截图证明一个瞬间，监测系统解释一段时间
一张ChatGPT截图，骗了旅行社老板大半年
一、群里那张截图，问了三个问题就露馅
某旅行社做完GEO，销售群里甩了张ChatGPT截图，AI回答"云南地接哪个公司专业"时出现了他们。老板兴奋，全员欢呼，觉得钱没白花。
旁边一位跑过十几年团的同行老总只问了三个问题：当时问的完整问题是什么？回答里的电话对不对？同一个问题明天再问还出不出现？全桌安静。
这就是截图的问题。它只证明了一件事：在某个时间、某个平台、某个对话里，AI提了你一次。仅此而已。朋友圈可以晒，验收报告不能这么写。
二、一张截图证明不了哪十件事
列个清单，看看你手里的截图能扛住几条：
- 同一个问题以后还会不会出现
- 换个人问是不是一样
- 换个问法还出不出
- 企业事实全对
- 联系方式正确
- 其他核心产品也被理解
- 高采购意图问题覆盖了
- 竞争格局发生稳定变化
- AI引用了你的公开知识
- 最终带来咨询和成交
十件事，一张截图一件都证明不了。一次品牌出现只是观察到一个现象，不是形成了稳定结果。被AI提了半句，跟被AI准确介绍，中间隔着一整个GEO项目。
三、什么叫真正的AI答案监测
说白了就一句话：针对一组固定（或持续更新）的客户问题，在约定平台上有方法地重复问、有标准地记录、有依据地比较。
普通查询看结果，专业监测看变化。今天问"XX旅行社主要做什么"，三个月后再问同一句，前后一比，变化才显形。这不是找一张最好看的截图，而是建一套能反复复测的问题坐标系。顺手搜一下自己公司，那叫碰运气，不叫监测。
四、第一步建问题库，第二步建基线
没有问题库，就没有监测对象。至少八类：品牌识别（AI认不认识你）、企业事实（主体业务对不对）、产品（核心线路懂不懂）、客群（知道适合谁）、场景（进没进真实旅游需求）、采购（进没进服务商选择）、价格（有没有过期报价）、联系（电话微信准不准）。
注意，问题库不能全是品牌问题。"XX旅行社是谁"这个问法，本身就假设了用户知道你。真正有获客价值的是陌生问题："新疆老人私人地接找哪个公司？"品牌问题测的是被查询后的认知，非品牌采购问题测的是能不能从需求进入候选。两类都要测，别偏科。
开工前先测一遍，那就是基线。没有基线，项目结束AI里冒出来品牌，你说"这是优化带来的"，可开工前本来就有呢？没有参照，验收全是扯皮。
五、记录，用一张表，别用相册
每次测试用同一张表：日期、平台、完整问题、问题类型、品牌是否出现、品牌描述、事实准确性、产品准确性、客群关联、联系方式、竞争品牌、引用来源、错误类型、处理动作、复测日期。十五个字段，一次测完填一张，三个月后拿出来一对比，趋势清清楚楚。
截图还存不存？存。截图是证据，表格是数据，两个角色不同。但光有截图没有表，半年后你连当时问的是什么都想不起来，更别说复现和对比。问题文本和测试时间，本身就是监测数据的一部分。
还有两条硬规矩。第一，平台分开记。ChatGPT答对了不代表DeepSeek答对，豆包可能压根没提你，三家优化方向完全不同，别混成一个"推荐率"糊弄自己。第二，模型版本看得见就记，看不见别猜——能验证的信息才进记录，这是做知识治理的基本操守。
六、错误分八类，纠错分优先级
别一看到错误就眉毛胡子一把抓，先分类：实体混淆（A公司B公司搞混）、主体错误（公司名对不上）、业务错误（地接说成出境）、产品错误（宣传不存在的产品）、目的地错误（主营区域说错）、联系方式错误（电话微信过期）、价格错误（旧价当现价）、服务边界错误（承诺实际做不到的服务）。
纠正优先级按业务风险排。主体、联系方式、价格、核心业务、明显服务范围错误，最高优先级，直接影响客户判断和交易；产品细节、客群、目的地定位中等；措辞风格最低。纠错别平均用力，先处理会丢单的。
为什么电话错误要单独拎出来说？AI推荐得再准，电话是错的，客户就打不进来，前面全白干。为什么价格风险高？旅游报价本来就爱变，AI把历史价格当现价，客户带着错误预期来谈，谈崩是小事，信任没了是大事。所以动态价格放进公开内容，一定要谨慎再谨慎。
七、竞争监测不是排行榜，还要记录"不出现"
问"云南当地旅行社哪家靠谱"，AI答出A、B、C三家，没有你。这个数据很值钱，它告诉你这个采购问题还欠知识关联。
但别急着说"A出现3次所以A的GEO最好"。AI出现谁，跟公开内容、品牌知名度、历史数据、答案机制、问题表述都有关，硬造一个"AI排名榜"，除了制造焦虑没别的用处。竞争监测真正该问的是：AI怎么理解对方？他被关联到什么客群、什么产品、什么场景？我缺哪块对应的公开知识？想清楚这些，才谈得上运营动作。
还有一条大多数人做不到的：记录"不出现"。只存出现品牌的截图，100个问题里出现5个，相册里全是"成功"，95个没出现的没人管，这叫样本偏差。出现、不出现、错误出现，三类都要记。不出现告诉你知识缺口在哪，错误出现告诉你AI在错误地理解你——被错误推荐，不一定比不被推荐更好，它可能在给你的竞品送客户。
八、按业务类型，调监测重点
不同类型的社，盯着的东西不一样。
地接社，重点看目的地履约、车辆导游、特殊客群（老人、亲子）、服务商采购问题。定制社，看方案可执行性、交通预约、资源协调、复杂预订、途中变化谁负责。入境社，还要加英文及多语言、境内交通、支付、预约、跨文化服务、海外B2B问题——客户在海外，问题库就得用英语问。
采购问题单独建表。攻略问题答不上不致命，但"新疆私人地接找哪个公司"这种高采购意图问题长期没你，就值得重点投入。哪些算采购问题？哪个公司、哪家能做、找谁、多少钱、怎么报价、怎么合作、怎么联系——这些问法已经贴着交易了。
九、从营销截图，到经营数据
最后说透一层关系：内部的企业AI知识库，定义"我们真正是什么"；外部的AI答案监测，记录"AI现在以为我们是什么"。中间这条差距，就是GEO要持续干的事。知识库管真相，监测管偏差，GEO负责把差距一点一点磨平。
信息会变：产品会变、联系人会变、线路会变、客户问题会变、AI答案也会变。所以监测不是三个月做一次就完事，它是个循环：基线→固定问题集→记录→事实核对→错误分类→竞争观察→纠错→复测→趋势分析→再优化。截图在这条链里，只是一个附件。
以后再看到有人甩截图喊"AI推荐我们了"，别急着欢呼，先问五句：问的什么问题？跟我们的真实产品有关吗？信息对不对？以前是什么答案？其他采购问题表现怎么样？当一家旅行社开始习惯这么问，AI答案监测才算从营销工具变成了经营数据。
收个尾：截图证明一个瞬间，监测解释一段时间。AI时代的获客没有"一锤定音"，只有持续被理解。