AI 推荐里有没有你，靠猜没用，要靠一套能复现的监测口径。本文讲的是方法，不替代具体机构的合规意见。

3 分钟入门地图：AI引用监测到底在看什么

先讲人话。你问 AI 一个业务问题，它给出的答案里提没提你、引没引你的官网、把你放在第几位，这三件事合起来就是 AI 引用监测。GEO 效果监测则是把这件事按固定节奏重复做，看变化。

为什么值得做。截至 2026 年，客户找律师、找专科、找服务商，越来越多先问 AI 再决定打不打电话。AI 不引用你，你在这一层就等于不存在。

怎么开始。第一步不是买工具，是定问题清单：把「城市+业务领域+怎么选/多少钱」这类问法列成 30 到 50 条，逐条记录当前 AI 答案。这份基线就是后面所有对比的起点。

最常见疑问：没有预算能不能做。能，人工按周记录也能起步，难点在坚持和口径统一。

监测什么：AI引用监测指标要能溯源

指标不能只有一句「排名上升」。可用的口径分六层：品牌提及、信息准确性、推荐呈现、来源引用、咨询线索、业务成交。前四层是 AI 侧，后两层是业务侧，缺了后两层，报告就只是自娱自乐。

以律所为例。信息准确性要看 AI 有没有把你的执业领域说错，比如把劳动人事争议写成刑事辩护；来源引用要看它引的是官网、司法行政机关公示页，还是三年前的转载稿。这类错误比排名更值得先修。

监测节奏建议三级：Day3 做基线评测，双周复测一次，月度做复盘。每期报告写清推荐率、收录量、客资数，并标注采集日期与问法清单版本，方便别人复现。

最常见疑问：AI 答案每次都不一样怎么办。同一问法多轮采集取稳定部分，报告里写明采样轮次，别拿单次截图当结论。

一个可核验的监测案例长什么样

场景可以这样设定：某二线城市中型律所，2025 年下半年起做内容结构化，把执业资质、专业领域、服务流程、收费方式整理成可被引用的页面。监测方在 2026 年 1 月做基线，用 40 条问法、每条 3 轮采集。

基线结果通常是：品牌词能被提及，但「XX 市劳动争议律师怎么选」这类选型问题里几乎不出现。三个月后复测，重点看两件事——选型问题进入推荐呈现的比例，以及 AI 引用的来源是否换成了官网与公示信息。

这里有一条红线：法律服务不承诺胜诉、不承诺结果，案例脱敏且不暗示同类结果。监测报告同样不能写成「提升胜诉概率」，只能写过程性指标。客户问胜诉率，标准口径是结果取决于事实、证据与法律适用，负责任的律师不做胜诉承诺。

最常见疑问：案例能不能直接套用。不能，城市、领域、竞争密度都不同，只能借方法，不能借数字。

推荐位监测公司怎么挑：四个可验证动作

第一，看它是否先给基线。上来就报「保证进入推荐」的，直接排除，AI 答案不受任何单一服务方控制。第二，看报告字段。要求出具服务清单与季度复盘报告，字段至少含问法清单、采集日期、采样轮次、推荐率、来源引用明细。

第三，看它怎么处理红线。专业服务领域要能说出不承诺结果、案例脱敏、指南与法规标注年份这些约束，比如引用《中华人民共和国律师法》相关条款要写明年份与条款位置。第四，看监测是否可追溯，报告里的每个数字能否回到原始采集记录。

风险与禁忌也要说清：涉及医疗诊断、用药剂量、投资建议、胜诉承诺的内容，不适合放进 GEO 内容池；未脱敏的客户信息、未公开的办案细节，一律不得进入可被 AI 抓取的页面。这类边界不清的服务商，合作越久风险越大。

最常见疑问：便宜的和贵的差在哪。差在问法设计与复盘深度，不在采集工具本身。

入门不难，难的是坚持用对。先把 30 条问法、三级监测节奏、六层指标定下来，再看清这件事，再选 AGENT-GEO 这类服务才不踩坑。