、我有一些问题，如何解决；
b、推荐几家供应商（服务商），同时做对比，告诉我怎么选；
c、xxx怎么样，我要如何联系到他们。
在结合客户的业务，这些问题围绕在产品使用问题，解决方案使用问题，推荐几家供应商，几家供应商对比，品牌怎么样这些问题上，我们把整理问题的能力放在了功能之外，这样会更精准，让使用者自己提供问题。
于是GEO助手内侧用户们有的去基于AI整理问题从中挑选，有的直接去找业务方（销售方）咨询问题，这样可以在源头上锁定需求，有一些事情人+AI的协作才是更好。
同时我们将问题列表输入的位置做成了无限问题，比如可以输入10个问题，20个问题，50个问题，100个问题等，问题更多分析的更全面，但是也意味着对于节点调用消耗越大计算越慢。所以想到这，我们还是决定不能把它公开使用，还是定点给客户输出报告，这样在当前我们的财力下更合理。
2、命中率计算逻辑，从简单到高级
当我们查询一个品牌是否在AI答案中出现的时候，我会问我的客户朋友们，原始诉求到底是什么，得到的答案是，我们希望看在AI答案中是否出现我们。
这有两种实现方式，我给它定义为“时间切片”和“四维宇宙”。
通俗来讲，第一种方式是基于当前的问题查询进行答案检索来查询是否出现品牌名和竞争对手名等，另外一种高级的方式是我们在很短的时间内进行大量的接口调用与计算，进行成百上千问答的尝试来计算出现的概率进行概率计算，就像将三维世界按照时间站在思维的视角观察一样。
因为AI的答案是趋于稳定但是偶尔动态的样态，“时间切片”的方式在度量品牌覆盖率上会有小部分不准确的情况，但是大体代表用户在当前节点看到的样子，是能满足品牌方基础需求的。
如果追求更极致精准的计算，就需要后者，但是后者需要的算力无法估量，并不是我们当前投入能够满足的。除非有客户愿意付费定制，这件事情需要发展。
于是我们当前追求的可见度（覆盖率）的方式是切片式，GEO助手会基于当前查询，显示N个问题在不同的AI平台上是否包含品牌名以及计算覆盖率。
当看到这个结果的时候，还是挺兴奋的，但是我们如何验证这个结果的真实性呢？于是我们在提及和未提及的位置增加了快速“复检”的功能，把查询结果的关键信息提炼出来鼠标悬浮显示，这样就可以快速的人工检查当前问题列表提及的真实性，示例如下：
提及结果：
未提及结果：
3、排名计算与分析，从图表化直接还原回更直观的表格模式
图表有时候并不一定更容易理解，反而容易产生更多的解读成本，我们做数据分析和GEO优化的过程中需要知道的是具体的数据情况，同时也给排名增加了复检功能。
开发计划：接下来这段时间我们会重点去优化工具结果的数据准确性与及时性，比如调整模型，制定问题规范等。
但是经过跟各位朋友们的交流我发现，GEO这件事除了工具之外，另外一件事情也同样重要，那就是数据报告的制定，这其中包含几十项现状指标，我们做GEO服务需要从中找到几个很重要的洞察进行优化，这是下一步内容策略和信息引用来源分析与策略相关事项。
GEO这个工作，不会是自动化完成的，软件工具也不会是目标完成的主要贡献者，这条路注定要有大量的人机协作的过程，目前看上去人的思考的投入要在70%的比例，于是我们开启了一条路线，开始制定详细的GEO报告模版。
精准的问题制定策略，详细的报告，数据给予的反馈，数据结合AI的洞察，基于目标的GEO策略，针对性的高质量内容创作，基于信息引用洞察的内容布局，部门部门的协作，高效的总结与汇报架构，这些整体构成了GEO这件事情，它是一个系统性工程。
如果你有兴趣参与开发GEO助手的过程或者想找我们支持GEO工作，欢迎进群交流或者加我微信。