无痕采样:为什么要排除你账号的 AI 偏好?

这是 GEO 监测里一个反直觉但极其重要的概念。

当你登录豆包/元宝/通义等账号,长期在上面搜索某类内容(比如经常搜你自己行业的关键词),AI 平台会记住你的账号画像。下次你问"XX 推荐哪家",它给的答案会偏向你看过的。

这造成什么问题?

你每天监测自己品牌的 GEO 表现,长期下来,AI 会越来越倾向于给你看到你自己。这是假象 — 一个第一次接触这个领域的真实客户,看到的答案可能完全不同。

具体案例:你的运营每天在豆包搜 5 次"XX 行业推荐",连续 30 天,AI 学到这位用户特别关心 XX 行业。后续这位运营的搜索结果里,你的品牌出现频次会显著升高 — 但这不是因为你 GEO 做得好,而是 AI 在讨好这位运营。

登录态采样 vs 无痕采样

所以做 GEO 监测,需要两种模式并用:

① 登录态采样

用真实账号 + cookies,反映"已登录用户实际看到的"。优点:更接近主流用户(大多数人是登录态)。缺点:被账号画像污染。

② 无痕采样(去个性化)

开新浏览器窗口、不注入任何 cookies、模拟全新匿名用户。优点:排除画像,看到 AI 对这个 query 的"基线认知"。这是较为公平的 GEO 比较基准。

哪个更重要?

两个都要。但权重侧重无痕模式,因为:

你 80% 的潜在客户是第一次问 AI 这个问题(无痕用户视角)
无痕模式的得分变化,反映你的真实 GEO 健康度变化
登录态得分波动,可能只是你自己搜索行为变化的副作用

如何技术上实现?

用分布式节点 + 真实浏览器,每次采样开新 incognito 窗口,不带任何历史 cookies。比 API 取数更接近真实情况 — API 走的是模型直接生成,跳过了平台的 personalization 层,而真实客户用的是浏览器界面,经历完整的 personalization 链路;两种数据互补,各有适用场景。

简单原则

做行业基线评估 → 用无痕模式
做"我家忠实用户能看到什么"评估 → 用登录态
两种模式得分差异越大 = AI 个性化越强 = 你越要重视 GEO 的"广撒网"