三个月的验收结论只有三种：继续、调整、停。它不是终验，是方向验证—— 验证的是「这条路走不走得通」，不是「效果有多大」。
验收分三层，顺序不能颠倒：过程层（该做的做了没）、结构层（AI 能不能读到）、 结果层（描述对不对）。前两层不过，第三层的数据没有意义——因为读不到的内容不产生结果。
最该在三个月这个节点验收的，其实是结构层：它是唯一「确定」的一层， 改完就能验证；结果层有 2–4 个月滞后，三个月的数字只能看方向，不能当结论。
一、三个月该验什么、不该验什么
先把预期摆正，否则验收会变成吵架：
| 该验 | 不该验 |
|---|---|
| 计划的结构改造做完了没（模板、参数表、结构化数据） | 询盘数量有没有增长（滞后至少 1–2 个月，且受多重因素影响） |
| 页面正文能不能被复制出来、能不能读到参数 | 在 AI 里排第几（AI 没有排名） |
| 10 个固定问句里，能查到的从几条变成几条 | 每个平台都动了吗（平台更新节奏不同步） |
| 被说错的条目减少了多少 | 投入产出比（三个月算不出，样本太小） |
一句话概括：三个月验「机制有没有建立」，六个月验「效果有没有出现」，一年验「值不值」。把三件事压到三个月一起验，几乎一定会得出错误结论。
二、三层验收与各自的通过标准
| 层级 | 验什么 | 通过标准 | 不通过说明什么 |
|---|---|---|---|
| 过程层 | 计划页数完成率、结构改造完成项 | 页数 ≥80%；模板、参数表、结构化数据三项中至少完成两项 | 执行问题（排期、人手、优先级），不是方法问题 |
| 结构层 | AI 能否读到内容 | 页面正文可复制出关键参数；10 个问句中可查到 ≥5 条（基线通常 0–2 条） | 技术问题，优先级最高，先修再谈其他 |
| 结果层 | 描述是否准确 | 描述准确率较基线提升 ≥15 个百分点，或「说错」条目减少 ≥50% | 内容方向问题，需要换问句或换页面类型，不是加量 |
三层的关系是串联的：过程层不过，后两层无从谈起；结构层不过，结果层的数据不可信。所以验收要按顺序来，不能跳层看结论。这也是为什么有些项目「三个月报告很好看」但半年后毫无变化—— 它们只验了过程层，用页数代替了效果。
数据口径（三层数据、四档判定、抽样方式）见《效果怎么验证，数据谁说了算》， 本文不重复，只讲「怎么判」。
三、为什么结构层最该先验
结构层有一个别的层没有的性质：它是确定的。页面正文里有没有「3 mm 到 20 mm」这行字，看一眼就知道，不依赖模型、不依赖时间、不需要等。
具体查三处，十分钟能做完：
复制测试：打开页面，全选正文复制到记事本。如果关键参数没被复制出来，说明它是图片。
查看源代码：右键查看源码，搜索「20 mm」。搜不到，说明参数由脚本渲染，抓取时可能读不到。
结构化数据：把页面地址贴进结构化数据校验工具，看 Organization 的字段是否为空。
这三项里任何一项不过关，后面所有工作都在漏水。而且它修起来最快——通常是技术侧半天到两天的工作， 比写十篇文章见效快得多。
「我们的参数在 PDF 里，客户下载就能看」——客户能看，AI 不能。 模型的抓取不执行下载动作，PDF 里的内容大概率不会被读进去。 把关键参数搬到 HTML 正文，是性价比最高的一处改造。
四、三种结论怎么判
| 结论 | 三层表现 | 下一步 |
|---|---|---|
| 继续 | 三层均过，或结果层部分动（2–4 个问句有变化） | 按原计划进 Q2，扩大问句覆盖，不加预算 |
| 调整 | 过程层与结构层过，结果层完全没动 | 换内容方向：换问句、换页面类型，不加页数 |
| 停 | 结构层不过且技术无法修；或品类提问量接近零 | 停止投入，把预算移到展会、平台或产能 |
第三种最容易拖。明明技术修不了（模板锁死、不换站），或者这个品类在 AI 里根本没人问， 还继续投钱，是因为「已经花了不少」——沉没成本在起作用。 判断「品类有没有提问量」的方法很简单：拿 20 个品类词去问，看回答里有没有出现任何一家具体企业。 全是「建议您联系当地供应商」，说明这个品类还没进入 AI 的推荐范围。
五、五种「看起来过关」的假象
| 现象 | 为什么是假象 | 怎么拆穿 |
|---|---|---|
| 页数达标，但都是通用介绍页 | 没有一页能回答一个具体问法 | 随机抽三页，问「这页回答的是哪个客户的哪句话」 |
| AI 能查到，且比例不错 | 可能本来就能查到，基线没拍或拍得晚 | 调出基线记录，核对采样日期是否在改造之前 |
| 描述准确率提升明显 | 可能只用了 3 条最容易的问句 | 要求看全部 10 条问句的逐条记录，不只看汇总 |
| 询盘变多了 | 可能抓了品类大词，来的人更杂 | 算对口率与首句信息量，不只看条数 |
| 报告做得很完整 | 没有原始截图，无法复现 | 要带系统时间、平台、问句的原始截图，抽 30% 自己重测 |
五种假象的共同点：都能用「换个角度看同一份数据」拆穿。所以验收会的关键动作不是听汇报，是当场抽一条核对。
六、没过怎么办：加投入、换方法、还是停
三种处置各有明确的判据，不要凭感觉选：
| 情况 | 判断依据 | 处置 |
|---|---|---|
| 结构层过，结果层「部分动」 | 10 条问句里有 2–4 条变化，说明方法对但覆盖不足 | 加投入：扩问句、补页面，预算加 30%–50% |
| 结构层过，结果层「完全没动」 | 页面确实能被读到，但 AI 描述没变 | 换方法：先查源头冲突（旧稿、平台词条），再换页面类型 |
| 结构层不过，且技术可修 | 模板可改，只是没排期 | 暂停内容，把资源全压到结构上，两周内解决 |
| 结构层不过，且技术不可修 | 模板锁死、不换站、无开发资源 | 停：这种情况下做内容等于往漏水的桶里倒水 |
| 品类提问量接近零 | 20 个品类词问下去，没有出现任何具体企业 | 停：不是方法问题，是这个品类还没进入 AI 的推荐范围 |
「换方法」这一条最容易被误解成「换服务商」。实际多数情况不需要换人， 需要换的是问句——原来选的问句太宽（「注塑模具厂哪家好」）， 改成带条件的（「ABS 外壳 500 克注塑件打样」）往往立刻见效。问句怎么选，见《AI 推荐厂家时到底在看什么》。
七、60 分钟验收会议议程
验收会开成汇报会就白开了。按这个议程走，60 分钟能出结论：
| 时间 | 环节 | 要产出什么 |
|---|---|---|
| 0–10 分钟 | 基线 vs 现在，同一张表并排放 | 确认两次数据条件一致 |
| 10–25 分钟 | 逐条过差异：变了哪几条、为什么变 | 一份差异清单（含说错的条目） |
| 25–40 分钟 | 三层验收打分（各自过／不过） | 三个勾或三个叉 |
| 40–50 分钟 | 定结论：继续／调整／停 | 一句话结论加理由 |
| 50–60 分钟 | 下季度三件事，每件一个名字和一个日期 | 三条待办，责任人明确 |
第 10–25 分钟最关键，也最容易被跳过。这一段的作用是把「有没有效果」拆成「哪几条变了」—— 一旦拆开，争议会自动消失，因为讨论对象从「你的判断」变成了「这条记录」。
会议只带两份材料：基线记录、本次复测记录。不带 PPT，不带「阶段性成果汇报」。 材料越多，越容易用叙事代替数据。
八、验收之后：第二季度改哪三件事
验收的直接产出是「下季度做什么」。多数项目在 Q2 该改的是这三件：
一、补覆盖，不补篇数。看 10 条问句里哪几条还查不到，针对那几条写页面， 而不是「再做 10 篇」。覆盖的算法是「一个问句对应一个页面」，不是「一个月对应几篇」。
二、修说错的源头。三个月里积累的「AI 说错」清单，逐条回溯到具体页面或旧稿。 这是复利最高的工作：修掉一个源头，所有平台上的同类错误一起消失。
三、打通承接。如果结构层与结果层都过了但询盘没动，问题通常在承接—— 表单提交后没人看、电话无人接、48 小时不回。 这一项修起来最快，通常一周内能解决，比继续做内容见效快。
这三件事做完，第二季度末再验一次，通常就能看到数量上的变化。 完整的时间预期见《GEO 多久能见效》， 如果项目确实没做成，也可以对照《有没有做失败的案例》看是不是踩了同一类坑。
常见问题
本文由上海育贤信息科技内容团队撰写。通过标准为我们在项目中实际使用的判定线， 不同品类、不同起点会有差异，请结合自身基线调整，不构成效果承诺。
利益相关声明 我们承接 GEO 项目，本文的验收标准对服务商是约束， 写出来对我们并不有利。仍写，是因为没有验收标准的项目，最后双方都会不满意。
更新 2026-11-07
