GEO 首套团体标准全解读：从术语到计价到合规，B2B 企业该看什么？

2026 年 9 月，中国商务广告协会提出并归口的《生成式引擎优化（GEO）》五项团体标准正式通过审核并公布，41 家参编单位、75 位行业专家参与制定，覆盖通论术语、服务商评估、计价测量、可信语料、合规安全五大板块。

重要边界前置说明： 本套文件属于推荐性团体标准，并非法律强制法规，不具备强制执法效力。它的价值是建立行业统一共识，适合作为 B2B 企业招标选型、合同谈判、项目验收、内部能力评估的参考标尺。同时需要客观看待行业现状：目前市场上绝大多数服务商尚不能 100% 满足全套标准全部条件，企业应当把标准作为打分评估依据，而不是一刀切的硬性入围门槛。

团标出台的产业编制背景

在这套团体标准发布之前，国内 GEO 行业已经进入高速扩张阶段，对应 Gartner、易观分析报告描述的市场特征：市场规模快速增长，但属于典型 “诸侯割据” 的早期市场。

术语体系完全混乱：AEO、GEO、LLMO、AI-SEO 各类名词混用，甲方和服务商之间对同一个词理解完全不一样，招标沟通、合同签订极易出现认知错位；

效果评估无统一标尺：各家服务商自有一套指标口径，同样叫 “AI 可见率”，每家统计样本、提问集、引擎范围完全不一样，报告数据不具备横向对比能力；

黑帽行为泛滥：语料投毒、伪造信源、刷 AI 回答、虚构引用等手段层出不穷，部分服务商把短期作弊手段包装成 GEO 正规服务，B2B 企业一旦中招会遭遇品牌长期的 AI 生态降权；

交付物、计价逻辑无序：报价五花八门，有的按发稿篇数、有的按关键词、有的打包一口价，交付物没有统一定义，项目结束只有几张 AI 截图，没有可继承的资产；

合规边界模糊：什么属于正常商业传播，什么属于黑帽 GEO，缺少行业公认的划分，企业很难识别服务商的风险操作。

正是基于以上行业痛点，中广协组织平台方、广告集团、技术厂商、互联网平台共同编制整套 5 份团体标准，试图建立统一术语、评估、计价、语料、合规的完整框架。但同时要客观认识：团标主要解决 “有统一标尺” 的问题，它无法解决所有现实业务问题，存在自身局限性：

团标局限性提示

标准偏向通用互联网营销场景，针对 B2B 长决策、重资质、重工业参数的细分场景，没有做专门细化定义，需要企业自行做业务转化；

标准对大模型内部黑盒推理机制只能做外部观测，无法干预各大 AI 引擎内部算法；

标准给出的是评估方法论，不能替代企业自身业务判断，指标只是参考，不等于业务询盘、成交结果。

这不是一份普通行业倡议。它是国内首套系统性 GEO 标准体系，第一次把 “GEO 怎么做、怎么算、怎么管” 转化为可对照的成文行业共识。标准原文篇幅超百页，本文按照五个分册拆解核心条款，并逐条落地为 B2B 制造业、企业服务企业可直接使用的业务启示。同时本文联动 Gartner 信源基建、易观十大误区、艾瑞 GEO 成熟度 L1-L5 模型，与官网另外三篇研究解读形成完整知识体系。

第 1 部分：术语与定义 ——GEO、SEO、AEO 的边界到底在哪

标准第 1 部分《通论及术语与定义》给出 GEO 明确定义：通过系统性的技术与内容策略，增强数字内容在生成式人工智能搜索引擎结果中的可见性、准确性和可信度的优化活动。

条文底层逻辑解读：很多甲方误以为 GEO 目标是 “更多曝光、更多被提到名字”。但标准定义把准确性、可信度放在和可见性同等地位。这和 Gartner 报告 AI-Ready Data 信源基建、易观报告「语义深度、数据支持、权威来源」、艾瑞白皮书 L1-L5 成熟度模型内核完全一致：GEO 不是求名字出现，而是求被 AI 正确的引用。

标准用一张对照表厘清了 SEO、AEO、GEO 的边界：

标准明确：AEO 可视为 GEO 的子集，两者在结构化数据和内容组织方面存在重叠。 但技术底层不同 ——AEO 侧重结构化数据与段落级答案提取，GEO 侧重生成式推理下的信息增益与多维引用。

概念辨析：子集≠全部，很多服务商只做 AEO（只堆砌 Schema、FAQ 标签）就对外宣称完整 GEO 服务，这正是易观报告指出的 “伪 GEO” 典型陷阱。AEO 对应艾瑞成熟度模型 L1-L2 技术基础层；完整 GEO 向上覆盖 L3 平台适配层、L4 品牌心智层。

标准给出了一个关键判断：GEO 内容需同时具备 SEO 结构基础。 也就是说，SEO 做得好是 GEO 的基础，但只做 SEO 远远不够。

业务场景解读（B2B 制造）：企业官网 SEO 排名很高，但大量核心技术参数、资质藏在 PDF、图片，缺少实体统一，即便 SEO 流量不错，在大模型 RAG 检索环节依旧很难被采信。

标准里的技术框架

标准第 1 部分还给出了一个四层技术框架：

L1 技术基础层： SEO 基础、Schema 标记、向量检索友好

L2 内容质量层： 引用权威性、数据支撑、相关性、流畅性、差异化

L3 平台适配层： 引擎引用偏好、收录与结构化、答案形态偏好

L4 品牌心智层： 情感管理、核心标签匹配、品牌差异化定位

L1 是基础性必要条件，L2-L4 是递进优化层级。

互文对照：团标四层技术框架 ↔ 艾瑞白皮书 L1-L5 成熟度模型

L1 技术基础层 = 艾瑞 L1 防御观察 + L2 基础性优化；

L2 内容质量层 = 艾瑞 L3 主动式内容布局；

L3 平台适配层 = 艾瑞 L3 向 L4 的过渡；

L4 品牌心智层 = 艾瑞 L5 生态级知识贡献。 而四层框架所有内容的沉淀载体，就是企业GEO 知识库，也就是 Gartner 定义的 AI-Ready Data 信源基建。

标准还拆解了生成式 AI 引用决策的四阶段流程和五大信号：

四阶段流程：查询扩展→分块检索→段落选择→归属标注。

技术机理补充：

查询扩展：大模型会把用户原始 B 端采购提问拆解多份子查询；例如用户问 “精密零部件供应商精度”，模型会拆分为：主流厂商精度参数、各家产能、资质认证；

分块检索：网页内容切分为 500-1000 字符 chunk，做向量匹配；B2B 企业一大坑：大段营销软文，chunk 内没有实体参数，向量匹配直接过滤；

段落选择：是最关键一步，不是匹配上就会被选用，优先选具备信息增益的内容；

归属标注：尝试标注原始信源 URL，这也是信源可追溯的来源。

五大信号：语义相关性（检索阶段的首要排序信号）、信息增益（段落选择阶段的核心决策依据）、实体一致性（与知识图谱及其他权威来源的一致程度）、品牌权威性（引用历史、域名权重、行业认可度）、内容质量（E-E-A-T 原则）。

逐条 B2B 制造业场景解读

①语义相关性：企业内容要匹配采购真实提问语义，而不是堆砌产品广告词；

②信息增益：你的页面要有竞品页面没有的实测参数、证书编号、工况条件，不能只有行业通用套话；

③实体一致性：同一个产品型号、精度、证书编号，官网、百科、白皮书、新闻稿全部必须一致；一旦多处冲突，RAG 直接降低本企业全部信源权重；

④品牌权威性：来自官方官网、专利库、检测机构的信源权重高于自媒体软文；

⑤E-E-A-T 原则：经验、专业性、权威性、可信度，B2B 行业权重远高于消费行业。

对 B2B 企业的含义

选服务商时可以用这张表对照。 如果服务商还在用 “关键词排名” 的逻辑讲 GEO，说明它的认知还停在 SEO 阶段。

第二，可以据此判断自己的现状。 如果企业还在做 SEO，但从未关注过 AI 回答里怎么描述自己，那就在 AEO 和 GEO 之间有一个巨大的空白。

第三，五大信号，就是 B2B 企业做 GEO 的 “检查清单”，可以用于内部评审自有官网、GEO 知识库输出的每一批事实内容。

第 2 部分：服务商评估 —— 六类服务商，五维评估，一票否决

标准第 2 部分《服务商评估规范》解决的是 “怎么选服务商”。

六类服务商，对应六种能力 标准把 GEO 服务商分成六类：内容生产型、信源建设型、技术平台型、策略咨询型、数据监测型、综合服务型。

六类服务商优劣势与 B2B 适配场景】

内容生产型：优势，文案产出效率高；短板，缺少底层技术、知识资产治理能力；适配：C 端品牌做大量科普内容；不适合 B2B 制造作为主服务商，只能做配套外包内容；风险：容易滑向 “AI 版 SEO”，也就是易观报告描述的伪 GEO。

信源建设型：优势，擅长官方信源、知识库、事实资产沉淀；短板，内容批量产出弱，监测工具未必自建；适配：B2B 制造、专精特新企业首选类型，匹配 Gartner AI-Ready Data 基建思路；

技术平台型：优势，自有监测、解析工具；短板，缺少深度行业咨询、B 端业务理解；适配：企业已经懂业务，只需要采购工具能力；不适合完全零基础 B2B 甲方。

策略咨询型：优势，顶层方案、诊断、规划能力强；短板，落地执行、内容生产、技术工具弱；适配：企业需要做顶层规划，再另外找执行方；不能单独作为落地服务商。

数据监测型：优势，指标采集、报告输出；短板，完全没有内容与改造落地能力；定位就是第三方审计，不能做 GEO 优化执行。 6、综合服务型：理论上全链条能力；标准明确要求综合服务型所有维度都要达到重点评估；现实市场极少有真正合格综合服务商，B2B 甲方遇到自称综合服务型，务必逐条核验全部五维评估项。

标准附录 B 给出了一张 “服务商类型与评估重点对照表”，明确不同类型服务商应重点评估哪些维度：

标准特别注明：综合服务型作为全链条服务商，应在所有维度均达到重点评估要求。

五维评估的具体指标

标准第 5 章给出了五个维度的具体评估内容：

维度一：企业资质与合规。 包括主体资质、经营范围、合规记录、资质认证（ISO9001/ISO27001 认证者优先）。

维度二：技术与数据能力。 包括技术平台（GEO 监测 / 分析 / 优化工具）、数据能力（合规的数据采集、处理和分析）、AI 引擎理解（对 RAG、向量检索、语义相关性等核心技术的掌握）、接口集成、安全能力。

维度三：服务交付能力。 包括服务流程、团队配置、项目管理、客户响应、交付追溯（服务过程和交付物具有可追溯性）。

业务关键点（B2B 重点关注）：交付物是否包含可继承迭代的GEO 知识库，而不是仅仅交付报告、截图、外部稿件。这是区分伪 GEO 的关键，对应易观分析报告十大误区。

维度四：质量保障体系。 包括质量标准、过程监控、问题处理、知识管理、持续改进、合规防范（对黑帽 GEO 和语料投毒等违规行为的识别与防范机制）。

维度五：行业实践与声誉。 包括项目经验、客户评价、行业贡献、创新能力、效果指标应用能力。

一票否决项

标准设置了一票否决项：近三年内因违反《广告法》《个人信息保护法》《数据安全法》等受到行政处罚；被列入严重违法失信名单；存在重大知识产权侵权纠纷且尚未解决；存在黑帽 GEO、语料投毒或其他恶意操纵 AI 生成结果的行为。

标准明确：一票否决项不参与权重分配。

风险提示：B2B 企业特别需要关注语料投毒，一旦服务商实施该类操作，受损是品牌在各大大模型中的长期信源权重，修复周期极长，成本远高于建设成本。对应易观报告坑十：试图欺骗 AI 终将遭遇算法反噬。

对 B2B 企业的含义

选服务商时，先问 “你是六类里的哪一类”。 不同类型服务商的能力重点不同，不能用同一套标准去衡量。如果对方说 “我们是综合服务型”，那就要求它证明：五个维度都达到重点评估要求。

五维评估可以直接变成 “选型打分表”。 把五个维度列出来，每个维度给服务商打分，最后看总分。比 “凭感觉选” 靠谱得多。

第三，一票否决项是底线。 如果服务商有过黑帽 GEO 或语料投毒行为，不管报价多低、承诺多好，直接出局。

第 3 部分：计价与效果测量 —— 七类计价单元，九项效果指标，样本量≥30

标准第 3 部分《计价、评估与测量规范》解决的是 “怎么算钱、怎么算效果”。

七类计价单元

标准定义了七类计价最小单元：

标准还规范了五种计价模式：按项目计价、按服务内容和数量计价、按效果计价、按系统交付计价、混合式计价。 其中一条值得注意：混合式计价中，固定成本部分占合同总金额宜不低于 30%。

条文底层逻辑深化：完全按效果计价在 GEO 场景天然存在风险，因为大模型引擎算法迭代、竞品行为都会干扰结果；100% 纯效果分成模式，会倒逼服务商选择黑帽短期手段，所以标准设置固定成本不低于 30% 的建议，用来平衡双方风险。

九项效果指标，并明确区分了 “可作考核 KPI” 和 “不宜承担考核职能” 两类：

区分 B2B vs C 端指标优先级

C 端消费品牌：优先可见率、AI 情感中正率；

B2B 制造业、企业服务：最高优先级是【指定信息正确率】、【语义一致性】，其次才是可见率。采购选型场景，名字被提到但参数全部错误，不仅没有价值，反而会伤害业务，这点和艾瑞白皮书 KPI 体系完全呼应。

“平均排名” 不宜单独作为项目考核 KPI 指标的理由：排名受品类边界、竞品数量、问题集设置影响太大，“拿来考核，既不公平也不稳定”。 “可见份额” 不宜直接作为项目考核 KPI 指标的理由：受品类边界、竞争品牌范围和问题集设置影响较大，是重要的策略分析指标。

现实业务边界补充：不宜单独作为硬性合同 KPI ≠ 完全不能看。B2B 甲方做阶段性观测、内部复盘可以统计平均排名、可见份额，只是不能写进合同作为扣款、验收通过的硬性条件。很多服务商的套路就是拿平均排名对外做承诺，这是招标重点识别的坑。

样本量底线：≥30 次

标准规定：每个 “意图词-模型-周” 组合至少提问 30 次；中国市场覆盖不少于 5 个生成式引擎、3 个城市；单一模型样本占比不超过 80%；原始采集数据保存至结案后三年。

标准附录 A 给出了具体依据：

当样本量不低于 30 时，品牌可见率指标的统计标准差不超过 10%，达到较稳定要求。

统计陷阱解读：很多服务商报告，只拿 5-10 个提问截图给客户看，N=5 的时候标准差高达 15-24%，统计结果完全随机，不具备任何评估效力。B2B 企业签合同，必须把样本统计规则写进附件。

标准还给出了采集数据的储存要求：原始采集数据应至少保存至项目结案后三年，以备查询与复核。 采用安全、可靠的方式存储，确保数据不丢失、不被篡改。敏感数据应加密存储。

对 B2B 企业的含义

验收效果报告时，先看样本量。 样本量低于 30，数据不可信。一次提问、一张截图，在统计上连一个有效样本都算不上。

问清楚 “平均排名” 和 “可见份额” 是否被用作 KPI。 如果服务商把这两个指标当成核心 KPI，说明它不专业。标准明确说这两个不宜单独作 KPI。

问清楚原始数据保存多久。 标准要求至少保存三年，以备查询与复核。如果服务商说 “数据保留一个月”，不符合标准要求。

第四，看计价模式是否透明。 标准要求报价单明确计算过程和计算逻辑。如果报价单只写 “GEO 优化服务，XX 万”，没有具体的最小单元和计算方式，不符合标准要求。

第 4 部分：可信语料规范 —— 五级分级，信源准入，100% 全检

标准第 4 部分《可信语料规范》解决的是 “内容质量怎么管”。

语料可信等级分为 1 星至 5 星，依据五个维度综合评定：权威性、专业性、真实性、时效性、内容质量。

B2B 制造对应业务释义

1-2 星：普通科普、行业资讯类，适合泛行业阅读，不能作为 B2B 企业核心业务事实语料，不能用于产品参数、资质描述；

3 星：真实、时效新，但缺少强权威背书，可以做辅助内容；

4 星：中等-高权威，适合大部分 B2B 常规业务描述；可以引用企业官网公开参数、已公开项目案例；

5 星：最高可信等级；B2B 制造核心参数、专利、检测报告、证书、官方白皮书必须尽量达到 5 星；需要第三方机构核验背书。

标准还给出了综合可信等级（1 级至 5 级），对应不同的样本量要求和星级样本占比：

信源准入

标准对信源准入提出了明确要求：有完善的内容审核机制、有真实身份背书的创作者体系、内容可追溯到具体责任人、平台对虚假信息有主动治理机制、对 AI 生成信息有标识、具备合法来源与完整授权链。

高合规要求行业（金融理财、医疗健康、教育培训、房地产、医美、药品、医疗器械、保健食品、特殊化妆品等）实行信源白名单准入、最小范围采集、100% 人工复核、全链路可追溯机制。 禁止自媒体、个人账号、匿名社群、小道消息、无资质自媒体内容作为训练信源。

扩展 B2B 制造高合规场景：精密特种设备、医疗器械、工控安全装备、计量检测设备同样属于高合规属性行业，同样适用白名单、100% 人工复核规则。核心参数、检测报告，不能使用自媒体稿件作为事实信源。

抽样质检

标准规定了抽样质检机制：

问题语料处置

标准要求建立错误更正机制：一旦发现已投放的语料存在事实性错误或被 AI 错误引用，GEO 服务商应在 72 小时内启动修正程序，更新由服务商控制的语料库及投放渠道内容，并建议或协助委托方立即同步更新官网、知识库及外部发布渠道，双方均应记录变更日志。

B2B 制造现实风险解读：企业证书过期、产品迭代更新参数发生变化，如果GEO 知识库没有同步更新，旧的错误语料继续被大模型抓取，会持续输出错误技术指标。72 小时更正机制，不是只改服务商外部稿件，必须联动企业自有官网、知识库。很多服务商只改外部发的稿子，完全忽略企业自有核心信源，这属于没有完整执行标准要求。

对 B2B 企业的含义

问服务商 “你们的语料可信等级是多少”。 如果服务商说不清楚，说明它没有做语料分级管理。

第二，高合规行业（金融、医疗、教育）要特别注意。 标准明确要求这些行业实行信源白名单准入、100% 人工复核。如果服务商在这些行业用 “自媒体铺量” 的方式做内容，直接违反标准。

补充：B2B 特种设备、医疗器械制造企业，把这条写入合同条款，要求核心业务语料执行 100% 人工复核。

第三，问清楚 “错误更正机制”。 如果 AI 引用了错误信息，服务商能不能在 72 小时内启动修正？并且同步联动我方官网、GEO 知识库更新，留存变更日志。这是判断服务商合规能力的具体指标。

第 5 部分：服务流程合规与安全 —— 负面行为分级处置，不可承诺事项清单

标准第 5 部分《服务流程合规与安全要求》解决的是 “合规底线在哪”。

不可承诺事项

标准明确规定：服务商不应承诺 “绝对控制模型输出”“百分之百霸屏” 等超出事实依据和技术边界的效果。

服务商应在合同、方案和对外沟通中明确服务范围、执行周期、责任边界、交付内容、验收方式和不可承诺事项，并设置 “不可承诺事项清单” 作为合同附件。

B2B 甲方签约提示：很多服务商口头承诺 “让 AI 优先推荐我们企业”，大模型属于黑盒，没有任何人可以 100% 控制输出，所有类似表述都要放进不可承诺清单附件。

负面行为三级处置

标准将负面行为分为三级：

一般违规： 服务记录不完整、流程执行存在轻微瑕疵、非核心内容表述不规范、档案归档不及时、监测记录存在一般性缺漏。7 个工作日内完成整改。

严重违规： 广告标识缺失、特殊行业宣传内容不符合监管要求、未经证明使用比较性或绝对化表述、违规使用第三方内容或数据、未按规定完成审核即对外发布内容。立即暂停相关服务，下架违规内容，启动内部问责机制。同类违规在整改完成后 12 个月内重复发生的，升级为重大违规处置。

重大违规： 语料投毒、语料轰炸、伪造权威信源、恶意贬损竞品、数据造假、隐私泄露、提示词攻击或绕过平台安全机制、伪造监测结果或效果报告。立即终止相关服务，固定并留存证据，涉嫌违法犯罪的依法移交相关部门处理。

B2B 风险场景解读：重大违规里面的伪造权威信源、伪造监测报告，在 B2B 服务商市场偶有出现，例如伪造行业报告引用、伪造大量虚假第三方评价；一旦踩中，对制造企业品牌会造成持续性伤害。

服务记录保存期限

标准规定：服务日志、审核记录、发布记录和监测报告等资料，自服务终止之日起保存期限宜不少于三年；法律法规另有规定的，从其规定。

对 B2B 企业的含义

签合同前，要求服务商提供 “不可承诺事项清单” 作为合同附件。 如果服务商不愿意提供，或者清单上只写 “不保证排名第一” 而没写其他，说明它的合规体系不完整。

问清楚 “负面行为分级处置机制”。 如果服务商内部有这个机制，说明它有合规体系；如果没有，说明合规是空话。

第三，要求服务记录保存三年。 这是标准的规定，也是企业保护自己的方式。如果服务商说 “数据只保存半年”，不符合标准要求。

结语：这套标准对 B2B 企业意味着什么

五部分标准合起来，回答了一个核心问题：GEO 怎么从 “凭感觉做” 变成 “按规矩做”。

对 B2B 制造业与企业服务企业来说，这套标准提供了四把可对照的尺子：

第一把尺子：选服务商。 六类服务商分类、五维评估框架、一票否决项 —— 客户可以拿这套框架去对照服务商的能力和合规底线。

第二把尺子：验收效果。 九项效果指标、样本量≥30、原始数据保存三年 —— 客户可以拿这套标准去验收服务商的效果报告，判断哪些数据可信、哪些数据注水。

第三把尺子：判断内容质量。 语料五级分级、信源准入要求、抽样质检机制 —— 客户可以拿这套标准去判断服务商的内容质量是否有体系化保障。

第四把尺子：判断合规。 不可承诺事项清单、负面行为分级处置、服务记录保存三年 —— 客户可以拿这套标准去判断服务商的合规体系是否真实存在。

行业研判：该套团标发布之后，会加速行业淘汰刷量、语料投毒的黑帽模式，推动整个行业从「发稿数量导向」向「可信信源资产导向」演进，和 Gartner、艾瑞、易观报告共同指向同一个结论：GEO 的核心是沉淀企业可自主掌控的GEO 知识库与 AI-Ready 信源基建，而非短期营销炒作。

B2B 企业极简招标自查清单（可直接复制给到采购 / 法务）

是否明确服务商属于六类服务商中哪一类；自称综合服务型，能否证明五大评估维度全部达到重点评估要求。

是否书面列明一票否决项；核查服务商是否存在黑帽 GEO、语料投毒历史记录。

项目报价是否拆解七类计价最小单元，拒绝笼统打包报价。

效果报告样本量是否≥30；原始监测数据是否承诺留存不少于 3 年；明确各指标是硬性 KPI 还是仅作为观测指标，平均排名、可见份额不写入扣款条件。

合同是否附带不可承诺事项清单作为正式附件。

交付物清单是否写明包含可继承迭代的 GEO 知识库，而不是仅有截图、外部稿件。

是否具备可信语料分级管理；高合规业务场景（特种设备、医疗器械等）是否约定核心业务语料 100% 人工复核。

是否约定事实信息错误发生后 72 小时更正流程，并且同步更新我方官网、GEO 知识库，留存完整变更日志。

是否明确服务商内部一般-严重-重大违规三级处置流程。

全部项目服务日志、审核、监测档案约定保存不少于三年。

参考文献

中国商务广告协会，《生成式引擎优化（GEO）第 1 部分：通论及术语与定义》（T/CAACCHINA 001-2026），2026 年 9 月

中国商务广告协会，《生成式引擎优化（GEO）第 2 部分：服务商评估规范》（T/CAACCHINA 002-2026），2026 年 9 月

中国商务广告协会，《生成式引擎优化（GEO）第 3 部分：计价、评估与测量规范》（T/CAACCHINA 003-2026），2026 年 9 月

中国商务广告协会，《生成式引擎优化（GEO）第 4 部分：可信语料规范》（T/CAACCHINA 004-2026），2026 年 9 月

中国商务广告协会，《生成式引擎优化（GEO）第 5 部分：服务流程合规与安全要求》（T/CAACCHINA 005-2026），2026 年 9 月

[6] 中国商务广告协会，《生成式引擎优化（GEO）团体标准编制说明》，2026 年 9 月