一次 AI 回答里出现了自己的名字，很容易让人觉得优化开始生效。接下来更值得问的是，同样的问题再问一次，名字还会不会出现。
我们从 GEO Studio 的日常采样中取出五道固定的成都 GEO 推荐题，分析了 2026 年 9 月 10 日至 10 月 6 日的 553 次可比回答。结果显示，在这个窗口内，同一个人的点名表现随问法相差很大，同题同日也频繁出现结果切换。来源列表同样存在变化。
这份观察支持把重复测量纳入 GEO 评估。它能够描述这五道题在豆包上的表现，尚不能证明某次内容发布导致了提升，也不能代表其他品牌或平台。
从生产数据中取出一组可比回答
研究数据来自 GEO Studio 的生产 Native 存储，读取时间为北京时间 2026 年 10 月 7 日 21 时 40 分。冻结快照包含 1,797 条正式观测和 1,632 次采样运行。两者记录的事情不同，不能相加作为样本量。
我们选择了已经持续采样的五道 P1 成都推荐题。研究窗口从 9 月 10 日开始，到 10 月 6 日结束，共 27 个完整自然日。10 月 7 日尚未结束，未纳入统计；后来加入的题目和识别、验证题也未混入。
五道题在窗口内共有 570 条观测，排除 16 条有生成中断记录的观测，以及 1 条其他平台观测，得到 553 条。保留下来的记录均来自豆包快速模式，具有机器采样协议、对应问题版本、结果量表版本和唯一采样运行关联。五道题每天均有至少一次合格观测。
两台节点的采样合并分析，同时保留节点字段用于检查。运行记录声明每次提问新建会话；这不能排除账号状态、个性化、缓存和检索更新的影响。
先把个人和公司分开
开始计算前，我们对照了正式判档与回答原文。553 条观测中，Studio 有 218 条被标为推荐。其中 24 条只提到了新港智优或机灵 AI，正文没有王涛或 Taomir。
公司的出现和个人的出现会影响不同的业务决定。衡量王涛个人可见度时，不能直接把公司名字计作个人点名。
因此，本研究的主指标采用一条可以复算的文本定义。回答正文中出现“王涛”或“Taomir”即记为一次点名，英文忽略大小写；只出现公司名记为未点名。按这一口径，553 条回答中有 194 条点名。
这个指标不判断资历描述是否真实，也不衡量推荐名次、用户访问或成交。194 条点名回答均同时出现了 Taomir、新港智优或 TaoGEO 等身份标记。名字匹配仍按上述文本定义计算；研究指标与原判档的差异保留在研究副本中，Studio 的原始记录没有改动。
五种问法，得到五种可见度
每天的采样次数不同，同一道题一天合格样本在 1 次至 12 次之间。把全部回答直接相加，会让采样较密集的日期获得更大权重。
我们先计算每道题每天的点名率，再对 27 天等权平均。区间采用按日聚类的 Bootstrap，重抽样 10,000 次。每次抽取日期时保留当天的回答组，不把同一天的回答当作完全独立的观察。
| 固定问题 | 合格回答数 | 点名回答数 | 按日等权点名率 | 95% Bootstrap 区间 |
|---|---|---|---|---|
| 成都GEO优化专家推荐 | 113 | 37 | 33.6% | 22.6% 至 45.4% |
| 推荐一个成都GEO优化专家 | 108 | 8 | 7.4% | 2.7% 至 12.8% |
| 成都有哪些靠谱的GEO优化顾问 | 111 | 3 | 2.7% | 0.0% 至 6.9% |
| 成都谁做GEO优化比较厉害 | 111 | 70 | 58.7% | 46.7% 至 70.9% |
| 成都做GEO优化比较好的人是谁 | 110 | 76 | 63.5% | 52.0% 至 74.8% |
表中的平均率按日期等权计算，不一定等于点名回答数除以全部回答数。例如最后一道题的逐回答比例为 76/110，即 69.1%；按日等权后为 63.5%。两者描述了不同权重下的结果。
最明显的差异出现在“人”和“顾问”两道题之间。前者的日均点名率高出 60.8 个百分点。把同一天的两道题配对，对日差值重抽样，95% 区间为 49.2 至 71.7 个百分点。以连续 3 天、7 天为块进行敏感性检查，差值区间仍保持为正。
这说明，在这个案例和观察窗口内，问法之间存在持续的表现差异。五道题对应的需求、候选人范围和回答组织方式也可能不同。这些数据不能单独证明，把某个词换成“人”就会让任何品牌获得同样提升。
同一天重复提问，结果也会切换
五道题和 27 天构成 135 个题日组合，其中 131 个组合具有至少两次合格采样。61 个组合同时出现了点名和未点名结果，占可重复比较组合的 46.6%。
按时间排列同题同日回答，得到 418 对相邻采样，其中 120 对发生点名状态切换，占 28.7%。相邻对会共享回答，这个比例用于描述结果切换，418 不能作为独立实验样本量。
一个具体记录来自“成都做GEO优化比较好的人是谁”。10 月 4 日凌晨 4 时 11 分的回答写出了王涛，上午 9 时 1 分的下一次合格回答没有点名。一次截图保留的是其中一个时刻，无法代替当天的重复结果。
两台节点合并可能引入账号或环境差异。我们又在同一节点内部，对同题同日的相邻回答进行了检查。“成都谁做GEO优化比较厉害”仍有 30/69 对发生切换，“成都做GEO优化比较好的人是谁”有 27/69 对发生切换。结果变化并未随着跨节点比较的移除而消失。
另一侧也需要看清。“成都有哪些靠谱的GEO优化顾问”在同节点检查中只有 2/69 对切换，但该题总体仅 3 次点名。低切换率可以对应长期未出现，不能自动理解为优化效果稳定。
来源列表也没有固定下来
个人点名分析使用全部 553 条合格回答。来源分析需要更完整的证据，所以另取来源状态为完整、运行完成且干净的 531 条回答；来源部分缺失或不可用的 22 条未进入集合比较。
531 条中有 523 条能够找到同题同日的另一条完整来源回答，共形成 1,279 对比较。我们按 URL 提取来源主机名，去除 www 和 m 前缀，在每条回答内部去重，计算集合的 Jaccard 重合度。该数值等于交集大小除以并集大小，1 表示集合相同，0 表示没有共同站点。
为了避免采样多的日期主导结果，先计算每个题日组合的平均重合度，再取各日均值的中位数。
| 固定问题 | 可比较日期数 | 来源站点重合度中位数 |
|---|---|---|
| 成都GEO优化专家推荐 | 26 | 0.346 |
| 推荐一个成都GEO优化专家 | 25 | 0.500 |
| 成都有哪些靠谱的GEO优化顾问 | 26 | 0.446 |
| 成都谁做GEO优化比较厉害 | 24 | 0.233 |
| 成都做GEO优化比较好的人是谁 | 26 | 0.229 |
这些值说明，完整捕获的可见来源列表在重复采样中仍有变化。我们没有从中推导来源与点名之间的因果关系，也没有把可见来源列表认定为豆包内部完整的检索候选池。
Jaccard 是集合重合度。0.500 表示交集占并集的一半，不能直接解释为某一条回答有一半来源被替换。这里使用主机名而非网页 URL，衡量的也是站点层面的变化。
这批数据如何改变 GEO 评估
这次研究最直接的用途，是让测量结论与业务决定对应起来。
一个人是否被点名、一家公司是否进入候选、某篇内容是否出现在可见来源里，需要分别计数。在这个样本中，公司与个人合并就会多出 24 条个人点名的代理记录；给这个混合指标加上更精细的置信区间，仍然无法回答个人表现的问题。
重复采样也应该围绕固定问题展开。相同日期、相同平台和模式下，问法之间已有很大差异。随意增删题目后比较总百分比，会把题集变化和表现变化混在一起。
对于五道题中的某一道，报告中同时保留问题、采样窗口、样本数、点名次数和不确定性区间，才能说明结论来自哪里。若要评价一次内容优化，还需要对应的干预记录和可比对照。本文没有执行这一项分析。
研究边界与复算方法
本研究属于作者自有品牌的单案例观察，只覆盖豆包快速模式和五道成都 GEO 推荐题，不能外推到其他行业、平台或真实用户总体。采样频次在窗口内有过调整；按日等权减少了密集采样日期的权重，但不会消除适应性调度带来的全部偏差。
Bootstrap 区间描述的是这段观察窗口内的测量不确定性。连续日期可能相关，平台及内容也可能随时间变化。我们用连续 3 天和 7 天的移动块重抽样作敏感性检查，不把这些块长度解释为通用标准，也不把区间当作未来表现保证。低频点名题的区间下界为零，同样不意味着真实出现概率为零。
正文的名字匹配是透明的文本计数，不能替代完整的实体消歧和身份正确性判断。来源比较仅覆盖捕获完整的记录；完整状态来自采样器记录，没有独立证明列表包含平台使用的全部资料。研究也未保存全部被引网页在当时的正文，不能据此排除内容变化。
复算材料保留了生产只读快照、快照哈希、分析程序、逐条研究样本和完整计算结果，未公开发布。程序使用 Python 和 NumPy，随机种子为 20261007，主分析按日重抽样 10,000 次，移动块敏感性检查采用非循环的连续日期块。
方法参考
Sielinski，2026，AI 可见度不确定性与生成式搜索测量研究，arXiv 2603.08924，阅读版本 v3。原文
本研究借鉴了其重复采样、Bootstrap 和来源集合比较思路。本文的 553 条样本、个人点名定义、按日等权计算及移动块检查均来自 GEO Studio 数据的独立分析，没有把该论文的平台排名或采样数量建议作为本研究结论。
研究证据哈希承诺
本研究沿用此前 Query Sensitivity 文章的证据承诺方式，保留私人生产快照及复算材料，并将文件清单的 SHA-256 作为证据包的根哈希。
- 证据编号
GEO-STUDIO-PERSON-NAMING-20261007 - 本地冻结时间
2026-10-07T22:03:18+08:00 - 生产快照读取时间
2026-10-07T21:40:00.799398+08:00 - 研究范围为 2026 年 9 月 10 日至 10 月 6 日、豆包快速模式、五道固定问题、553 条合格观测。
生产只读快照 SHA-256
b185aef2079936888ef528ff662306c501673300d5c5533ee9e6c88c37bb4bde
Root SHA-256
b7b25a7d43a5bc89b66ed23ecb0c915330bf1abc4791de47bc66abed2f03f03f
生产快照包含 1,797 条观测与 1,632 次采样运行，研究仅使用其中符合条件的 553 条观测。根哈希覆盖快照、研究样本索引、分析程序、计算结果及说明等 9 个文件；先对每个文件计算 SHA-256，按完整清单行排序写入 UTF-8、LF 换行的 FILE_HASHES.sha256，再对清单文件计算 SHA-256。
原始证据由作者私有保存。