招 GEO 相关的人，最常见的做法是找有 SEO 背景的。方向不错，但如果以为换个名词就能上手，通常会在第三个月发现数据说不清楚。
这件事需要的是四种能力的组合，而它们原本分布在不同岗位上。
第一种：测量纪律
这是最被低估也最容易缺的一种。
它要求的不是分析能力，是守规矩的能力。问题集原文冻结，每题重复固定次数，联网与不联网分开记，原始答案全文留存，任何改动记版本。
听起来简单，难在忙起来的时候不放弃。有研究把五个模型配置成确定性模式，在八项常见任务上各跑十轮，准确率在自然发生的多轮之间最大波动达到 15%，最好与最差之间差距最大到 70%。这个噪声水平意味着纪律一松，数据立刻变成不可解释的。
判断一个人有没有这种能力，最有效的问法是让他说上一个项目的问题集怎么建的、每题测几次、引用率怎么算。做过的人会自然提到冻结、重复、留原文这些细节。
第二种：内容的具体度判断
能看出一段话里有没有可被引用的东西。
这和写得好不好是两件事。一段文字可以流畅、有观点、读起来舒服，同时完全不包含可核对的信息。反过来，一段干巴巴的参数说明可能是整页里最有价值的部分。
这种判断力的训练方式很具体：随机取一段内容，复制到空白文档里单独读，问三个问题。这段说的是哪家公司，在什么条件下成立，有没有可核对的点。三个都答得出来才算合格。
第三种：技术排查
不需要会开发，需要会读。
能看懂页面源码，判断首屏正文是否在服务端返回的那份 HTML 里。能看服务器访问日志里的抓取器记录与返回码。能判断结构化标记与可见内容是否一致。
这三样是必要的，因为它们决定了后面所有内容投入是否计入。真正的渲染方式改造由开发做，GEO 这边负责说清问题在哪并提供证据。
第四种：从业务里把事实挖出来
这一种最少被写进岗位描述，实际最常卡住项目。
内容要写具体，具体就需要数值、流程、期限、边界，而这些在交付、技术、财务那边。这些部门没有配合写内容的习惯，零散地去问可以拖几个月。
有这种能力的人会做一件事：把需要的事实列成一张清单，一次性要齐，而不是每写一篇去问一次。这件事清单化之后通常一两周能解决。
| 能力 | 常见来源岗位 | 缺了会怎样 |
|---|---|---|
| 测量纪律 | 数据分析、运营 | 数据不可比，说不清成效 |
| 内容具体度判断 | 内容、编辑 | 产出大量不可引用的内容 |
| 技术排查 | SEO、前端 | 在抓不到的站上做内容 |
| 事实组织 | 业务、售前 | 内容只剩形容词 |
一个常见的能力错配：把它当成工具岗
招聘描述里写「熟练使用各类 AI 工具」的时候，通常意味着对这个岗位的理解有偏差。
工具解决的是规模问题：几百道题要反复提问、原文要归档、报告要按月生成，这些靠人手做不过来。但工具不产生判断，它不会告诉你哪道题值得测、哪段内容缺了可核对的事实、这一轮的变化该不该归因到自己的改动上。
所以把岗位定义成会用工具，招来的人会很快产出大量报表，而报表里的数字解释不清。反过来，一个判断清楚但手工操作的人，用表格也能把三十道题管得明明白白。
顺序是先有判断，再用工具放大。倒过来的话，放大的是错误。
内部培养比外部招聘更现实的两个理由
第一个理由是业务知识的不可替代。四种能力里，事实组织那一种几乎只能靠内部人完成，因为它要的不是方法而是人脉和对业务的了解。一个在公司待过两年的人知道该找谁拿数据，外来者要摸索几个月。
第二个理由是纪律可以教，判断可以练。测量那套规矩写成一页文档就能交接；内容具体度的判断靠反复做那个三问检查，几十次之后就有感觉了。真正难教的是业务理解，而那恰好是内部人已经有的。
所以更现实的路径是：内部找一个懂业务、愿意守规矩的人作为主干，让他把测量纪律和内容标准学会，技术排查和内容起草从外部补。这个配置的启动速度通常比招一个有经验的人更快，因为不需要等对方熟悉业务。
要避免的是把这件事交给一个纯执行角色，每月按模板出报表，没有人对数据的解释负责。那种配置产出的是文件，不是结论。
哪些能外包，哪些不能
可以外包的是测量执行、技术排查、内容起草。这三项的共同点是输入明确、产出可验收。
不能外包的有两项。
事实供给。内容里需要的具体数值、流程、边界只有业务自己清楚，这一段无法外包。
终审权。广告活动中内容真实性的首要责任在广告主，把终审让出去而责任留在自己这里，风险不对称。
最小团队配置
起步阶段一个人就够，但这个人必须懂业务而不是懂技术。前期的工作主体是整理客户真实问法和提供具体事实，这两件事只有懂业务的人做得了。技术只需要在改站点那几天介入。
到了稳定期，比较稳的配置是一个半人：一个人负责内容与事实组织，半个人负责测量与报告。测量这半个人不能省，因为它一停，前面的投入就变成不可评估的。
写作可以外包，测量不建议外包给内容方同一家，原因是自己测自己的成效存在利益冲突。
为什么这个岗位不好招
因为四种能力的组合在市场上本来就少。
测量纪律偏数据岗，内容判断偏编辑岗，技术排查偏 SEO 或前端，事实组织偏业务岗。一个人同时具备三种以上的情况不多。
更实际的做法是按组合补，而不是找一个全能的人。内部找一个懂业务、愿意守规矩的人作为主干，技术排查和内容起草从外部补。
还有一点要承认。研究发现各种优化手段的效果在不同领域差异明显，并不存在通用方法，所以行业经验的价值被低估了。做过同品类的人，在问题集的起点上会高出一截，这比从业年限重要。
团队角色、审核节点与交接物的具体定义，团队与流程那一页按角色列了。我们自己怎么分工、哪些环节不交给模型，写在大乐GEO 的方法那一页。
参考来源
- Atil, B., Aykent, S., Chittams, A., et al. (2024). Non-Determinism of "Deterministic" LLM Settings. arXiv.
- Liu, N. F., Zhang, T., & Liang, P. (2023). Evaluating Verifiability in Generative Search Engines. EMNLP 2023 Findings.
- Aggarwal, P., Murahari, V., Rajpurohit, T., Kalyan, A., Narasimhan, K., & Deshpande, A. (2024). GEO: Generative Engine Optimization. Proceedings of KDD 2024.
- 国家市场监督管理总局 (2023). 互联网广告管理办法. 国务院公报 2023 年第16号.