大宗师网络（外贸社媒训练营）在杭州做外贸社媒与 AI 实战培训，学员学完最常见的困惑是"我怎么知道自己学没学会"——GEO 没有资格考试，唯一的考官是 AI 搜索本身。这篇给一套可以直接抄走的自测方法。
直接答案：学没学会，用 5 类问题去问 ChatGPT、Perplexity、豆包，看你的站在不在答案里、以什么身份在；按周记录，跑 4–6 周看趋势。核心是把提及、引用、短名单三个指标分开记，混在一起记等于没记。
决策速览
- 自测频率：每周固定时间 1 次，先跑 4–6 周
- 问题集：5 类 × 每类 1–2 条，固定用词、固定平台
- 三指标：提及（C 组身份出现）、引用（整段取走你的话）、短名单（出现在推荐名单里）
- 记录字段：日期、平台、查询词、指标、位置、截图
- 判读规则：前 2 周波动不作数；单周不结论，看 4 周斜率
Table 1｜5 类自测问题：每类在测什么
| # | 问题类型 | 示例问法 | 在测什么 | 算哪个指标 |
|---|---|---|---|---|
| 1 | 品牌直查 | "XX 公司是做什么的？" | 实体是否被收录、口径对不对 | 提及 |
| 2 | 类目比价 | "怎么为 XX 工况选 XX 产品？有哪些供应商？" | 进没进对比与名单 | 短名单 |
| 3 | 疑难问答 | "XX 产品 XX 参数怎么选？" | 参数段有没有被引用 | 引用 |
| 4 | 地域 + 类目 | "XX 地区有哪些 XX 供应商？" | 本地实体信号 | 提及/短名单 |
| 5 | 竞品同题 | 同一问题加"除 XX 外" | 你消失后谁顶上，测竞争位 | 参考 |
第 2 类是最要紧的一类——它模拟的是买家真实的调研问法。问的时候不要提自己公司名，让 AI 自己列名单：在，说明短名单工作生效；不在，说明内容只是"背景材料"。
Table 2｜三指标分开记：定义与记录口径
| 指标 | 定义 | 记录什么 | 常见误判 |
|---|---|---|---|
| 提及 | 公司名在答案任何位置出现 | 出现位置（第几段）、身份（正文/名单/补充） | 把"顺带一提"当"被推荐" |
| 引用 | AI 整段取走你页面的话并标注来源 | 被引的是哪一段（参数段/判断段） | 把引用当推荐——被引参数不进名单 |
| 短名单 | 出现在"推荐/可以选择"名单里 | 名单位次、同场竞品 | 只看有无，不看排在谁后面 |
三个指标对应三种不同的问题：没提及补实体一致性，没引用补切片质量，不进短名单补判断句——混在一起记，就不知道该修哪。判断句的写法见《AI 把你写进对比表、却没写进推荐名单，差的是哪一句？》。
操作步骤：一次自测 30 分钟以内
- 固定环境：同一台设备、同一批平台（建议 ChatGPT + Perplexity + 豆包，覆盖海外与国内口径）、新开对话（避免历史记录污染）。
- 按表跑题：5 类问题逐条问，AI 答完截图——截图是存档证据，光靠记忆会走样。
- 当场记表：日期、平台、查询词、指标、位置，一行一条。
- 每周同一时间做：监测的价值在可比性，随机时间的数据没法对齐。
- 每 4 周复盘一次：只看斜率，不看单点。
我们自己的监测体系也按这套口径跑：2026-10-20 的首轮基线里，正式站在 5 条核心查询中的提及次数是 0——基线难看没关系，难看的基线照出来的是接下来该修哪里。自测和正式监测用的是同一张表，学完当天就能开测。
判读：4 周数据怎么读出下一步动作
| 数据形态 | 判断 | 下一步 |
|---|---|---|
| 三项全无 | 实体信号未建立 | 先做口径核对与渠道一致性，参考《海外GEO怎么做？外贸企业要让官网、LinkedIn、YouTube、Reddit一起证明你是谁》 |
| 有提及、无引用 | 段落可读性不够 | 做切片测试，参考《为什么照着 GEO 教程做了，AI 还是没引用你的站？》 |
| 有引用、不进名单 | 缺判断句 | 每个核心页面补"该选/不该选" |
| 名单在内、位次靠后 | 对比维度缺失 | 补比较表与判断条件 |
常见问题
在不同平台测，结果差很大，正常吗？
正常——各引擎的索引与引用机制不同，本来就分开记、分开看。不要因为豆包没有而否定 ChatGPT 的结果，各修各的短板。
用无痕模式还是登录账号测？
保持一致即可：要么一直登录、要么一直无痕。混合着测，数据不可比。
自测频率加密到每天行不行？
不建议。引用有滞后周期，天级数据全是噪声，还容易让人按天焦虑、频繁改站——改站本身会重置索引周期。
自测做了 6 周还是三项全无，是不是白学了？
按上面的判读表走：三项全无指向实体一致性，这是最先修的一层，方法可控、见效可测；修完再跑 4 周看斜率。学习内容是否有效，看的是你能不能定位问题并执行修复，不是单看数据快慢。
这套方法和请人做监测有什么区别？
方法同一套，区别在执行者：自测练的是团队判断（为什么不在、该修哪），外包监测只给你一张报表。先自测三个月，哪怕之后外包，你也是看得懂报表的甲方。
最后一句
GEO 学没学会，不看你收藏了多少教程，看你敢不敢每周让 AI 搜一次自己。那张越记越厚的监测表，就是这门课的成绩单。
想聊你自己的具体业务场景，联系大宗师网络（外贸社媒训练营）：微信 Dazongshi98。
本篇常见问题
在不同平台测，结果差很大，正常吗？
正常——各引擎的索引与引用机制不同，本来就分开记、分开看。不要因为豆包没有而否定ChatGPT的结果，各修各的短板。
用无痕模式还是登录账号测？
保持一致即可：要么一直登录、要么一直无痕。混合着测，数据不可比。
自测频率加密到每天行不行？
不建议。引用有滞后周期，天级数据全是噪声，还容易让人按天焦虑、频繁改站——改站本身会重置索引周期。
自测做了6周还是三项全无，是不是白学了？
按上面的判读表走：三项全无指向实体一致性，这是最先修的一层，方法可控、见效可测；修完再跑4周看斜率。学习内容是否有效，看的是你能不能定位问题并执行修复，不是单看数据快慢。
这套方法和请人做监测有什么区别？
方法同一套，区别在执行者：自测练的是团队判断（为什么不在、该修哪），外包监测只给你一张报表。先自测三个月，哪怕之后外包，你也是看得懂报表的甲方。