shield_lock
JinDaGe
← Back to skills
extension
Category: Data & AnalyticsNo API key required

大模型推荐可见度检验 Skill

这个 skill 可以帮助检测主流国内大模型中，你的产品、服务或特定信息被收录和推荐的情况，并给出多个维度的评分及改进意见。

personAuthor: u_7319f568hubenterprise
downloadDownload package

企业 GEO 可见度检测 Skill V3.0

触发条件

用户说以下任意内容时触发：

  • "检测XX企业的GEO"
  • "XX品牌在AI里的可见度怎么样"
  • "帮我做一份GEO可见度检测报告"
  • "分析XX在大模型里的认知情况"
  • "企业GEO诊断"

不适用场景（反例，命中任意一条则不触发）

  • 用户没有明确的品牌/品类目标，只是泛聊 AI 营销概念 → 直接对话，不进流程
  • 用户只是问一个事实性问题（如"XX官网是什么"）→ 直接回答即可
  • 用户需要的是传统 SEO 审计而非 AI 可见度检测 → 先说明两者区别再确认
  • 检测对象是个人 IP 而非企业/品牌 → 说明局限后可按"个人品牌"缩小范围执行

核心概念

GEO（Generative Engine Optimization）可见度检测 = 测量品牌在AI大模型训练数据和实时搜索结果中的信号强度，找出内容生态缺口。

核心原理：AI的回答质量取决于它"看到"的内容。检测就是找出"用户搜你时，AI看到了什么、没看到什么"。

执行前必读：两种执行模式

| 模式 | 适用场景 | 执行方式 | |------|---------|---------| | 模式A：手动引导模式 | 无API密钥、无MCP工具接入 | AI生成提问指令，用户手动在网页端提问，AI引导记录结果 | | 模式B：自动检测模式（间接信号） | 已接入搜索类MCP工具（如WebSearch）| AI直接调用工具检索品牌信号并解析结果 |

判断逻辑：启动时检查是否有 WebSearch 或搜索类 MCP 工具可用。有则进入模式B，无则进入模式A。

模式B 的诚实声明与兜底：

  • ⚠️ 模式B 检索到的是"模型可能看到的搜索生态信号"，不是模型的实测回答（大多数模型不提供免费API，WebSearch 无法直接问模型）。报告必须如实标注来源为"间接证据"。
  • 若模式B 结果与已知事实明显矛盾，或用户需要精确数据 → 抽样 1-2 个模型走模式A人工复核，并标注哪些结论经过实测校准。

完整执行流程（9步）

第0步 品牌信息收集 → 第1步 内容生态审计 → 第2步 构建题库 → 第3步 执行测试 → 第4步 量化评分 → 第5步 诊断分析 → 第6步 行动方案 → 第7步 效果验证 → 第8步 可视化报告

第0步：品牌信息收集

必须向用户确认以下信息后才能开始：

请确认以下信息（不知道的可以跳过，我们会在内容审计步骤补充）：

1. 品牌名称（中文/英文）：
2. 所属品类/行业：
3. 品牌目标定位（希望用户在AI里怎么被描述）：
4. 核心竞品（1-3个）：
5. 是否有负面舆情需要重点关注：
6. 目标使用场景（默认3个：购买决策 / 口碑评价 / 内容生成，可自定义）：
7. 检测范围选择：
   □ 快速检测（3个模型 × 5道通用题，约30分钟）
   □ 完整检测（5个模型 × 9道题，约60分钟）

默认检测模型列表（可根据用户需求增减）：

  • 通义千问（阿里生态）
  • 文心一言（百度生态）
  • 豆包（字节生态）
  • DeepSeek（推理优先，训练数据相对"干净"）
  • 元宝（腾讯生态）

同时向用户说明（隐私与交付约定）：

  • 检测涉及品牌商业信息，仅用于本次会话内分析；如需跨会话保存，需用户明确确认
  • 报告文件命名：GEO可见度报告_{品牌名}_{YYYY-MM-DD}.html（记录表同名 .md）

第1步：内容生态审计（★ 关键前置步骤，不可跳过）

为什么要先做这道题：不了解品牌在内容生态里的真实信号密度，就无法判断模型回答的偏差是"内容缺失"还是"模型偏好"。

1.1 审计平台清单

对每个平台执行搜索，记录品牌的内容数量和内容质量：

| 平台 | 搜索方式 | 关注指标 | 权重 | |------|---------|---------|------| | 百度搜索 | site:baidu.com {品牌名} + 直接搜索 | 百度百科是否存在、前3页结果质量 | 高（文心一言） | | 百度百科 | 直接搜索品牌名 | 词条是否存在、最后更新时间、内容完整度 | 高（所有模型） | | 知乎 | site:zhihu.com {品牌名} | 话题数量、回答质量、高赞回答情感倾向 | 高（DeepSeek/通义） | | 微信公众号 | 微信搜一搜 {品牌名} | 官方号活跃度、第三方文章数量 | 高（元宝） | | 抖音/头条 | 字节系平台搜索 | 品牌相关内容数量、KOL覆盖 | 中（豆包） | | 天猫/淘宝 | 搜索品牌旗舰店 | 店铺评分、评论数量和质量 | 中（通义千问） | | 小红书 | 搜索品牌名 | 笔记数量、情感倾向 | 中 | | 新闻站点 | site:xxx.com {品牌名} 行业媒体 | 近1年正面/负面报道比例 | 中 |

1.2 审计记录模板

每个平台填写一行（AI应自动生成此表格并引导用户填写）：

| 平台 | 内容数量(估算) | 质量评级(高/中/低) | 情感倾向(正/中/负) | 备注 |
|------|--------------|-----------------|-----------------|------|
| 百度百科 |                 |                 |                 |      |
| 知乎   |                 |                 |                 |      |
| ...  |                 |                 |                 |      |

1.3 审计结论输出

根据审计结果，输出以下判断：

内容生态审计结论：
- 信号最强的平台：[平台名] → 预计在绑定该生态的模型中表现最好
- 信号最弱的平台：[平台名] → 重点优化方向
- 负面信号来源：[平台名/具体URL] → 需要叙事反转
- 盲区平台：[平台名] → 模型可能完全不认识品牌

第2步：构建测试题库

2.1 通用层（5道，每个模型都问）

重要：每道题设计3个措辞变体（随机使用），覆盖真实用户的多样提问方式。

Q1：品类推荐可见性

| 变体 | 问题措辞 | |------|---------| | 变体1 | 推荐几款{品类}，给我分析一下各自的特点和适合人群 | | 变体2 | {品类}有哪些值得推荐的品牌？各自有什么优势？ | | 变体3 | 我想了解{品类}市场的主要品牌，能介绍一下吗？ |

测量维度：品牌是否出现在推荐列表 记录格式：[出现:是/否] [排名:第X] [描述:记录原文关键句]

Q2：购买决策场景

| 变体 | 问题措辞 | |------|---------| | 变体1 | 我想买{品类}，预算{价格区间}，你推荐什么？ | | 变体2 | 预算{价格区间}左右，买{品类}有什么好选择？ | | 变体3 | {品类}在这个价位段({价格区间})，哪个品牌性价比最高？ |

测量维度：在购买决策场景中的排位 记录格式：[出现:是/否] [排名:第X] [是否主动推荐:是/否]

Q3：品牌基本认知（准确性探针）

| 变体 | 问题措辞 | |------|---------| | 变体1 | {品牌名}是什么定位？主要产品是什么？ | | 变体2 | 请介绍一下{品牌名}这个品牌 | | 变体3 | {品牌名}是做什么的？有什么特点？ |

测量维度：AI对品牌的基本认知是否准确（无幻觉） 记录格式：[准确:是/部分/否] [错误内容:记录幻觉内容] [信息来源标注:有/无]

Q4：品牌评价（信任度探针）

| 变体 | 问题措辞 | |------|---------| | 变体1 | 你对{品牌名}的评价怎么样？有什么优缺点？ | | 变体2 | {品牌名}这个品牌口碑如何？ | | 变体3 | 身边有人推荐{品牌名}，这个品牌值得信赖吗？ |

测量维度：情感倾向是否正向、有无负面标签 记录格式：[情感:正/中/负] [关键形容词:记录原文] [是否提及负面:是/否/具体内容]

Q5：竞品对比（心智占位探针）

| 变体 | 问题措辞 | |------|---------| | 变体1 | 在{品类}领域，{品牌名}和{竞品1}、{竞品2}相比怎么样？ | | 变体2 | {品牌名}和{竞品1}哪个更好？各自适合什么人群？ | | 变体3 | 如果让我在{品牌名}、{竞品1}、{竞品2}之间选，你怎么建议？ |

测量维度：对比竞品时的排位和定性 记录格式：[排位:第X] [定性描述:记录原文] [是否推荐品牌:是/否/条件推荐]

2.2 特化层（4道，根据品牌类型动态设计）

根据用户提供的品牌特点和第1步审计结论，从以下类型中选择（或组合）4道特化题： 建议至少包含1道类型D（场景生成）题，保证第4步"场景覆盖"维度可测。

类型A：幻觉压力测试

问题模板：

  • "请告诉我{品牌名}的官方网站地址、成立时间、法人代表"
  • "请列举{品牌名}最近3年的重大事件或战略调整"
  • "请介绍一下{品牌名}的创始人背景"

适用场景：所有品牌，尤其适合新兴品牌和转型品牌 判断标准：模型拒绝回答=安全；模型编造具体细节=严重幻觉风险

类型B：深度归因（★ 核心技法）

问题模板：

  • "为什么AI推荐{品类}时，{品牌名}很少被提到？"
  • "分析一下{品牌名}在{品类}领域的市场认知度为什么不如{竞品}？"
  • "从消费者认知角度，为什么{品牌名}没有成为{品类}的首选？"

适用场景：所有品牌，这是暴露根因最有效的单道题 判断标准：模型的推理链是否指向内容缺失、叙事偏差、或品类认知问题

类型C：内容生态探针

问题模板：

  • "请基于百度百科的内容，介绍一下{品牌名}"
  • "我在知乎上看到关于{品牌名}的讨论，能总结一下主要观点吗？"
  • "根据微信公众号的公开信息，{品牌名}最近有什么动态？"

适用场景：内容生态审计中发现信号强的平台 判断标准：模型是否能正确引用指定平台的内容

类型D：场景生成测试

问题模板：

  • "帮我写一篇关于{品牌名}在{目标场景}中的使用推荐，500字"
  • "如果我要向朋友推荐{品牌名}，应该怎么介绍？"
  • "请以{品牌名}忠实用户的口吻，写一段产品使用体验"

适用场景：品牌有特定目标使用场景时（建议特化层必含1道） 判断标准：生成内容是否准确、正向、有说服力

类型E：负面叙事触探

问题模板：

  • "{品牌名}有什么负面新闻或争议吗？"
  • "网上对{品牌名}的评价两极分化吗？主要争议点是什么？"
  • "{品牌名}最近业绩/口碑有没有什么问题？"

适用场景：第1步审计中发现负面信号时 判断标准：模型是否主动提及负面、负面内容占比、是否平衡报道

类型F：竞品替代倾向

问题模板：

  • "预算有限的情况下，选{品牌名}还是{竞品}更划算？"
  • "如果是第一次买{品类}，你会推荐{品牌名}还是{竞品}？为什么？"
  • "{品牌名}和{竞品}哪个更适合{具体人群}？"

适用场景：所有品牌，测量竞争中的被推荐倾向 判断标准：推荐倾向、理由、条件限制

2.3 题库最终确认

在提问前，向用户展示完整题库并确认：

本次检测题库（共N道题）：

【通用层 5道】
Q1: [变体1/2/3 随机]
Q2: [变体1/2/3 随机]
...

【特化层 4道】
SQ1（类型X）: [具体问题]
SQ2（类型Y）: [具体问题]
...

确认开始检测？我开始[引导你提问/自动执行]。

2.4 批量提问包生成（★ 大幅减少交互轮次）

题库确认后，一次性输出全部提问包，用户按行执行，45 轮复制粘贴压缩为 5 轮（每模型一轮）：

【提问包】{品牌名} - {检测模式}
说明：请对每个模型新开对话并清空历史，按序号提问；回答粘贴关键段落（前300字）或全文即可。

【通义千问】
Q1. {问题措辞} → 回复"1.1"后粘贴回答
Q2. {问题措辞} → 回复"1.2"后粘贴回答
...（共N道）

【文心一言】
Q1. {问题措辞} → 回复"2.1"后粘贴回答
...

用户执行完一轮后把该模型全部回答一次性粘贴回来，AI 解析填入记录表并自动继续引导下一模型。

第3步：执行测试

3.1 手动引导模式（模式A）执行规范

每道题的执行流程：

Step 1: AI输出提问指令
┌─────────────────────────────────────┐
│ 请打开【通义千问】网页版，新开一个对话（确保无历史记录）│
│ 输入以下问题（请完全复制，不要改动）：                      │
│                                                 │
│ "{完整问题}"                                      │
│                                                 │
│ 然后把模型的完整回答粘贴回来给我。                    │
└────────────────────────────────────────────────────┘

Step 2: 用户粘贴回答

Step 3: AI解析回答，填入记录表，继续下一道题

效率优化：优先使用 2.4 批量提问包，一次性输出某模型全部问题，减少来回轮次。

记录表（AI内部维护，每完成一道题更新）：

## 测试记录表 - {品牌名}

| 编号 | 模型 | 问题 | 出现 | 排名 | 准确性 | 情感 | 关键原文摘录 | 联网 |
|------|------|------|------|------|--------|------|------------|------|
| Q1 | 通义千问 | 品类推荐 | 是 | 2 | 准确 | 正 | "..." | 否 |
| Q1 | 文心一言 | 品类推荐 | 否 | - | - | - | 未提及 | 否 |
| ... |      |      |      |      |        |      |            |      |

3.2 自动检测模式（模式B）执行规范

用 WebSearch / 搜索类 MCP 检索"模型可能看到的信号"，每题构造检索 query：

| 题目 | 检索 query 模板 | |------|----------------| | Q1/Q2 | {品牌名} {品类} 推荐 / {品类} 品牌 推荐 对比 | | Q3 | {品牌名} 是什么 介绍 定位 | | Q4 | {品牌名} 口碑 评价 优缺点 | | Q5 | {品牌名} {竞品1} {竞品2} 对比 | | 特化题 | 按题目语义转检索词（如归因题→{品牌名} 为什么 不如 {竞品}） |

执行要点：

  • 从检索结果判断品牌在各生态的内容信号强弱，按同套评分标准记录，但记录来源=间接证据
  • 每次输出结果时如实声明："本结果来自搜索生态信号间接推断，非模型实测回答"
  • 若结果与已知事实明显矛盾 → 标记"需复核"，并建议抽样 1-2 个模型走模式A实测

3.3 测试注意事项

  • 隐身模式：手动模式下，每次新开对话，清除历史记录
  • 措辞一致：同一道题在所有模型中用完全相同的措辞（变体随机选择后固定）
  • 记录原文：不要总结，记录关键原文摘录（10-50字）
  • 标注联网：记录模型回答中是否出现"根据搜索结果"等联网特征
  • 异常记录：模型拒绝回答、报错、回答与问题无关，均记录为"异常"

第4步：量化评分（★ 完全量化，无主观扣分）

4.1 六维评分标准

计分口径：维度1-5 按"每模型"评分（每模型 0-90 分）；维度6 为报告级得分（0-10 分），最后合成品牌综合分（0-100 分）。

维度1：可见性（满分20）

| 情况 | 得分 | 判断标准 | |------|------|---------| | 主动推荐（排名1-3）| 20 | 品牌出现在推荐列表前3位 | | 被动提及（排名4-5）| 12 | 品牌被提到但不在前3位 | | 仅举例提及 | 8 | 品牌被提到但在"其他包括..."这类措辞中 | | 未出现 | 0 | 回答中完全未提及品牌 |

每个模型在Q1+Q2两道题上分别评分，取平均分作为该模型可见性得分。

维度2：准确性（满分20）

事实核查清单（针对Q3的回答）：

| 核查项 | 正确 | 错误 | 未提及 | |--------|------|------|--------| | 品牌定位描述 | +7 | -7 | 0 | | 主打产品/服务 | +7 | -7 | 0 | | 成立时间/历史 | +6 | -6 | 0 |

评分 = 三项加分合计（满分20）

  • 出现幻觉（模型编造不存在的信息）：额外扣10分（最低0分）
  • 信息来源标注错误（如"根据百度百科"但内容不对）：额外扣5分

每个模型在Q3上评分。

维度3：心智占位（满分20）

| 情况 | 得分 | 判断标准 | |------|------|---------| | 排名第1且定性符合目标定位 | 20 | | | 排名1-3且定性基本符合 | 16 | | | 排名1-3但定性不符合目标 | 10 | 被放在错误格子 | | 排名4-5 | 8 | | | 未被推荐（在Q5对比中排最后）| 4 | | | 未被提及 | 0 | |

定性判断标准（需用户在第0步明确"目标定位"）：

  • 目标定位示例："高端商务白酒" → 模型回答中出现"高端""商务""礼品"等词 = 符合；出现"平价""大众""次高端" = 不符合

每个模型在Q5上评分。

维度4：信任度（满分20）

| 情感倾向 | 基础分 | 条件调整 | |---------|--------|---------| | 明显正向（主动推荐、赞美词汇）| 20 | 提及负面但平衡报道：-5 | | 中性偏正（客观介绍、无明显贬低）| 15 | | | 中性（纯事实介绍，无情感词）| 10 | | | 中性偏负（提及缺点较多）| 5 | | | 明显负向（主动警示、贬低词汇）| 0 | |

额外扣分：

  • 模型主动提及负面新闻/争议：-5分
  • 模型警告"需注意XX问题"：-3分

每个模型在Q4+Q5两道题上分别评分，取平均分。

维度5：场景覆盖（满分10）

| 情况 | 得分 | |------|------| | 覆盖全部3个目标场景 | 10 | | 覆盖2个目标场景 | 7 | | 覆盖1个目标场景 | 4 | | 未覆盖任何目标场景 | 0 |

目标场景：第0步用户确认的3个场景（默认：购买决策/口碑评价/内容生成）；若未确认，则从Q2/Q4/特化题回答中提取模型实际覆盖的场景。 评分依据：Q2（购买决策）+ Q4（评价）+ 特化层场景生成题（内容生成），共3个场景探针（特化层须含类型D题，见2.2）。

维度6：模型一致性（满分10，★ V3.0 已量化）

不是扣分项，是诊断洞察项。

| 各模型总分（0-90）方差 | 一致性评级 | 得分 | 诊断含义 | |-------------|-----------|------|---------| | 方差 < 5 | 高一致 | 10 | 品牌认知跨模型统一，GEO健康 | | 方差 5-15 | 中一致 | 5 | 某些模型有特殊认知，需排查生态偏差 | | 方差 > 15 | 低一致 | 0 | 品牌认知高度依赖内容生态，亟需统一叙事 |

计算方式：对品牌在 N 个模型上的"每模型总分（0-90）"求方差，按上表得分。快速检测（3个模型）同样适用，结果标注"基于3个模型的参考值"。

4.2 综合得分计算（★ V3.0 修正公式，满分恒为100）

每模型总分(0-90) = 可见性(0-20) + 准确性(0-20) + 心智占位(0-20) + 信任度(0-20) + 场景覆盖(0-10)

品牌综合得分(0-100) = 各模型总分平均值(0-90) + 模型一致性得分(0-10)

⚠️ V3.0 修复说明：V2.1 曾写"综合得分=(可见性+准确性+心智占位+信任度)×0.20 + ..."，按满分代入后总分上限仅 18/100，与权重表矛盾。现改为"五维按模型平均 + 一致性报告级加分"，数学恒等于 0-100。

维度权重一览（权重即各维在综合分中的占比）：

| 维度 | 满分 | 权重 | 说明 | |------|------|------|------| | 可见性 | 20 | 20% | 取各模型平均后计入综合分 | | 准确性 | 20 | 20% | 取各模型平均后计入综合分 | | 心智占位 | 20 | 20% | 取各模型平均后计入综合分 | | 信任度 | 20 | 20% | 取各模型平均后计入综合分 | | 场景覆盖 | 10 | 10% | 取各模型平均后计入综合分 | | 模型一致性 | 10 | 10% | 报告级加分项（不参与模型平均）| | 合计 | 100 | 100% | 0-100 |

4.3 定性分类（根据综合得分）

| 分数段 | 定性标签 | 核心描述 | 行动优先级 | |-------|---------|---------|-----------| | 85-100 | 认知领导型 | AI主动推荐，位居前列，正面叙事统一 | 维持+扩大优势 | | 70-84 | 认知稳健型 | 存在感好，无明显短板，跨模型一致 | 优化短板维度 | | 55-69 | 认知模糊型 | AI认识品牌，但描述不准或情感偏中性 | 内容补全+叙事优化 | | 40-54 | 认知薄弱型 | 偶尔出现但缺乏心智占位，模型间不一致 | 系统性GEO优化 | | 0-39 | 认知盲区型 | AI基本不认识品牌（新兴品牌常见）| 全面GEO建设 |

第5步：诊断分析

5.1 内容生态 × 模型回答 对照分析

这是本Skill最核心的分析步骤：

对照分析模板：

【平台X】内容信号强度：[高/中/低]
  → 预期在[绑定该生态的模型]中表现：[好/一般/差]
  → 实际表现：[记录各模型得分]
  → 偏差分析：[内容有但模型没学到 → 模型偏好问题；内容无 → 内容缺失问题]

示例（洋河）：
【百度百科】内容信号：高（词条完整）
  → 预期在文心一言中表现：好
  → 实际表现：文心一言正确识别洋河 → 无偏差 ✅

【知乎】内容信号：中（有讨论但负面居多）
  → 预期在DeepSeek中表现：受负面叙事影响
  → 实际表现：DeepSeek归因题输出"困境叙事" → 偏差确认 ⚠️

5.2 QWHY 归因框架

对每个模型的低分项（低于该维满分的60%，即 20分制<12、10分制<6）进行三维归因：

Q（问题现象）：
  [模型X]在[维度Y]上得分[Z分]，具体表现为[记录]

W（Why - 为什么）：
  1. 信息源偏差：[模型X]的主要内容来源中，品牌信号强度如何？
  2. 内容生态缺口：第1步审计中[对应平台]的信号是否薄弱？
  3. 平台特性：[模型X]是否联网？是否偏好某些类型内容？

H（How - 怎么解决）：
  1. 快速修补：在[最弱平台]补充什么内容？
  2. 中期扭转：需要什么类型的叙事反转内容？
  3. 长期锁定：如何让[正确认知]进入模型训练数据？

Y（Yes/No - 验证方式）：
  修复后，用[验证问题]复测，预期得分提升到[目标分]

5.3 恶性循环诊断

判断品牌是否陷入 GEO 恶性循环（满足以下3条以上即为高风险）：

| 判断条件 | 检查方式 | |---------|---------| | 条件1：DeepSeek归因题输出消极叙事 | 特化层"深度归因"（类型B）题回答 | | 条件2：知乎高赞回答以负面/质疑为主 | 第1步知乎审计结果 | | 条件3：模型在Q4主动提及负面 | Q4回答记录 | | 条件4：品牌在竞品对比中排位持续靠后 | Q5各模型排位 | | 条件5：内容生态审计发现负面信号占主导 | 第1步审计结论 |

恶性循环风险等级：

  • 满足4-5条：极高风险 → 优先叙事反转
  • 满足2-3条：中等风险 → 监控+局部优化
  • 满足0-1条：低风险 → 维持现状

5.4 竞品威胁矩阵

对每个竞品，在5个模型中统计：

| 指标 | 计算方式 | |------|---------| | 推荐率 | 该竞品在Q1/Q2中出现的比例（5个模型中出现的模型数/5）| | 平均排位 | 该竞品在出现题目中的平均排名 | | 正向描述率 | 该竞品在Q4/Q5中获得正向描述的模型比例 |

威胁等级判定：

| 等级 | 标志 | 含义 | 应对策略 | |------|-----|------|---------| | 🔴 极高 | 推荐率≥80% 且 平均排位≤2 | 品类认知被竞品垄断 | 差异化定位+叙事反转 | | 🟠 中等 | 推荐率40-79% 或 平均排位≤3 | 竞品在特定场景抢占认知 | 场景深耕+优势放大 | | 🟡 低 | 推荐率<40% | 不构成直接认知竞争 | 维持+局部优化 |

第6步：生成行动方案

6.1 三层行动框架

第一层：快速见效（1-2个月）—— 修补信息漏洞

适用场景：准确性扣分、特定平台信号薄弱

| 行动 | 具体操作 | 成本 | 见效速度 | |------|---------|------|---------| | 百科词条升级 | 补充/更新百度百科、维基百科（如适用）| 低 | 快（2-4周） | | 高权重问答布局 | 知乎/百度知道/悟空问答，发布专业回答 | 低 | 快（2-4周） | | 官网SEO基础优化 | Title/Description/结构化数据 | 低 | 中（1-2月） | | 最弱平台内容补全 | 根据第1步审计结论，在信号最弱的平台发布优质内容 | 中 | 快（1月内） |

第二层：中期攻坚（3-6个月）—— 扭转叙事方向

适用场景：信任度扣分、恶性循环风险中等以上

| 行动 | 具体操作 | 成本 | 见效速度 | |------|---------|------|---------| | 知乎叙事反转 | 发布3-5篇深度专业回答，用数据和案例正面回应负面叙事 | 中 | 中（2-3月） | | 专业媒体渗透 | 在行业媒体、财经媒体发布品牌正面深度报道 | 中高 | 中（2-4月） | | KOL矩阵升级 | 从量的种草转向质的专业评测，覆盖目标场景 | 高 | 中（3-6月） | | 内容生态多样化 | 降低单一平台内容占比，多平台分散投放 | 中 | 中（2-3月） |

第三层：长期护城河（6-12个月）—— 结构性认知锁定

适用场景：心智占位扣分、希望建立长期GEO优势

| 行动 | 具体操作 | 成本 | 见效速度 | |------|---------|------|---------| | 官网结构化数据 | 实施Schema.org标记，帮助AI更好理解品牌 | 低 | 慢（6月+） | | 品牌白皮书定期发布 | 每季度发布行业报告/品牌白皮书，建立权威信号 | 中 | 慢（6月+） | | 品类标签绑定 | 通过内容营销让"[独特属性]=[品牌名]"成为强关联 | 高 | 慢（6-12月） | | AI友好内容策略 | 发布GEO友好的FAQ、知识库内容（直接回答用户可能问AI的问题）| 中 | 慢（3-6月） |

6.2 行动优先级矩阵

每个行动按三个维度评级：

优先级 = f(成本↓, 见效速度↑, 确定性↑)

高优先级（立即执行）：低成本+快速见效+高确定性
中优先级（纳入计划）：中等成本或中等见效速度
低优先级（长期规划）：高成本或慢见效或低确定性

输出格式：

## 行动优先级排序

| 优先级 | 行动项 | 预计成本 | 预计见效 | 执行主体 | 验证指标 |
|-------|--------|---------|---------|---------|---------|
| P0    | 百科词条升级 | 低 | 2-4周 | 内部 | 百科收录+模型回答准确性提升 |
| P1    | ... |      |       |      |                               |

6.3 GEO操作风险清单

每份报告必须提醒以下风险：

| 风险类型 | 触发条件 | 后果 | 规避方法 | |---------|---------|------|---------| | 营销过滤触发 | 短期内大量投放内容，被平台识别为营销 | 内容被降权或删除 | 节奏自然，质量>数量，分散发布时间 | | 内容质量反噬 | 大量低质/AI生成内容 | 损害品牌专业形象 | 每次投放≥1篇高质量深度内容，人工审核 | | 平台浓度过高 | 单一平台内容占比>50% | 模型认知单一，生态偏差大 | 多平台分散投放，各平台占比<30% | | 社区排斥 | 社区（知乎尤其敏感）感知到营销意图 | 被举报/被反营销 | 真实用户语气，提供真实价值，不直接推销 | | 百科被删 | 百科编辑广告味太浓 | 百科词条被删，准确性得分下降 | 先读编辑规范，引用可靠第三方来源 | | 竞品反击 | 竞品对比内容引发竞品注意 | 竞品发起反向GEO攻势 | 聚焦自身优势，不主动攻击竞品 | | 负面SEO反弹 | 过度优化导致被搜索引擎惩罚 | 自然搜索排名下降 | 白帽手法，避免关键词堆砌 |

第7步：效果验证方案

7.1 验证节点

| 节点 | 时间 | 验证内容 | |------|------|---------| | T1 | 1个月后 | 快速见效层行动验证（准确性、可见性）| | T2 | 3个月后 | 中期攻坚层行动验证（信任度、场景覆盖）| | T3 | 6个月后 | 长期护城河层行动验证（心智占位、模型一致性）|

7.2 验证问题设计

每个行动对应1-2道验证题（从原题库中选择或设计新题）：

| 行动项 | 验证问题 | 成功标准 |
|-------|---------|---------|
| 百科词条升级 | Q3: {品牌名}是什么定位？ | 准确性得分≥18/20 |
| 知乎叙事反转 | Q4: {品牌名}的评价怎么样？ | 信任度得分≥15/20，且原文出现正向关键词 |

7.3 复测规范

  • 复测使用与原测相同的题库（同一变体版本）
  • 复测结果与前次结果并列展示，计算提升幅度
  • 提升幅度<5分的行动项，标记为"效果不明显"，需要调整策略

第8步：生成可视化报告（HTML）

8.0 交付规范

  • 文件命名：GEO可见度报告_{品牌名}_{YYYY-MM-DD}.html
  • 生成后提示用户可直接打开查看；若环境无法预览HTML，提供 Markdown 降级版（见8.3）并说明稍后可打开HTML文件
  • 报告必须包含：13个模块（见8.1）+ V3.0 视觉规范（见8.2）+ 置信度声明 + 隐私说明

8.1 报告模块清单

报告按以下顺序生成（Markdown版至少包含1-7，HTML版包含全部）：

| 序号 | 模块 | 必需 | 说明 | |------|------|------|------| | 1 | 封面（Hero） | ✓ | 品牌名、综合得分大数字、定性标签徽章、诊断日期 | | 2 | 执行摘要 | ✓ | 1页总结：最大优势、最大短板、优先行动 | | 3 | 内容生态审计快照 | ✓ | 各平台信号强度表格 | | 4 | 六维得分总览 | ✓ | 6个发光圆环图（综合+5维度）+ 1张叠加雷达图（5线）+ 1张渐变柱状图 | | 5 | 综合得分卡 | ✓ | 已合入模块4的圆环图，不再单独列出 | | 6 | 模型表现对比 | ✓ | 各模型得分横向对比表 + 模型×维度热力图 | | 7 | QWHY诊断详解 | ✓ | 折叠面板，按模型/维度展开 | | 8 | 恶性循环诊断 | 条件 | 仅当风险等级为中高时展示 | | 9 | 竞品威胁矩阵 | ✓ | 竞品在5个模型中的表现对比 | | 10 | 三层行动方案 | ✓ | 垂直时间轴（每层含具体行动项列表）+ 优先级矩阵 | | 11 | 风险预警 | ✓ | 六宫格或表格 | | 12 | 效果验证计划 | ✓ | 验证时间表 + 验证方法 + 预期效果 | | 13 | 置信度声明 | ✓ | 局限性说明 + 隐私说明 |

8.2 V3.0 视觉规范：沉浸式深色 × 玻璃拟态 × 霓虹辉光

报告必须是单文件 HTML（内联 CSS/JS），视觉基调：深蓝黑渐变背景 + 半透明玻璃卡片 + 紫蓝主色霓虹辉光 + 克制的入场动效。

8.2.0 设计令牌（CSS 变量，全局统一）

:root{
  --bg-0:#070a1c;              /* 页面最深底色 */
  --bg-1:#0a0e27;              /* 渐变起点 深蓝黑 */
  --bg-2:#131a3a;              /* 渐变终点 */
  --glass:rgba(255,255,255,.05);       /* 玻璃卡片底 */
  --glass-strong:rgba(255,255,255,.09);/* 玻璃卡片 hover */
  --stroke:rgba(255,255,255,.10);      /* 卡片描边 */
  --stroke-hi:rgba(129,140,248,.55);   /* hover 描边 */
  --txt:#e2e8f0;               /* 主文字 */
  --muted:#94a3b8;             /* 次级文字 */
  --pri:#818cf8;               /* 主色 紫蓝 */
  --pri-2:#6366f1;             /* 深一档 靛蓝 */
  --cy:#22d3ee;                /* 青色点缀 */
  --ok:#22c55e;  --warn:#f59e0b;  --bad:#ef4444;
  --r-lg:16px;  --r-md:12px;
  --shadow:0 20px 60px rgba(0,0,0,.45);
  --font-num:"DIN Alternate","Segoe UI",ui-monospace,monospace;
  --font-body:"PingFang SC","Microsoft YaHei",system-ui,sans-serif;
}
body{
  background:
    radial-gradient(1100px 700px at 85% -10%, rgba(99,102,241,.28) 0%, transparent 60%),
    radial-gradient(900px 600px at -10% 30%, rgba(34,211,238,.14) 0%, transparent 55%),
    linear-gradient(160deg, var(--bg-1), var(--bg-0) 55%, var(--bg-2));
  color:var(--txt); font-family:var(--font-body); min-height:100vh;
}

8.2.1 星空粒子背景（canvas 固定全屏，可选）

// 固定全屏 canvas，约120颗星，缓慢闪烁；性能优先时省略
(function(){
  const cv=document.createElement('canvas');
  cv.style.cssText='position:fixed;inset:0;z-index:0;pointer-events:none';
  document.body.prepend(cv);
  const c=cv.getContext('2d'),D=120;
  let W,H,stars=[];
  function rs(){W=cv.width=innerWidth;H=cv.height=innerHeight;
    stars=Array.from({length:D},()=>({x:Math.random()*W,y:Math.random()*H,
      r:Math.random()*1.4+.2,s:Math.random()*.02+.005,p:Math.random()*6.28}));}
  addEventListener('resize',rs);rs();
  (function tick(){c.clearRect(0,0,W,H);
    stars.forEach(st=>{st.p+=st.s;
      c.beginPath();c.arc(st.x,st.y,st.r,0,6.28);
      c.fillStyle=`rgba(180,190,255,${.25+.3*Math.abs(Math.sin(st.p))})`;c.fill();});
    requestAnimationFrame(tick);})();
})();

8.2.2 玻璃拟态卡片

.card{background:var(--glass);border:1px solid var(--stroke);border-radius:var(--r-lg);
  backdrop-filter:blur(18px);-webkit-backdrop-filter:blur(18px);box-shadow:var(--shadow);
  transition:transform .25s ease,border-color .25s ease,background .25s ease;}
.card:hover{transform:translateY(-4px);border-color:var(--stroke-hi);background:var(--glass-strong);}

8.2.3 Hero 封面（大数字 + 渐变文字 + 辉光）

.hero-score{font-family:var(--font-num);font-size:96px;line-height:1;font-weight:500;
  background:linear-gradient(180deg,#fff 25%,var(--pri) 85%);
  -webkit-background-clip:text;background-clip:text;color:transparent;
  filter:drop-shadow(0 0 34px rgba(129,140,248,.45));}
.badge{display:inline-flex;align-items:center;gap:8px;padding:8px 20px;border-radius:999px;
  border:1px solid var(--stroke-hi);background:rgba(129,140,248,.12);color:#c7d2fe;
  box-shadow:0 0 24px rgba(129,140,248,.25);}
/* 定性标签按档位换色：领导/稳健→青绿，模糊→黄，薄弱/盲区→红 */

大数字动画（count-up）：

function countUp(el,target,{dur=1000,dec=1}={}){
  const t0=performance.now();
  (function step(t){
    const p=Math.min((t-t0)/dur,1),e=1-Math.pow(1-p,3);
    el.textContent=(target*e).toFixed(dec);
    if(p<1)requestAnimationFrame(step);})(t0);
}

8.2.4 圆环图（Canvas，★ 渐变描边 + 霓虹辉光 + 计数动画）

关键技法：分数文字必须通过 Canvas 内部绘制，不要用 DOM 元素叠加（负 margin 会破坏布局）。

function drawRing(canvasId, value, max, colorA, colorB){
  const cv=document.getElementById(canvasId),ctx=cv.getContext('2d');
  const cx=cv.width/2, cy=cv.height/2, R=66, LW=14;
  const circ=2*Math.PI*R;
  ctx.clearRect(0,0,cv.width,cv.height);
  // 背景环
  ctx.beginPath();ctx.arc(cx,cy,R,0,Math.PI*2);
  ctx.strokeStyle='rgba(255,255,255,.07)';ctx.lineWidth=LW;ctx.stroke();
  // 渐变数值环 + 辉光
  const g=ctx.createLinearGradient(0,cy-R,0,cy+R);
  g.addColorStop(0,colorA);g.addColorStop(1,colorB);
  const pct=Math.min(value/max,1);
  ctx.lineCap='round';ctx.strokeStyle=g;
  ctx.shadowColor=colorA;ctx.shadowBlur=16;
  ctx.beginPath();ctx.arc(cx,cy,R,-Math.PI/2,-Math.PI/2+Math.PI*2*pct);ctx.stroke();
  ctx.shadowBlur=0;
  // ★ 分数文字在 Canvas 内绘制（含计数动画）
  ctx.fillStyle='#fff';ctx.font='500 30px "DIN Alternate","Segoe UI",sans-serif';
  ctx.textAlign='center';ctx.textBaseline='middle';
  const t0=performance.now();
  (function step(t){
    const p=Math.min((t-t0)/900,1),e=1-Math.pow(1-p,3),v=value*e;
    ctx.clearRect(0,0,cv.width,cv.height);
    ctx.beginPath();ctx.arc(cx,cy,R,0,Math.PI*2);
    ctx.strokeStyle='rgba(255,255,255,.07)';ctx.lineWidth=LW;ctx.stroke();
    ctx.lineCap='round';ctx.strokeStyle=g;ctx.shadowColor=colorA;ctx.shadowBlur=16;
    ctx.beginPath();ctx.arc(cx,cy,R,-Math.PI/2,-Math.PI/2+Math.PI*2*p*pct);ctx.stroke();
    ctx.shadowBlur=0;
    ctx.fillStyle='#fff';ctx.font='500 30px "DIN Alternate","Segoe UI",sans-serif';
    ctx.textAlign='center';ctx.textBaseline='middle';
    ctx.fillText(v.toFixed(1),cx,cy-6);
    ctx.fillStyle='rgba(148,163,184,.85)';ctx.font='12px "PingFang SC",sans-serif';
    ctx.fillText('/ '+max,cx,cy+16);
    if(p<1)requestAnimationFrame(step);})(t0);
}

圆环布局：Canvas 尺寸统一 width="160" height="160"；容器 .score-ring{display:flex;flex-direction:column;align-items:center;gap:8px;text-align:center}，标签放 canvas 下方独立 div。六环必须齐全：综合(100)+可见性(20)+准确性(20)+心智占位(20)+信任度(20)+场景覆盖(10)。

8.2.5 雷达图 + 柱状图（Chart.js，自左向右动画）

  • 加载（CDN 白名单）：<script src="https://cdnjs.cloudflare.com/ajax/libs/Chart.js/4.4.1/chart.umd.min.js"></script>
  • 叠加雷达图（1张5线）：maintainAspectRatio:false、容器固定高度（.chart-card{height:380px;display:flex;flex-direction:column}、canvas flex:1;min-height:0）
    • 每模型一色：通义紫#8b5cf6/文心蓝#3b82f6/豆包红#ef4444/DeepSeek橙#f97316/元宝绿#10b981
    • fill:true, backgroundColor:'同色', alpha:.12, borderColor:同色, borderWidth:2.5, pointRadius:3
    • 辉光：borderColor 对应色 + plugins 中 legend.display=true, position:'bottom'
  • 横向柱状图（5模型综合得分）：渐变条 + 值标签 + animation:{duration:900, easing:'easeOutQuart'}
  • 无网络降级：若 Chart 未加载（离线/被拦截），自动渲染 CSS-only 条形图（见8.3），绝不白屏

8.2.6 模型×维度热力图

  • 表格单元格底色按得分映射（透明度 .16）：0-6 红 / 7-12 橙 / 13-16 黄 / 17-20 绿；满分10的维度按 得分×2 后入档
  • 单元格 hover 显示具体得分（title 属性或自定义 tooltip），数值用同色系加深文字保证可读

8.2.7 行动方案垂直时间轴

  • 左列发光节点：P0 红 / P1 橙 / P2 灰，圆点 box-shadow:0 0 12px 同色
  • 三层主色区分：快速见效=青 #22d3ee、中期攻坚=紫 #8b5cf6、长期护城河=靛 #6366f1
  • 节点右侧玻璃卡片，hover 上浮

8.2.8 动效清单（克制且专业）

| 动效 | 实现 | 时长 | |------|------|------| | 入场 | 卡片 stagger fadeInUp（animation-delay: i*60ms）| .5s | | 大数字 | count-up（rAF + easeOutCubic）| 1.0s | | 圆环 | 描边+数字同步滚动 | .9s | | 图表 | Chart.js 自左向右 | .9s | | hover | 卡片上浮4px + 描边亮起 | .25s |

原则：动效一次播放不循环（星空背景除外），避免干扰阅读；必须支持无障碍与打印：

@media (prefers-reduced-motion: reduce){*{animation:none!important;transition:none!important}}
@media print{body{background:#fff;color:#111}.card{backdrop-filter:none;box-shadow:none;border-color:#ddd}
  canvas,.starfield{display:none}}

8.3 降级方案（无网络 / 无HTML环境）

Markdown 完整版：包含所有表格（得分/审计/行动矩阵）+ Mermaid 流程图（恶性循环诊断）+ Unicode 条形图（如 ■■■■□ 表示4/5分）。

CSS-only 条形图（不依赖 Chart.js）：

<div class="bar"><span style="width:73.6%;background:linear-gradient(90deg,#6366f1,#22d3ee)">73.6</span></div>
<style>
.bar{height:20px;border-radius:10px;background:rgba(255,255,255,.08);overflow:hidden}
.bar span{display:block;height:100%;border-radius:10px;color:#fff;font-size:12px;
  line-height:20px;text-align:right;padding-right:8px;min-width:34px;
  animation:grow 1s ease-out both}
@keyframes grow{from{width:0}}
</style>

置信度与局限性声明（每份报告必须包含）

## 置信度声明

本报告结论基于以下条件和假设，使用时请注意局限性：

1. **模型非确定性**：大模型为非确定性系统，同一问题在不同时间/不同session中可能得到不同回答，建议每季度复测。
2. **时间局限性**：诊断结论反映测试时间点的AI认知状态，不代表实时状态（尤其对联网模型）。
3. **模型覆盖局限**：本次测试覆盖{N}个模型，未覆盖ChatGPT、Claude等国际模型，也不覆盖垂直行业模型。
4. **题目数量局限**：每模型测试{N}道题，无法穷举所有用户提问场景，结论为抽样推断。
5. **证据来源**：自动检测模式下，结论基于搜索生态信号的间接推断，非模型实测回答；涉及关键结论建议抽样人工复核。
6. **内容生态动态变化**：本报告发布后，品牌或竞品的内容操作可能改变AI认知，建议建立持续监测机制。

## 隐私说明

本报告涉及品牌商业信息，仅供委托方内部使用；请勿在未获授权的情况下向第三方传播。原始问答记录建议按公司数据安全规范留存或销毁。

附录A：模型生态特性对照表

| 模型 | 所属生态 | 高权重内容来源 | 特性 | 对GEO的影响 | |------|---------|--------------|------|------------| | 通义千问 | 阿里巴巴 | 淘宝/天猫/1688/优酷 | 电商内容权重高 | 电商品牌在其表现更好 | | 文心一言 | 百度 | 百度百科/百度知道/百家号/百度新闻 | 百度系产品权重极高 | 百度百科存在与否影响巨大 | | 豆包 | 字节跳动 | 抖音/头条/西瓜视频 | 短视频/资讯内容权重高 | 在抖音有内容的品牌表现更好 | | DeepSeek | 独立 | 开源数据集/网页爬取 | 推理能力强，训练数据相对"干净" | 对内容质量的判断力更强 | | 元宝 | 腾讯 | 微信公众号/微信搜一搜/腾讯新闻 | 微信生态内容权重高 | 公众号活跃的品牌在其表现更好 |

注：上表为基于公开资料的行业经验判断，非官方数据，使用时结合实测结果校准。

使用方式：在第5步QWHY归因时，对照此表解释模型间的表现差异。

附录B：不同品牌类型的诊断重点

| 品牌类型 | 高危问题 | 重点检测维度 | 推荐特化题类型 | |---------|---------|------------|--------------| | 成熟大品牌 | 认知锁定（形象固化在错误位置）| 心智占位、竞品对比 | 类型B（深度归因）+ 类型F（竞品替代） | | 新兴品牌 | 认知盲区（AI根本不认识）| 可见性、准确性 | 类型A（幻觉测试）+ 类型C（生态探针） | | 转型品牌 | 旧认知残留（AI用老形象描述）| 准确性、叙事方向 | 类型B（深度归因）+ 类型E（负面触探） | | 被负面缠绕的品牌 | 恶性循环（负面叙事主导）| 信任度、DeepSeek推理链 | 类型E（负面触探）+ 类型B（深度归因） | | 品类开创者 | 二级属性困境（特有属性未进入一级分类）| 心智占位、场景覆盖 | 类型D（场景生成）+ 类型B（深度归因） | | 区域品牌 | 地域认知偏差（出了本地就不认识）| 可见性、模型一致性 | 类型C（生态探针）+ 类型A（幻觉测试） |

附录C：诊断记录表完整模板

# GEO可见度检测记录表 - {品牌名}
检测日期：{日期}
检测人：{姓名}
检测模式：快速/完整

## 一、品牌信息
- 品牌名称：
- 所属品类：
- 目标定位：
- 核心竞品：
- 目标使用场景（3个）：
- 特殊关注点：

## 二、内容生态审计结果
| 平台 | 内容数量 | 质量 | 情感 | 备注 |
|------|---------|------|------|------|
|      |         |      |      |      |

审计结论：

## 三、测试记录
| 编号 | 模型 | 问题摘要 | 出现 | 排名 | 准确性 | 情感 | 关键原文 | 联网 |
|------|------|---------|------|------|--------|------|---------|------|
|      |      |         |      |      |        |      |         |      |

## 四、六维评分（每模型总分 0-90）
| 模型 | 可见性(20) | 准确性(20) | 心智占位(20) | 信任度(20) | 场景覆盖(10) | 每模型总分 |
|------|-----------|-----------|-------------|-----------|-------------|-----------|
|      |           |           |             |           |             |           |

## 五、品牌综合得分（0-100）
- 各模型平均分（0-90）：
- 模型一致性得分（0-10）：（方差= ，评级= ）
- 综合得分：
- 定性标签：

## 六、诊断结论
- 最大优势：
- 最大短板：
- 恶性循环风险：
- 优先行动：

## 七、备注

附录D：V3.0 交付自检清单

报告生成后逐项自检，全部通过才算完成：

  • [ ] 六维得分齐全（综合 + 5维度，共6个圆环）
  • [ ] 每模型总分 ≤ 90，品牌综合分 ≤ 100，公式与 4.2 一致
  • [ ] 模型一致性按方差查表得 10/5/0 分，快速模式已标注"3模型参考值"
  • [ ] 报告包含全部 13 个模块
  • [ ] 视觉符合 8.2 规范：玻璃卡片 / Hero大数字 / 发光圆环 / 雷达+柱状 / 热力图 / 时间轴 / 动效
  • [ ] 已包含置信度声明与隐私说明
  • [ ] 已按 8.0 命名规范输出文件

Skill版本：V3.0 基于洋河酒GEO诊断报告V6.1反向工程，并经专业GEO从业标准重构 V3.0（2026-08-12）更新：

  • 修复综合得分公式（V2.1公式总分上限仅18/100，改为"五维模型平均 + 一致性报告级加分"，恒等0-100）
  • 维度6模型一致性补全量化分值（10/5/0），并明确快速模式口径
  • 新增 2.4 批量提问包，手动模式交互轮次从45轮压缩到5轮
  • 模式B重命名为"自动检测（间接信号）"，补充检索query模板、诚实声明与抽样复核兜底
  • 删除置信度声明中不存在的GMV公式引用，新增隐私说明
  • 场景覆盖维度明确3场景探针口径；低分项阈值统一为"低于满分60%"
  • 报告视觉全面升级：沉浸式深色 × 玻璃拟态 × 霓虹辉光 × 动态图表（Hero大数字/发光圆环/雷达辉光/热力图/时间轴/入场动效/打印与动效偏好适配）
  • 新增报告命名规范与附录D交付自检清单 V2.1（2026-06-24）更新：修复综合得分公式矛盾、增加圆环图Canvas绘制规范、报告模块清单优化