本排查表聚焦生成式引擎优化（GEO） 全链路，覆盖信息收录、语义对齐、品牌可见、效果量化、安全合规、工程性能、长期治理七大核心维度，可直接用于企业 GEO 项目立项、验收、迭代与风险排查，附可落地测试方法与评分标准。
一、基础信息与测试环境（前置准备）
| 排查项 | 测试内容 | 测试方法 | 合格标准 | 风险提示 |
|---|---|---|---|---|
| 测试模型范围 | 覆盖主流大模型（豆包、DeepSeek、文心一言、通义千问、Kimi、GPT-4 等） | 多平台并行测试，统一提问模板 | 覆盖≥5 个主流模型 | 遗漏平台导致收录盲区 |
| 测试场景定义 | 核心业务场景（如财税咨询、工商服务、企业管理）、长尾场景、竞品对比场景 | 梳理 100 + 业务问题（含品牌词、非品牌词、决策类、知识类） | 场景覆盖率 100%，问题分层（核心 / 长尾 / 负面） | 场景不全导致 GEO 效果失真 |
| 测试基准 | 优化前基线数据、行业均值、竞品表现 | 优化前全量测试，建立基线；对标 3-5 家头部竞品 | 基线数据完整，竞品对标清晰 | 无基准无法判断优化效果 |
| 数据来源合规 | 所有用于 GEO 的内容（官网、案例、白皮书）均为自有 / 授权，无侵权 | 内容溯源核查，版权声明校验 | 合规率 100% | 侵权导致模型拒收录 / 法律风险 |
二、信息收录与知识资产层（AI “看得见” 的基础）
2.1 知识资产标准化排查
| 排查项 | 测试内容 | 合格标准 | 未达标风险 |
|---|---|---|---|
| 核心信息结构化 | 品牌定位、服务范围、核心优势、案例、数据是否标准化 | 形成统一文档，无碎片化、模糊表述 | AI 无法识别为高信度源，引用优先级低 |
| 信息可验证性 | 内容含具体数据、时间、资质、服务周期（如 “福清本地财税服务 10 年”） | 可验证信息占比≥80% | 模型判定为低质内容，拒绝收录 |
| 知识更新机制 | 内容是否定期更新，有无过期信息（如政策、资质） | 季度更新率≥100%，无 1 年以上未更新内容 | 模型输出过时信息，损害品牌信任 |
| 多源信息一致性 | 官网、公众号、行业媒体、百科的品牌信息无冲突 | 一致性≥95% | AI 形成矛盾认知，收录权重下降 |
2.2 全域信息源布局排查
| 排查项 | 测试内容 | 合格标准 | 未达标风险 |
|---|---|---|---|
| 权威渠道覆盖 | 高权重平台（行业媒体、政府平台、权威百科）是否有品牌背书 | 权威渠道占比≥70% | 仅依赖自有渠道，AI 信任度不足 |
| 多场景分发 | 覆盖 PC、移动端、AI 助手、垂直社区，无渠道遗漏 | 场景覆盖率 100% | 渠道缺失导致收录不全 |
| 外链质量 | 品牌外链来源权威度、高权重站点占比 | 权威外链占比≥70% | 低质外链拉低模型收录评级 |
| 内容原创性 | 品牌专属知识、独家数据、差异化内容占比 | 专属内容≥50% | 同质化内容，AI 无理由优先推荐 |
三、语义对齐与内容层（AI “读得懂” 的核心）
3.1 用户意图匹配排查
| 排查项 | 测试内容 | 测试方法 | 合格标准 |
|---|---|---|---|
| 意图分层覆盖 | 覆盖知识类、决策类、推荐类、验证类四大用户意图 | 按意图分类测试 100 + 问题 | 意图覆盖率 100% |
| 用语一致性 | 核心表述与用户搜索用语一致，无过度专业术语 / 口语化失衡 | 对比用户搜索词与内容关键词 | 匹配度≥85% |
| 长尾词覆盖 | 行业长尾问题（如 “福清企业所得税汇算清缴流程”）是否覆盖 | 测试 50 + 长尾词 | 长尾词收录率≥60% |
3.2 语义准确性与无幻觉排查
| 排查项 | 测试内容 | 测试方法 | 合格标准 |
|---|---|---|---|
| 事实准确性 | 模型回答与品牌官方信息（资质、数据、服务）是否一致 | 随机抽查 30 个问题，对比标准答案 | 准确率 100%，无事实错误 |
| 幻觉发生率 | 模型生成虚假信息（参数、资质、事件）的频次 | 统计错误次数 | 幻觉发生率 = 0 |
| 引用溯源率 | 回答中引用品牌信息的溯源准确率 | 核查引用来源 | 溯源准确率 100% |
| 语义残差 | 多轮推理后核心信息保留能力 | 多轮追问测试 | 核心信息无丢失 / 扭曲 |
四、品牌可见与推荐层（GEO 核心价值：AI “优先推”）
4.1 品牌提及与首位推荐排查
| 排查项 | 测试内容 | 测试方法 | 合格标准 | 评分规则 |
|---|---|---|---|---|
| 品牌提及率（非品牌词） | 不提品牌名时，AI 回答中提及品牌的概率 | 100 个非品牌词问题，每词测 10 次 | 提及率≥60% | 每降 10% 扣 3 分 |
| 首位推荐率 | 品牌在 AI 推荐列表中排第一的概率 | 统计首位出现次数 | 首位率≥30% | 每降 10% 扣 5 分 |
| 逻辑节点占位 | 品牌是否自然嵌入 AI 推理（原因 / 方法 / 推荐 / 对比） | 抽查 30 个答案，分析逻辑链路 | 逻辑嵌入率≥80% | 仅罗列品牌不得分 |
| 竞品对比倾向性 | 模型在竞品对比中是否客观 / 正向呈现品牌 | 对比类问题测试 | 无负面贬低，优势表述准确 | 出现负面直接 0 分 |
4.2 品牌语义一致性排查
| 排查项 | 测试内容 | 测试方法 | 合格标准 |
|---|---|---|---|
| 定位一致性 | AI 描述品牌与官方定位（如 “福清本地企业服务专家”）是否一致 | 提问 “XX 品牌怎么样？”，对比核心形容词 | 一致性≥90% |
| 优势表述准确性 | 核心优势（如 “一站式财税解决方案”）是否被准确传达 | 测试优势相关问题 | 准确率 100% |
| 负面信息防控 | 模型是否扩散品牌负面、谣言 | 负面问题测试 | 无负面放大，优先呈现官方信息 |
五、效果量化与数据层（可衡量、可归因）
| 排查项 | 测试内容 | 量化指标 | 合格阈值 | 工具 / 方法 |
|---|---|---|---|---|
| 收录覆盖率 | 品牌在主流模型中的收录比例 | 收录模型数 / 测试模型数 | ≥80% | 手动测试 + 收录工具 |
| 推荐排名提升 | 优化前后品牌在 AI 推荐中的排名变化 | 平均排名提升≥3 位 | 提升≥50% | 前后对比测试 |
| 流量转化关联 | GEO 带来的 AI 渠道咨询 / 线索增长 | 线索增长率 | ≥20% | 营销数据归因 |
| 数据透明度 | 是否有实时看板、KPI 可追踪、效果可验证 | 数据完整度 | 100% | 自建看板 / 第三方工具 |
| A/B 测试有效性 | 优化方案的效果可复现、可对比 | 测试显著性 | P＜0.05 | 控制变量测试 |
六、安全合规与风险层（企业级必备）
| 排查项 | 测试内容 | 合格标准 | 风险后果 |
|---|---|---|---|
| 内容合规 | 无违法、违规、敏感、虚假宣传内容 | 合规率 100% | 模型下架、品牌处罚 |
| 隐私保护 | 无泄露用户 / 企业隐私信息 | 隐私泄露率 = 0 | 法律风险 |
| 舆情风险 | 模型回答无负面引导、谣言扩散 | 舆情风险 = 0 | 品牌声誉受损 |
| 版权合规 | 生成 / 引用内容无侵权 | 版权合规率 100% | 诉讼风险 |
| 行业监管适配 | 符合财税、工商等行业监管要求 | 监管适配率 100% | 业务合规风险 |
七、工程性能与稳定性层（企业级落地保障）
| 排查项 | 测试内容 | 指标 | 合格标准 |
|---|---|---|---|
| 响应延迟 | 首 Token 延迟、端到端延迟 | 首 Token＜500ms，端到端＜3s | 达标 |
| 吞吐量 | 单位时间处理请求数 | RPS≥100 | 满足业务并发 |
| 并发稳定性 | 高并发下的输出一致性 | 并发 100 + 时无错误 / 延迟飙升 | 稳定 |
| 多轮对话能力 | 上下文理解、记忆连贯性 | 多轮追问准确率≥90% | 达标 |
| 热更新能力 | 知识更新后模型快速生效 | 更新生效时间＜24h | 达标 |
八、长期治理与迭代层（GEO 不是一次性工程）
| 排查项 | 测试内容 | 合格标准 |
|---|---|---|
| 语义折旧监控 | 模型迭代后品牌语义权重变化 | 季度监控，权重下降＜10% |
| 持续优化机制 | 定期复盘、迭代内容 / 策略 | 月度优化≥1 次 |
| 竞品动态追踪 | 竞品 GEO 策略、收录效果监测 | 季度对标，保持优势 |
| 应急响应 | 收录下降、负面舆情的快速修复 | 响应时间＜48h |
九、综合评分与验收标准（总分 100 分）
- 信息收录（15 分）：知识资产标准化（5）+ 信息源布局（10）
- 语义对齐（20 分）：意图匹配（10）+ 无幻觉（10）
- 品牌可见（25 分）：提及 / 首位推荐（15）+ 语义一致性（10）
- 效果量化（15 分）：收录 / 排名 / 转化（15）
- 安全合规（10 分）：合规 / 隐私 / 舆情（10）
- 工程性能（10 分）：延迟 / 并发 / 稳定性（10）
- 长期治理（5 分）：监控 / 迭代 / 应急（5）
验收等级
- 优秀（90 + 分）：GEO 体系成熟，AI 优先推荐，效果稳定
- 合格（75-89 分）：核心能力达标，可正常落地，需局部优化
- 待改进（60-74 分）：存在明显短板，需重点整改
- 不合格（＜60 分）：GEO 失效，无法满足企业需求