做GEO要几个人、多久能看到变化？

决定做 GEO 之前，老板一定会问两个问题：要几个人？多久能看到变化？

先说清楚：这两个问题都没法用「X 个人、Y 个月」来回答。不是不肯说，而是任何给出确定周期的说法，都不值得信。原因在下面第一节。但有一半是可以确定的——哪些动作是一次性的、哪些是长期的、人力怎么配，这些都能算清楚。

先把边界放在前面：本文不给周期承诺，也不给效果承诺。我们会告诉你结构，判断留给你自己做。

一、为什么「多久见效」这个问题本身有陷阱

因为 AI 答案不是一张排好名次就不动的榜单——它是每次提问都重新生成的。

有两个来自官方的机制可以说明这一点：

• Google 官方文档说明，AI Mode 会做 query fan-out（查询展开）：把用户的一个问题拆成最多 16 个子查询分别检索，再合成答案。拆法不固定，检索到的内容也在变。
• 另有实验发现，同一个问题问很多次，完全相同的品牌名单几乎不会重复出现（SparkToro × Gumshoe 2026，2,961 次运行，该实验经媒体转述）。

口径区分：第二项测的是「答案的稳定性」，不是「AI 靠不靠谱」；它同时发现，反复出现的品牌仍然反映真实模式。所以不是「没有规律」，而是「单次结果不能当结论」。

既然答案本身每次都在变，那「第 30 天一定看到某个结果」这种承诺，就没有依据。敢这样承诺的人，要么不懂机制，要么在赌你不会去核对。

二、但结构是确定的：两类动作

不能承诺周期，不代表说不清工作量。把 GEO 的动作按性质分两类，账就清楚了：

• 一次性动作：做完就在那儿，不需要持续投入。包括诊断（查清你在 AI 里的真实位置）、底座（统一全站口径、每页一个 H1、独立标题描述、结构化数据、站点信息文件）。这一类是「基建」，投入集中在某一段时间，之后主要是偶尔维护。
• 长期动作：需要节奏，没有终点。包括内容生产、信源建设、定期监测与更新。它们不是「做完」，而是「一直做」——频率比强度重要。

这也是为什么问「多久做完」容易失望：一次性的那部分确实会「做完」，长期的那部分永远不会「做完」。把这两件事混在一起问，就永远得不到满意的答案。

三、三档人力配置

按投入程度分三档，你可以对照自己现在的位置：

1. 半个人（兼职推进）。只做一次性动作 + 最核心的几个问题。适合想先验证有没有用的情况。关键是把「一次性」那部分一次做扎实——口径统一和页面基础这两件事，做一次就长期有效，性价比最高。
2. 一个人（专职）。在上一档基础上，稳定做内容：按客户会问的问题一个个写，并建立固定的监测清单。这一档的重点是「节奏」——每周固定花时间，比偶尔集中冲刺有用。
3. 两三个人（分工）。内容、技术、监测各有人盯，同时推进信源建设。这一档适合问题覆盖面大、竞争激烈的行业，因为要覆盖的问题数量本身就多。

一句话建议：起步阶段不要先配人，先做诊断。诊断的结论会告诉你该配到哪一档——如果发现大部分核心问题上是「缺席」，那说明内容缺口最大；如果发现是「无推荐」，那说明要处理的是信息质量问题。方向不同，人力配置完全不同。

四、那怎么判断「有没有在动」？

不承诺结果，但过程是可观察的。可以盯三类过程指标：

• 覆盖度：客户最常问的 20 个问题，官网上正面回答了几个。这个数字只增不减，而且完全由你控制。
• 一致性：把公司名、成立时间、地址、电话、业务范围拉成一张表，全站抽查是否一致。这是最容易做完就见效的一项。
• 被引用页面数：AI 相关工具里能看到「有多少页面被引用过」这类观察性数据。

不过第三项要按它自己的边界来用。以 Bing 官方的 AI Performance 面板为例，官方自己写明三条限制：总引用次数不包含在答案里的位置或呈现方式；日均被引用页面数不代表排名、权威度，或某一页在单次答案中的作用；不提供点击数据。官方把它定性为「观察性指标」。

所以：这些数据可以看趋势，不能当 KPI 考核。把观察性指标拿去当绩效考核，是这一行最常见的误用。

五、三个常见问题

1. 一个人都不投，能不能做？

能，但只能做到「一次性动作」那一层。诊断和底座这两件事，即使不增加人手也值得先做——因为它们不花钱，而且做完之后，你至少不再是「完全不在候选池里」的状态。

2. 有没有可能几天就看到变化？

有可能，也可能没有。能确定的是：基数越低的品牌，越容易被观察到变化。如果你现在在所有核心问题上都是「缺席」，那么任何一点内容或信源上的补齐，都更容易被看出来；反过来，如果已经经常被提到，想再进一步就难得多——这跟「从 0 到 1」和「从 90 到 95」是同一回事。

我们不承诺任何时间点，也不建议你把「多少天看到变化」作为是否继续投入的唯一标准。

3. 怎么知道该不该继续投？

看两件事，而不是看排名：一是覆盖度有没有在增长；二是口径有没有变干净。这两件事你在做、也看得见。等它们积累到一定程度，再去观察 AI 答案里的变化——顺序反过来，很容易因为「没马上看到」而过早放弃。

六、写在最后

把这件事收一下：「要几个人」取决于你想覆盖多少问题，「多久见效」取决于 AI 每次重新生成答案时能不能挑到你——后者没人能保证。

所以更务实的问法不是「要几个人、多久见效」，而是：一次性动作我做了没有？内容节奏我建立起来没有？这两件事做扎实，剩下的交给时间和持续的动作。

你可以先做一件小事：把客户最常问的 10 个问题写下来，对照官网看有几个能正面回答。这个数字，比任何周期承诺都更能帮你判断该配多少人。

深圳易杭此前从事跨境 B2B 与阿里国际站相关服务，2024 年起拓展 GEO 方向。我们不给周期承诺，也不给效果承诺——只把结构和判断标准交给客户，让客户自己判断。

数据与效果边界：本文引用的 SparkToro 与 Gumshoe 实验（2026）经媒体转述，为第三方实验结论；Google AI Mode 相关内容出自其官方文档；Bing AI Performance 面板相关定性出自其官方说明。以上均不代表真实市场或具体企业的效果，也不构成对见效周期或业务结果的承诺。所述方法的作用是提高被检索与被引用的概率，不保证企业一定出现在 AI 答案中。

参考资料

1. SparkToro × Gumshoe：AI 答案稳定性实验（2026，经媒体转述）
2. Google Search Central：AI Mode 与 query fan-out 官方说明
3. Bing Webmaster Tools：AI Performance 面板官方说明（2026）
4. SIGIR 2026（接收）：《What Gets Cited》，25.2 万次受控实验