GEO 基线诊断怎么做：多平台采样与结果判读

**GEO 基线诊断是在任何内容优化之前，用固定的问题、平台和判定规则记录品牌当前在生成式答案中的表现。**没有基线，就无法区分“原本就会出现”和“优化后可能发生变化”。

基线不是找一张最好看的推荐截图，而是保存完整样本，包括没提到、说错、引用不足和出现负面标签的回答。

最小可用采样方案

第一次诊断可以从下面的轻量版本开始：

10 个核心问题
× 3 个目标用户常用平台
× 每题 2 轮
= 60 份回答样本

样本量不是行业统一标准。重点是平台和问题真正对应目标用户，并且复测时能保持相同设计。大型项目可以扩展问题数和轮次，但不要为了“看起来专业”机械追求平台数量。

每份回答至少记录什么

字段	记录要求
测试时间	日期与时段
平台 / 模式	产品名、模型或搜索模式
登录状态 / 地区	能记录就记录
原始问题	不在结果出来后修改
原始回答	完整保存，不只截有利段落
品牌提及	是 / 否
提及位置	前三候选、其他、无
事实准确	准确、部分准确、错误
回答语气	正面、中性、负面、无法判断
来源	是否提供、来自哪类信源
缺口	认错、遗漏、过期、无证据等

涉及客户或内部项目时，保存原始回答要遵守最小留存和权限原则；对外报告只展示聚合结果和脱敏示例。

七个核心指标

1. 品牌提及率 = 提及品牌的有效回答数 ÷ 有效回答总数。
2. 前三候选出现率 = 进入前三推荐的回答数 ÷ 有效回答总数。
3. 事实准确率 = 准确事实数 ÷ 抽检事实总数。
4. 来源覆盖率 = 含可核验来源的回答数 ÷ 有效回答总数。
5. 目标信源引用率 = 引用目标信源的回答数 ÷ 有效回答总数。
6. 负面错误率 = 含错误负面事实的回答数 ÷ 有效回答总数。
7. 跨平台一致性 = 核心事实一致的平台数 ÷ 受测平台总数。

前三候选出现率不是“固定 Top 3 排名”。它只是对本次样本的描述，必须与问题库、时间和平台范围一起解释。

如何控制测试偏差

• 基线和复测使用相同的问题库、平台范围与判定规则。
• 不混用登录与未登录结果，或至少单独标注。
• 同一问题做多轮测试，记录波动而不是挑最好的一次。
• 平台或模型重大更新时标记断点，不强行画连续趋势。
• 判定准确率时先建立品牌事实卡，不能凭印象评分。
• 多人标注时先做少量交叉评分，校准“部分准确”的边界。

基线报告应回答什么

一份可行动的基线报告不只是七个数字，还应回答：

• 哪类问题最容易出现品牌，哪类完全没有？
• AI 把品牌和哪些概念、场景或竞品关联在一起？
• 主要错误来自实体混淆、资料过期还是信源缺失？
• 哪些来源反复被引用，哪些重要一手资料没有进入答案？
• 当前最优先补实体、产品事实、案例还是第三方证据？
• 哪些结论因样本或平台限制暂时不能下？

诊断完成后，优先建设品牌事实与知识资产，不要看到提及率低就直接批量发文。

常见问题

一次测试没有提到品牌，说明 GEO 为零吗？

不能这样判断。单次生成存在波动，需要跨问题、跨平台和多轮采样。基线为零只能描述指定样本中未出现，不代表所有 AI 场景都不存在品牌信息。

能用自动化批量测试吗？

可以辅助采集，但要遵守平台条款、调用限制和数据合规要求。自动化不能替代人工判读事实准确性，也不能隐去账号、地区和模型差异。

多久复测一次？

轻量监测可以两周一次，完整复测通常按四至八周安排。发布当天立即复测，很难区分抓取时滞、模型波动和真实变化。

下一步

把诊断中的错误、缺口和混淆整理成品牌事实卡与知识资产清单，先解决“AI 没有可靠材料可用”的问题。