「保证上 AI 推荐」为什么是一句不该信的话
「保证让豆包推荐你」「不上榜全额退款」—— 这类承诺在 GEO 这一行不少见。我们不做这个承诺，下面把原因讲清楚：不是能力问题，是这件事在机制上就不可控。同时说明我们能承诺什么。
一、三个不可控
AI 给出的答案不是从数据库里查出来的固定条目，而是每次重新生成的。下面三层，没有一层在服务方手里。
| 不可控的东西 | 具体是什么 | 后果 |
|---|---|---|
| <strong>回答是概率性的</strong> | 同一个问题、同样环境，问两次结果可能不同。实测中出现过同一查询重复二十余次仅命中约两次 | 「保证出现」这句话本身没有可验证的含义 —— 出现一次算不算？ |
| <strong>平台规则随时变</strong> | 检索源、召回条数、是否带引用、对营销内容的过滤策略，平台单方面调整且不预告 | 今天有效的做法，下个月可能失效 |
| <strong>底座映射会变</strong> | 八个 AI 目前收敛到四个检索底座，但平台可能更换检索源或自建索引 | 优化对象本身会迁移 |
第一条最关键。<strong>概率性意味着「保证」缺少可验证的定义</strong> —— 如果 20 次里出现 1 次算达标，那这个承诺不值钱；如果要求每次都出现，那没有人能做到。含糊的承诺，到期时解释权在承诺方手里。
二、那「不上榜退款」呢
这类条款的问题不在退款，在<strong>「上榜」由谁认定</strong>。
AI 没有公开榜单，没有可查的排名接口。所谓「上榜」只能由服务方自己测、自己判定。于是验收时会发生这样的事：服务方拿出一份自定义评分或一次恰好命中的截图，说达标了；客户无法复现，也无法证伪。
这正是我们坚持<strong>不做综合评分、只报「N 次中命中 M 次」</strong>的原因 —— 原始读数带分母，客户可以自己重复测。
三、我们承诺什么
把能承诺和不能承诺的分开写清楚，是这一页存在的意义。
| 不承诺 | 能承诺 |
|---|---|
| 不承诺保证被 AI 推荐 | 开工前做基线测试并留档 |
| 不承诺一个月见效 —— 通常需三到六个月，且效果为跳变而非线性 | 按约定频次复测，每月给出实测数据与原始返回 |
| 不承诺具体的命中率数字 | 测量口径固定并公开：问题集、重复次数、底座、判定关键词 |
| 不编造内容 —— 无出处不写 | 所有对外事实逐句回标出处，可逐条核验 |
「效果是跳变而非线性」这一条容易被误解成托词，所以说明一下机制：AI 的召回有门槛，积累到门槛之前指标几乎不动，过了门槛会突然出现。所以建议按季度看，而不是按周看 —— 按周看会在前两个月得出「没用」的错误结论。
四、这一页怎么用
你可以拿这一页当对照表去问任何一家服务方（包括我们）：
① 请把「保证上推荐」的验收标准写成可测的句子 —— 测几次、命中几次算达标、谁来测；
② 请说明被反爬拦截的请求怎么计入；
③ 请把测量口径写进合同附件。
三个问题问完，对方是不是真在按过程交付，基本就清楚了。
要点回顾
- AI 回答是概率性的，「保证出现」缺少可验证的定义 —— 出现一次算不算？
- 平台规则与底座映射都会变，优化对象本身在迁移
- 「不上榜退款」的问题不在退款，在于「上榜」只能由服务方自己认定，客户无法证伪
- 能承诺的是过程可验证：基线留档、固定口径、每月实测数据、事实逐句回标出处
- 效果是跳变不是线性，按周看会在前两个月得出错误结论
依据：本站 /pricing/ 与 /method/ 公开的服务边界与测量纪律，与本文完全一致。文中「同一查询重复二十余次仅命中约两次」为我方探针实测观察，原始返回逐轮留档。本文讨论的是承诺形式本身的可验证性，不针对任何具体公司。