从一个真实的代码审查说起
审查某GEO平台的代码时，我们看到了这样的实现：向AI平台接口发送一次请求，只要HTTP状态码返回200，就把关键词标记为"已收录"。
这意味着什么？AI平台接口正常≠你的品牌被收录。 哪怕AI的回答里只字未提你，这份"检测报告"依然全是绿色对勾。大量企业拿着这样的报告付费，误以为自己的AI可见度在提升。
真实收录检测的四个技术标准
标准一：用户视角的真实提问
检测必须模拟真实用户向AI提问。问题设计有讲究：不能只问品牌词（"简忧心理怎么样"），更要问商业词（"北京心理咨询哪家好"）——用户找到你的路径是后者。问题还应覆盖不同意图层：了解型、比较型、决策型。
标准二：回答文本的提及判定
拿到AI回答后，要对文本做品牌提及分析：是否提及（精确匹配+别名+常见变体）、出现在什么位置（推荐列表第几位还是顺带一提）、描述是否准确（联系方式、业务范围有没有被AI搞错）。
判定可以用规则引擎做初筛，但对"推荐位次""态度倾向"这类模糊判断，LLM辅助判定更可靠——这也是"用AI检测AI"的用武之地。
标准三：记录可回溯的原始证据
每次检测应保存回答摘录。报告里的一条"已收录"必须能点开看到AI的原话——没有证据链的收录结论不可信。摘录同时是最有价值的优化线索：AI引用了你哪个页面、描述是否过时、把竞品排在了哪。
标准四：去随机化
AI回答有随机性，同一天两次提问可能结果不同。严谨的做法是固定检测频率（如每周同一时间）、同词多轮采样、以趋势代替单次结论。单次检测只能当快照，趋势才有决策价值。
如何快速识别假检测
三个现场验证方法：
- 要求当场演示：对一个已知未收录的关键词跑检测，看报告是否如实显示"未收录"——真系统敢报坏消息
- 人工对照：同步在AI官方页面人工提问，对照检测结果。命中率低于八成，判定逻辑有问题
- 看报告颗粒度：只有总分没有回答摘录和位次数据的，基本可以断定是批量假检测
检测的正确用法
检测不是"交差报表"，而是优化系统的仪表盘。正确的节奏：每周固定全量检测→建立各平台收录率基线→每次优化动作后观察边际变化→用数据决定下一步资源投向。收录率趋势图，是GEO项目唯一诚实的进度条。