做GEO优化最常被问的一句话是：钱到底该花在哪一边。一边是把官网、方案页、服务说明重写一遍，让内容可被模型读懂读全；另一边是往行业媒体、垂直平台、问答社区铺第三方内容，让品牌在别人的地盘上被提到。多数服务方案会同时打包两件事，报价合在一起，结束后交一份"引用份额提升了多少"的报表，却说不清增量究竟来自哪一侧。
站内以往的案例复盘，多是单一品牌的纵向记录：做了什么动作，多久后拿到什么结果。这种写法能证明有效，但无法回答优先级。这篇换一种做法——把一家工程咨询机构的问句池拆成两组做对照，同投入、同周期、同监测口径，只在动作组合上留一个变量，看两侧各自贡献多少。
为什么专业服务赛道适合做这种对照
工程咨询、建筑设计、造价审计这类B2B专业服务，有三个特征让对照实验的信噪比比较高。
第一，决策链长、提问结构天然容纳机构名。客户在AI搜索里的问法通常是"某类项目找什么资质的咨询单位""这类审批阶段谁能做"，模型给答案时几乎必然要举出机构类型甚至具体名字，品牌变量有天然席位。这与消费品完全不同——消费者问"怎么挑选某类商品"，模型往往只给知识不给品牌，席位得靠内容硬挤。
第二，事实高度可量化。资质等级、承接过的项目类型、服务地域、交付周期、团队规模，这些都是硬事实。硬事实密度是决定内容能否被抽取的关键，理解Geo优化原理的人都清楚：模型不是在给页面排名，而是在拆解句子里可复用的事实块。参数模糊的行业，站内改造这一侧的天花板就低。
第三，第三方信源生态成熟但稀薄。行业媒体、协会名录、招标信息平台、专业问答都存在，但单个机构在这些渠道的内容量普遍很少，属于典型的"有渠道没内容"，站外这一侧有明显的增量空间。
实验设计：一个变量，两组问句
样本是华东一家中型工程咨询机构，业务集中在市政与工业厂区两类项目，年营收规模中等，此前从未做过系统的geo搜索优化。
实验做法：先建一个30条问句的池子，全部是真实客户会问的选型类问法，覆盖资质、项目类型、地域、流程四个维度。按语义类型均衡拆成A、B两组各15条，确保两组的难度分布接近——都包含"哪家好"这类强品牌意图问句，也都包含"怎么选"这类偏知识的问句。
- A组：只做站内改造。事实密度重写、实体名统一、把关键事实从图片和脚本里搬到可读文本、结构化标注服务与资质。站外不新增任何内容。
- B组：站内改造照做，同时新增站外第三方内容，10周内累计发布22篇，分布在行业媒体、垂直平台与专业问答。
监测口径统一：每两周在三个主流AI入口跑一遍全部30条问句，记录品牌被提及次数、在答案中的位置、跨入口的说法一致性。周期10周。
这个设计有个必须承认的缺陷：站内改造是全站性的，无法只对A组问句生效。所以A组测到的是纯站内贡献，B组测到的是站内加站外的叠加值，两者之差近似为站外的边际贡献。这不是严格意义上的实验室对照，但对预算决策已经够用。
数据结果：两侧都有效，但曲线形状完全不同
第0周基线：A组品牌提及0.5次每10问，B组0.6次每10问，两组基本齐平，跨入口说法一致性都在五成上下——同一个问题，不同模型给出的机构描述互相矛盾。
第4周：A组升到1.3次，B组1.5次。差距很小。这一阶段的增量几乎全部来自站内改造——把散落的事实收拢成可抽取的结论句，效果来得比预想快。
第10周：A组停在1.6次，B组升到2.7次。差距拉开到约1.7倍。跨入口一致性A组从五成升到七成三，B组升到九成一。
把两条曲线放在一起看，结论比单一数字更有价值：
站内改造是快变量，但有明确天花板。 A组在第4到第6周就基本触顶，之后四周只涨0.3次。原因不难理解——官网能提供的事实总量是有限的，写完就写完了。它解决的是"模型能不能读到你的事实"，一旦读到了，边际收益迅速衰减。
站外信源是慢变量，但决定上限。 B组前四周与A组几乎没有差别，第6周之后才开始明显分叉。第三方内容需要被收录、被建立关联，才会进入模型的可引用池，天然有滞后。它解决的是另一个问题——"模型愿不愿意信你的事实"。单一信源是孤证，多源交叉才构成可信度。
一致性的提升几乎全靠站外。 这是最容易被忽略的一项。A组一致性只到七成三，说明光靠官网无法压住外部的旧说法与错误描述；B组九成一，是新信源在多个渠道重复同一口径的结果。
业务侧的变化：实验期内AI入口带来的访问量增长约2.4倍，主动咨询从每周两三条升到每周十条左右，其中明确自述"从AI回答里看到的"占三成五。值得一提的是，B组覆盖的项目类型，询盘质量明显更高——客户进来时已经知道机构做过什么类型的项目，沟通直接从方案阶段开始。
预算怎么分：从对照数据倒推
如果只看第4周的数据，很容易得出"站内性价比更高"的结论，然后砍掉站外预算。但看完10周，这个判断是错的——站内的1.6次是终点，站外把终点推到了2.7次。
比较务实的分配是：前四到六周把七成精力压在站内，把事实层做扎实，这是所有后续动作的地基。事实不统一就往外铺内容，等于把矛盾的说法复制到更多地方，越铺越乱。地基稳了之后，把重心切到站外，六成以上的预算投第三方信源与交叉印证。
这也解释了一件事——为什么很多品牌做了三个月觉得"效果卡住了"。大概率是只做了站内那一半，撞上了天花板还在原地加码。
工具层面，一套能用的geo优化系统至少要能做三件事：多入口批量提问并留痕，否则无从对照；按问句分组出报表，否则拆不出贡献度；实体说法不一致时能告警，否则一致性这项指标永远是黑箱。
选服务方时，判断geo优化哪家好其实有个简单办法：直接问对方，能不能把站内与站外的效果拆开报。愿意拆的，说明有监测能力也有底气；坚持打包报一个总数的，要么工具不支持，要么不想让你看清增量来自哪里。同理，考察ai排名优化公司时，可以要求看一份带分组对照的历史报表——不是要商业机密，看结构就够了。
三条边界，必须说清楚
第一，周期不能压缩。这个样本是B2B专业服务，属于起效较快的类型，10周才看到分叉。消费品和纯本地服务通常需要三到四个月。任何承诺六周引用份额翻倍的方案，都值得多问几句。
第二，站外不是发得多就赢。22篇里真正被反复引用的不到一半，起作用的是那些带具体项目条件、可核对数据的内容，通稿式的软文几乎没有贡献。数量是门槛，质量才是变量。
第三，对照实验的成本不低。要维护30条问句、每两周跑一轮三入口、逐条记录，人力开销真实存在。对刚起步的品牌，先把站内做完再说；只有当预算规模到了需要证明分配合理性的阶段，做对照才划算。
执行要点
这场实验没有推翻任何常识，但把顺序讲清楚了：站内改造决定你能不能进入AI搜索的答案，站外信源决定你能站多稳、被说得多准。前者是快变量、有天花板；后者是慢变量、决定上限。两者不是二选一，而是有先后。
对大多数还在观望的企业来说，这篇复盘的实际价值可能只有一句：先花两周把自己的事实说清楚，再谈往外铺。顺序错了，钱花得再多，模型也不知道该引用哪一版的你。