第一次诊断没有提到企业，第二次换了一个更容易出现品牌名的问题，结果出现了。这个变化算不算 GEO 有效？
单看两张截图，很容易得出肯定答案。但如果问题、平台或联网条件已经改变，就无法判断变化究竟来自企业优化，还是来自测试方法。
复扫最重要的纪律，不是一定扫出更高分，而是尽量让前后两次可以比较。
为什么同一个意思也要保留原问题
“推荐几家佛山的 GEO 公司”和“佛山的一枝云 GEO 怎么样”，看起来都在问服务商，实际上完全不是同一类问题。
前一个是没有预设品牌的决策问题，检查企业能否自然进入候选；后一个直接给出了品牌名称，检查的是 AI 是否认识并能描述它。
哪怕只是把“有哪些”改成“推荐”，也可能改变回答数量、选择标准和语气。因此，基线诊断完成后，应保存原始问题，不要在复扫时凭印象重新改写。
可以新增问题，但新增结果要单独标记，不能直接与旧问题合并计算变化。
除了问题，还要尽量固定哪些条件
AI 回答受到很多条件影响。复扫记录至少应包括：
- 使用的平台或产品入口；
- 扫描日期与大致时间；
- 提问语言；
- 是否开启联网、搜索或深度研究；
- 是否使用新对话；
- 地区或账号环境中能够确认的部分；
- 完整问题与完整回答；
- 回答展示的引用链接；
- 使用的判断标准和评分口径。
不是所有条件都能完全控制，但能记录的都应记录。以后发现差异时，才知道哪些变化可以合理比较。
问题应该怎样分组
一套复扫题组不应只有公司名称。
通常可以分成几类：
品牌识别问题
检查 AI 是否知道企业是谁、提供什么、官网和主体能否对应。
业务能力问题
检查产品、服务、地区、行业和交付范围是否被准确描述。
决策与推荐问题
模拟潜在客户在没有预设品牌时怎样选择供应商或服务方。
事实核验问题
检查容易出错的信息，例如资质、案例、价格、联系方式或公司关系。
询盘行动问题
检查感兴趣的人能否找到官网、产品页和有效联系入口。
分组以后，即使总提及没有明显变化，也能看出错误描述是否减少、品牌事实是否更完整。
判断标准也必须固定
同一句回答，不同人可能有不同判断。
例如，AI 只列出官网链接但没有在正文写品牌名，算不算有效提及？出现相似名称但无法对应公司主体，是否计入？把企业列在“其他选择”里，与明确推荐是否同分？
这些规则应在第一次扫描前写清楚，并在复扫时继续使用。
比较常见的做法，是把结果分开记录：
- 是否出现品牌或公司；
- 描述是否准确；
- 是否进入决策候选；
- 是否展示可靠来源；
- 是否能够走到有效联系入口。
不要把所有维度压成一个数字后，就删除原始判断。分数用于概览，原始证据才用于复核。
复扫结果应该怎样解释
一次复扫可能出现几种情况。
出现了新的准确提及
这是值得记录的变化，但仍要看发生在哪类问题、哪些平台，以及是否能够重复观察。不能据此承诺以后每次都会出现。
提及没有增加，但错误减少了
AI 以前把公司业务说错，现在能够正确对应主体和服务。对企业来说，这也是重要改善，因为错误信息可能直接影响客户判断。
官网开始成为引用来源
这说明企业事实页可能参与了部分回答，但“被引用”和“被推荐”仍然要分开记录。
结果没有明显变化
这不应被隐藏。需要继续检查页面是否已经被搜索系统发现、事实是否足够清楚、外部来源是否需要建设，以及观察周期是否合理。
结果反而下降
先检查平台更新、问题条件和引用来源变化，再判断是否需要调整内容。不要为了维持好看数据，删除下降的问题。
复扫不是证明题
如果服务方的目标是证明自己有效，就很容易在第二次测试时只挑有改善的问题、改变提问方式，或者忽略没有变化的平台。
真正有价值的复扫，更像一次固定口径的复查：如实记录变化，解释能够解释的部分，对无法确认的原因保留判断。
企业最终需要的不是一张必然上涨的图，而是一套以后还能够重复使用的检查方法。只有问题、条件和判断标准尽量一致，前后变化才有讨论价值。
内容依据与使用边界
同口径复扫用于提高前后观察的可比性，但无法消除模型更新、搜索结果变化和回答随机性。复扫结果应结合原始回答与采样条件解释，不应被当作长期固定排名。