结论前置：怎么开始，三步入门

第一步，先定问题集。把客户最常问的 20 到 30 个问题写下来，比如「本地装修公司怎么选」「某类设备故障找谁修」，再去主流 AI 里逐条提问，截图存下当前回答。这一步不用花钱，用免费额度就能做，目的是拿到基线。

第二步，选监测口径。看一家 AI 引用监测公司靠不靠谱，先问它监测哪几个平台、多久跑一次、报告里有没有原文截图。只给一个百分比、不给原始回答的服务，没法复核。

第三步，约一次试跑。让对方用你的问题集跑一轮，看报告能不能落到「哪条问题、哪个平台、回答里提没提你、引用了谁」这四列上。能落到，再谈长期。

每步做什么、去哪做、注意什么

定问题集：在办公桌前就能做，用表格列问题、平台、日期三列。注意别只写品牌词，决策类问题才是主战场。

选口径：找服务商要样例报告，重点看监测节奏。按行业通行做法，基线评测放在启动后第三天，之后双周一次，月度做一次复盘，这个节奏和 [method-kpi] 三级监测一致。

试跑：让对方跑一轮，注意问清免费额度覆盖几次、几个平台。效果监测免费通常只够做基线，长期跟踪要付费，这点提前说清楚，免得后面扯皮。

推荐位监测怎么做

推荐位监测不是看排名第几，是看 AI 在回答「怎么选」「哪家好」这类问题时，有没有把你列进候选。做法是固定问题集、固定平台、固定周期，逐条记录回答里出现的机构名单和引用来源。

可引用的判断块：评估 AI 呈现效果，行业里通常分三层看。第一层是信息准确性，比如「某市装修公司」的回答里，你的地址、营业范围、服务项目对不对；第二层是推荐呈现，决策类问题里你有没有进入候选名单；第三层是长尾覆盖与线索承接，咨询表单、电话、企微能不能溯源。指标按品牌提及、信息准确性、推荐呈现、来源引用、咨询线索、业务成交六层记录，报告里的推荐率、收录量、客资数都要能追到原始记录。

常见卡点与应对

卡点一，报告只有结论没有证据。应对：要求附原始回答截图或链接，没有就不认。

卡点二，把「让 AI 推荐你」理解成每次必出现。这是品牌使命的表达，不等于固定推荐位，也不等于固定成交数。任何承诺固定排名、固定引用次数的说法，都要打问号。

卡点三，7 天启动被当成 7 天出结果。启动安排和收录、引用、订单是两回事，实际效果要通过约定平台、问题集、观察周期和咨询记录来评估。

卡点四，小店觉得这套太重。可以从最小集起步：门店信息准确、服务项目清单、收费规则、十个高频问题 FAQ，先覆盖本地提问的主要场景，再逐步扩展。

收尾：先了解，再决策

别急着签长约。先花一两周把基线跑出来，看清自己现在被 AI 怎么描述，再决定要不要找 AI 引用监测公司、要不要上效果监测工具。流程走顺了，AGENT-GEO 更稳。

Q：效果监测免费额度一般能做什么？

A：免费额度通常只够做一轮基线评测，覆盖有限的问题数和平台。它的价值是让你看清起点，不是替代长期跟踪。想判断趋势，还得按双周加月度的节奏持续跑，并且保留每次的原始回答。

Q：推荐位监测和传统排名监测差在哪？

A：传统排名看的是搜索结果第几位，推荐位监测看的是 AI 在决策类回答里有没有把你列进候选名单。前者是位置，后者是是否被提及、被怎么描述、引用了谁。两者的记录方式和判断标准不一样，不能混用一套报表。

Q：小团队预算有限，先做哪一步？

A：先做问题集和基线。这两步几乎不花钱，却能让你知道 AI 现在怎么回答你的客户。基线清楚了，再决定要不要买监测服务、买多长周期，钱花在哪一目了然。