GEO 怎么做、怎么算、哪里做不到

这一页不写愿景,只把方法摊开:七步各自做什么、交什么、按什么判定;六维体检每一维怎么打分;收录率的分母是谁;以及当前到底接通了哪些平台。

七步流水线

每一步都有产出,
也都有一条判定线。

判定线写死在系统里:不满足就进不了下一步。下面这张表,就是工作台左侧那七个页面的说明书。

环节 做什么 产出 判定口径
知识资产 先把「你是谁」写成一份能被核对的底稿:企业全称、全部别名与曾用名、产品线、卖点、资质、门店与区域、竞品名单。别名尤其关键——AI 用简称或旧名提到你,也算你。 实体底稿(名称 / 别名 / 产品 / 资质 / 竞品)+ 一份待补资料清单。 全称、至少 1 个别名、地址、电话、资质五项必须齐;缺项标出来源与找谁补。没有企业全称和别名,不允许进入词包与采集。
词包工程 核心词 → 拓展词 → 真实问句。一个核心词扩到 8–15 个拓展词,再改写成客户真会问的句子(「深圳龙华种植牙哪家好」「龙华种植牙多少钱」),每个平台单独评一次竞争度。 三层词包 + 平台竞争度矩阵 + 优先级排序。 一个词包至少 1 个核心词,重复词自动去重;每个问句都要能落到一个核心词上,落不上的删掉。竞争度看这个词的头部回答里,竞品占了几席。
内容工坊 按六段骨架写:结论 → 适用 → 数字 → 对比 → FAQ → 出处。结论放第一句;数字要能核(百分比、金额、周期、样本量);出处写到链接或文号,不写「据行业数据显示」。 可引内容:草稿 → 审核 → 可发布,每篇绑定关键词与目标问句。 标题不超过 30 字;可引性评分低于 70 分的段落打回重写;缺出处的句子不进正文。审核不通过,不进分发。
媒体分发 按信源类型投:行业媒体、地方媒体、垂类目录、自有阵地。投之前先看这个来源过去有没有被 AI 引用过;下单只到「待审核」,不是「已发布」。 发布记录:媒体、链接、时间、费用,以及待审核 / 已发布 / 已驳回三种状态。 链接能公开打开、正文与稿件一致,才算发布;没回填链接算未完成;被驳回自动退费。下单成功不等于发布成功,这两个状态在系统里分开记。
收录监测 按「平台 × 问句 × 天数」采集:同一批问句每天采一轮,回答原文落库。回答里出现企业全称或任一别名,就算被收录,同时记位次与情绪。目前批次由运营手动触发,系统没有自动定时器。 每次采样的回答原文、模型名、延迟、tokens、来源链接、SHA-256 哈希。 每条数据必须标明 live(真实采集)或 sim(演示生成);失败不落假数据;单次命中不写趋势,至少看连续 3 天的分布。只有 sim 数据时,报告里明确标注「模拟采集」,不用于真实交付。
交付中心 把系统里的数据算成 9 章:执行摘要、可见度诊断、从发布到被引、三条归因、七个平台、竞争位次、信源结构、内容与分发建议、六周计划。 9 章交付包(可分享链接)+ 一页纸摘要。 每一章标 ready / partial / blocked / manual;每个数字能点回原始记录;分母写在数字旁边。blocked 的章节写清缺什么,不用文字凑。
诊断报告 把本期结论收成一页可分享的诊断:现在在哪、差在哪、下一轮先做什么,附一份动作清单。分享链接可以随时停用。 只读分享页 + 下一轮动作清单(谁、什么时候、做什么)。 没有采集数据不允许出报告;结论必须写清平台与天数;变化用百分点写,不写「提升 X 倍」。停用链接后旧地址立即失效。

表格可左右滑动

七步可以拆开买:只做诊断、只做内容、只做技术修复都行。拆开时,上表的判定线照样适用。

六维体检

六个维度各自打分,
短板比总分重要。

任何一维是 0,后面的活基本白做。分数是给自己排优先级用的,不是对外宣传的排名。

维度 看什么 打分方式 常见问题
技术可抓取 robots.txt 是否放行 AI 爬虫(GPTBot、ClaudeBot、PerplexityBot、Bytespider、Google-Extended 等 14 个 UA)、llms.txt 有没有、sitemap 能不能取、正文是不是服务端直出。 四项各 25 分。爬虫项按「放行数 ÷ 实测 UA 数」计;关掉 JS 后首屏读不到正文,该项直接 0 分。 robots 里一条 Disallow: / 把所有爬虫挡在门外;整站前端渲染,HTML 里只有一个空容器。
结构化标注 页面里有没有 JSON-LD,覆盖 Organization、LocalBusiness(或 Product)、FAQPage、BreadcrumbList、Article 几类,关键字段是否齐:名称、地址、电话、营业时间、资质或许可。 五类各 12 分(共 60);关键字段每缺一项扣 8 分(共 40)。一处 JSON-LD 都没有,就是 0 分。 只在首页放了一个 Organization,地址和电话还是图片;FAQ 是折叠组件,没有 FAQPage 标注。
实体一致性 官网、地图、企业信息平台、行业目录、点评页、公众号六处,名称、地址、电话、资质是否对得上。 4 项 × 6 处 = 24 个比对点,一致数 ÷ 24 × 100。简称不同但指向同一实体算一致;某处缺这项,算不一致。 官网写「XX 口腔门诊部」,地图写「XX 口腔」;电话还是三年前的座机;分店只写「民治店」,没有完整地址。
内容可引性 每篇文章能不能被整段摘走:第一句有没有直接给结论、段落是否自包含、结构是否好解析、数字密度够不够、有没有第一方实测或出处。 五类加权:答案块 30 / 自包含 25 / 结构 20 / 数据密度 15 / 独特性 10,单篇取段落均分;≥70 分算可用,覆盖率 = 达标段落 ÷ 总段落。 通篇形容词(专业、贴心、性价比高),没有数字也没有出处;第一段从行业背景讲起,读完三段还没回答问题。
信源覆盖 AI 回答里引用的来源都是谁:官网、行业媒体、地方媒体、垂类目录、UGC、官方或政务,各出现多少次、各占多少。 六类来源有被引记录各得 10 分(共 60);非自有来源被引次数 ÷ 总被引次数 × 40。只被官网一种来源引用,这一维最多 10 分。 被引的全是自家官网和一条团购页;行业媒体报道过,但链接是转载且已打不开。
平台收录 在已接通的平台上,同一批问句的回答里有没有出现你(全称或别名),出现在第几位,说好还是说坏。 收录率 = 命中回答数 ÷ 有效回答数 × 100;有效回答 = 提问数 × 平台数 × 天数,失败与空回答从分母里剔除。这一维的分数就是收录率本身,不二次换算。 只拿一个平台一天的数据就写「收录率 40%」;靠一次随机回答命中,第二天就没了。

表格可左右滑动

技术可抓取60
结构化标注0
实体一致性42
内容可引性76
信源覆盖28
平台收录14

示例数据:某演示客户的单维分,用来说明报告结构,不构成任何效果承诺。

单维 0 分意味着什么。结构化标注是 0,不代表网站坏了,而是 AI 只能靠猜来确认「你是谁、在哪、做什么」。先补这一项,比再多写十篇稿子有用。

总分怎么来。报告封面上的一个总分,是六维加权后的结果;权重与算式附在报告第 2 章。这一页只负责说清每一维怎么打,不做加权演示。

怎么读这组条。先看最低的那一维,再看它和内容、分发的因果关系:抓不到是地基,标注是说明书,可引性是内容,信源是第三方证言,收录是结果。

平台与采集

七个平台在名单上,
现在真正接通的只有 DeepSeek。

名单是目标,不是现状。报告里只写已接通的平台;没接通的,不会产生数据,也不会被算进任何比率。

平台 当前状态 接通需要什么 是否进报告
DeepSeek已接通默认通道,走模型 API 采集,客户不需要额外提供账号。进。这是目前唯一能出 live 数据的平台。
豆包未接通需要客户提供火山方舟(ARK)的 API Key,并开通对应模型。接入后才进;未接入不出现。
千问未接通需要客户提供阿里云百炼 / DashScope 的 API Key。接入后才进;未接入不出现。
文心未接通需要客户提供百度智能云千帆的 API Key,并开通文心模型。接入后才进;未接入不出现。
智谱未接通需要客户提供智谱开放平台的 API Key。接入后才进;未接入不出现。
元宝未接通需要可调用的官方接口;只有网页版的通道需要客户提供登录态,稳定性低于 API。接入后才进;未接入不出现。
Kimi未接通需要客户提供 Moonshot 开放平台的 API Key。接入后才进;未接入不出现。

表格可左右滑动

采集有限速与熔断:同一平台最小间隔 8–20 秒;连续失败 5 次熔断 10 分钟。失败会写明原因,不拿模板回答补成 live。

必须说清的限制:我们采的是模型 API 的回答,不是网页版带检索的答案。API 回答没有联网检索——模型不会当场去搜网页,回答基于它已有的知识和提示词。所以「引用来源」只能从回答文本里出现的链接抽取;回答里没写链接,就没有来源可记。这不是少做了一步,是通道本身如此。

这对数字意味着什么。我们给出的收录率、位次、来源台账,都只代表 API 通道。同一个问题,网页版带检索的回答可能完全不同,不能拿这两组数字互相印证。

来源台账要看清定义。台账记的是「回答里提到的来源」,不是「模型实际检索过的来源」。两者经常不是一回事,报告里会按前者写。

需要网页版口径怎么办。单独立项做登录态采集,并且接受两件事:稳定性低于 API、页面结构一变就要修。这类采集不上来就不写,不用模拟数据顶。

没接通的平台怎么写。在沟通记录里标「未接入」,说明缺什么;报告正文不出现它的比率,也不写 0%。分母只算真正采到的回答。

证据

每个数字,
都能回到那一句回答。

采集时把回答原文、模型、延迟、来源、哈希一起落盘。报告里点开任意一条,看到的是模型当时真正返回的内容,不是二手转述。

  1. 01
    原文完整保存模型返回的回答,不改写、不摘要。
  2. 02
    哈希answer_hash 与证据文件一一对应;回答改一个字,哈希就对不上。
  3. 03
    模式live 与 sim 分开记。有 live 就只用 live 出报告;完全没有 live 才回退 sim,并在报告里明确标注「模拟采集」。
  4. 04
    分母收录率写明分母:提问数 × 平台数 × 天数;失败与空回答剔除,不凑数。
// data/evidence/2026-11-08/deepseek-….json
{
  "platform": "deepseek",
  "keyword": "龙华种植牙哪家好",
  "mode": "live",
  "model": "deepseek-flash",
  "collected_at": "2026-11-08T09:14:22+08:00",
  "latency_ms": 11842,
  "sources": [
    "kangle-dental.example/doctors",
    "szkq.example/members/1288"
  ],
  "answer_hash": "9f2c1d…a71d",
  "mentioned": true,
  "rank": 1
}

结构示例(域名与客户名已替换)。真实证据文件与报告条目一一对应,可按条导出。

口径

分母写在哪,
数字才算数。

同一份数据,换个分母就是另一个故事。下面每个指标都写清分子、分母和常见误用。

指标 定义 分母 / 算法 常见误用
收录率 被收录回答占有效回答的比例。命中企业全称或任一别名即算被收录。 命中回答数 ÷ 有效回答数 × 100;有效回答 = 提问数 × 已接通平台数 × 天数。 只算一个平台一天就对外说「收录率 X%」;把「被引篇数」拿来当分子。
有效回答 真正拿到回答的采样条数,是收录率的分母。 提问数 × 平台数 × 天数,再减去请求失败、超时与空回答。 把失败的请求也算进分母,收录率被压低;或反过来只挑成功的算,数字虚高。
被收录回答 回答里出现企业全称或任一别名的条数,按条计,不按平台计。 计数单位是「一条回答」,不是「一个平台」也不是「一天」。 把同一条回答里多次提及算成多条;只认全称,漏掉简称与旧名。
被引篇数 我们发布的内容里,被 AI 回答引用过的篇数。 计数单位是「一篇内容」;与「被收录回答」是两个口径,不能相除。 拿它去算收录率;或者把「发布了多少篇」当成「被引了多少篇」。
竞品缺口 头部竞品的提及率减去本品的收录率,衡量差多少。 单位是百分点(pp),不是百分比;报告里同时写明只采集到几家竞品。 把百分点说成百分比;没配竞品名单也报一个缺口。
live / sim live 是真实 API 采集;sim 是演示用模板回答。 每条记录单独标模式;报告与交付包只用 live,没有 live 才回退 sim,并在报告里明确标注。 两种数据混在一起算均值;拿 sim 的漂亮数字当真实基线。

表格可左右滑动

口径变了,报告里必须写「本期与上期不可直接比」。同一张表里不混用两种分母。

技术体检

抓不到,
就没有后面。

技术这一层不做玄学:五项检查,逐项有结论。抓取与渲染这两关没过,后面的内容与分发基本无效。

robots.txt

先看有没有、能不能取,再看有没有对 AI 爬虫整段 Disallow。放行 GPTBot、ClaudeBot、PerplexityBot、Bytespider 这些 UA,是能被抓到的第一道门;一条通配的禁止规则,就能让整站在 AI 眼里不存在。

llms.txt

放在站点根目录,用 Markdown 写清「你是谁 + 哪些页面值得看 + 联系方式」。它不是正式标准,没有也能被索引,但能让抓取方少猜;写了不维护,反而会给出过期指引。

sitemap.xml

列出要被抓的页面和更新时间。分页、筛选参数、重复内容要挡在外面,否则抓取预算都花在没用的页面上,真正想被看到的页面反而排不上队。

SSR

正文要服务端直出。关掉 JS 再打开页面,还能读到标题、正文、地址和电话,才叫可抓取;HTML 里只有一个空容器,等于把内容藏在了抓取方看不见的地方。

JSON-LD

用结构化数据写清组织或门店、产品、FAQ、面包屑。前提是和页面可见内容一致——页面上没写的,不要只写在标注里;写两套互相矛盾的资料,会被判为不可信。

顺序不能跳:抓不到 → 不会被索引 → 不会被引用。前两步没过,写多少内容都进不了 AI 的答案。技术修复通常是最便宜的一步,也是最容易被跳过的一步。

局限

方法在哪里会失效,
也写在这一页。

这不是免责声明,是使用说明。知道哪里不可靠,才知道报告里的哪句话能拿去决策。

单平台结论容易过拟合

不同模型的答案经常不一样。只测一个平台,得到的可能是那个模型的偏好,不是你在市场里的位置。报告会写清测了哪几个平台;只有一个平台时,不下「整体可见度」的结论。

AI 回答有随机性

同一个问题,隔天问可能换一种说法。单次命中不算数,要看同一批问句在多个平台、多天里的分布。所以收录率按「提问数 × 平台数 × 天数」算,而不是抽查一次。

平台规则会变

模型版本、检索开关、引用偏好都会调整,历史结论会过期。规则变化时重跑并写进报告,不拿旧数据接着算;同一份报告里,不同批次的数据不混算。

所以我们这样写报告

每条结论带平台与天数;变化用百分点;缺数据的章节标 blocked 并写明缺什么;未接入的平台不出现比率。拿不到的项不编,也不拿模拟数据补。

先看你现在的基线,
再决定做不做。

30 分钟沟通,我们把你现在能被搜到、能被引用的部分列清楚;接不上的平台,会当面说明缺什么。

预约一次可见度诊断

想知道每一块做到什么程度、交付什么,可以看 服务与交付;想看报告长什么样,可以看 示例诊断。