GEO 的衡量口径：被引用次数、描述准确率与来源分布
为什么”排名”不算数
搜索排名是别人家的表，而 GEO 关心的是模型给出的那段回答里有没有你、说的是不是对的。同一个问题在不同模型上引用来源重叠度并不高，把某个引擎的”第几名”当指标，既不稳定也不可核对。
我们只用三个口径，全部可以逐条复核。
口径一：被引用次数
固定问题集下，本站作为来源被列出的次数。取数方式：把问题按类别整理成一张表，逐条在目标模型里提问，记录回答是否附带来源、来源里有没有本站域名。
关键约束是问题集要固定。换了问题、换了模型版本、换了提问时间，数字就没有可比性。所以基线报告里要写清楚：哪一天测的、哪些模型、模型版本号、完整问题清单。
口径二：被描述准确率
被引用不等于被说对。常见的偏差有三种：把产品能力说大（承诺了我们不做的功能）、说小（漏掉核心场景）、张冠李戴（把主体、品牌、产品线混成一家）。
做法是给每条回答打标记：准确 / 部分准确 / 不准确，并记录不准确的原文。这个指标直接影响转化——模型替你说错话，比你不在场更糟。
口径三：来源分布
引用来自站内哪个页面，还是来自第三方信源（媒体、社区、百科、问答）。分布决定了下一步动作：
- 站内页面被引：说明抓取与结构化没问题，继续扩大可抽取的事实密度。
- 只有第三方信源被引：说明模型对本站的信任来自外部，站内可达性或内容结构还有缺口。
- 完全没有来源：先回到可达性自查，这一步不通过，后面都白做。
基线与回测必须同口径
这是唯一一条不能妥协的方法要求：优化前后用同一组问题、同一批模型测。差值只在同口径下有意义。
1 | 基线（T0） → 改造动作清单 → 回测（T1，同问题集同模型） → 差值与结论 |
模型侧还有滞后：抓取与索引更新不是即时的，公开资料里 OpenAI 提到调整搜索爬虫规则可能需要约 24 小时生效，而信源积累通常按季度看趋势。所以监测周期建议按月，不要按天。
哪些数字不该出现
- 没有基线就没有提升百分比。任何”引用量提升 300%”在缺基线时都不可信，包括我们自己写的。
- 不承诺”一定被某模型引用”。引用与否由模型决定，能承诺的只有动作与口径。
- 客户名称、案例数据、效果截图需要客户授权与可核对的原始记录，本站目前不公布。