《海外 GEO 白皮书（四）方法与度量体系：GEO“五可”工程框架、分场景方案、指标体系与 GA4 流量归因》

方法论：GEO“五可”框架

GEO 工程方法可归纳为五个依次递进的环节：可抓取、可理解、可信任、可引用、可推荐。

前三项与传统 SEO 重合度高、实证依据最充分，应优先落地；后两项属于 GEO 的增量工作，潜在收益大但机制仍在演进，需要边改边测。

框架总览

可抓取解决“抓取与索引”；可理解和可信任解决“召回与重排”；可引用解决“生成与引用”及“吸收与保真”；可推荐则作用于模型参数知识与站外信源。

可抓取：先让 AI 看得见

爬虫放行矩阵

主流平台已将“搜索引用”和“模型训练”拆分为不同爬虫，品牌可按需分别配置权限。对于希望获得 AI 推荐的绝大多数品牌，建议按以下矩阵配置：

技术检查点

• CDN 与防火墙

  2025 年 7 月 1 日起，Cloudflare 对托管站点默认拦截 AI 爬虫，并推出“按抓取付费”机制（MIT Technology Review）。

  许多网站在未察觉的情况下误拦了搜索类 AI 爬虫，应逐一核对 robots.txt、CDN 和 WAF 三层规则。

• JavaScript 渲染

  Vercel 在 2024 年 12 月的网络统计显示，GPTBot、ClaudeBot 和 PerplexityBot 等主要 AI 爬虫均不执行 JavaScript，仅有共用 Googlebot 基础设施的 Gemini 和 Applebot 支持客户端渲染。此外，ChatGPT 和 Claude 的抓取请求中约三成碰到 404 错误（Vercel）。核心内容必须启用服务端渲染，并持续维护重定向与 sitemap。

• 索引底座

  Google 系产品看 Google 索引，Claude 可参考 Brave 收录状态，ChatGPT 和 Perplexity 则看各自爬虫日志。服务器原始日志是核验 AI 爬虫是否来访的最直接证据。

• llms.txt

• Google 已明确声明不使用该文件。Chrome Lighthouse 13.3 的“智能体浏览”审计虽会检查该文件是否存在，但其定位是辅助浏览器智能体理解站点目录，不影响搜索排序或 AI 引用。开发者文档类站点可低成本提供，常规站点无需优先投入。

• 智能体可操作性

  按钮、表单和导航菜单应采用语义化 HTML 与 ARIA 标签，这也是 OpenAI 针对 Atlas 浏览器智能体给出的明确工程建议。

可理解：让每一段都能单独回答一个问题

Google 官方指南建议使用描述性标题、短段落与清晰定义，配合列表、对比表格、分步说明与 FAQ，同时明确无需把正文生硬切碎。

具体执行要点如下：

1. 标题直接写成问题或结论（如“X 和 Y 有什么区别”“X 适合哪些场景”），直接匹配查询扇出拆解出的子问题。

2. 每小节只讲一件事，写明具体主语，避免依赖上文语境的“它”或“该产品”。

3. 技术参数、定价梯度与竞品对比优先使用 HTML 表格，操作流程使用有序列表。

4. 保持实体信息一致：品牌名、产品名、创始人、成立时间与总部地址，在官网、维基百科、工商登记与社交主页上须完全统一；Organization 等结构化数据须与页面正文一致。

5. 核心参数与政策直接用 HTML 文本呈现，不要仅封装在图片或 PDF 附件里。

可信任：让模型和读者都敢用你的内容

Google 强调在 E-E-A-T 评估体系中“信任度”权重最高，并将“非同质化原创内容”列为提升 AI 可见性的首要因素。具体做法包括：

• 公开作者署名、专业资质与审稿人信息，并在页脚提供真实企业主体信息与联系方式。

• 优先发布原创统计数据、实测记录、真实截图、实用模板与一手案例，避免二次拼凑网上已有信息。

• 写明调研与测试方法，引用一手信源链接，并公开内容编辑与勘误机制。

• 明确标注文章首次发布日期与最近更新日期，按周期刷新过期数据。

可引用：提高段落摘取率

学术界围绕这一环节开展的控制实验最多，但其生效前提是页面已经先进入检索候选集。

1. 首句直接给结论：每小节第一句话直接写出结论与核心数字，随后再展开背景解释。

2. 提高事实证据密度：补充统计数字、专家引述与可靠出处，是 GEO-bench 基准测试中最有效的三类改写手段。所有数据必须真实可核查，杜绝第 8 章提及的造假黑帽行为。

3. 写明具体价格、日期与规格：大规模对照实验表明，清晰的定价数字与近期时间戳有助于提高引用率。

4. 完整覆盖衍生子问题：围绕单一主题写清定义、横向对比、适用边界、成本估算、潜在风险与实操步骤，承接多路查询扇出。

5. 兼顾检索相关性：SAGEO Arena 实验表明，单纯迎合生成摘录的改写可能会拉低初筛检索召回率，改写前后均需验证整体曝光。

可推荐：经营站外的品牌证据

独立第三方的品牌提及与 AI 可见度高度相关，AI 搜索引用中有 69%～92% 来自第三方“赢得媒体”。

• 媒体与行业报告通过公关传播、发布原创研究与输出专家观点，进入主流行业媒体与垂直评测站。

• 百科满足收录门槛时，确保维基百科等词条事实准确且附有第三方可靠出处；严禁自建词条或付费找人代写。

• 社区与视频在 Reddit 和 YouTube 等平台以官方认证身份真实互动，持续发布实操教程、答疑与产品实测。

• 评价平台B2B 品牌重点维护 G2 与 Gartner Peer Insights；消费品关注电商评论与 Trustpilot；本地服务重点运营 Google Business Profile 与 Yelp。

• 语言策略Claude 更偏重英文信源，ChatGPT 和 Perplexity 更常召回当地语言信源。出海品牌需同步建设英文主流媒体报道与目标市场本地语种内容。

• 红线Google 已明确禁止购买品牌提及、批量水军发帖、刷虚假好评及付费换取引用，违规站点将受垃圾内容政策处罚。

分场景打法

组织与流程

GEO 工程横跨 SEO、内容、公关、电商运营、数据分析与前端开发团队，建议指定专职负责人统筹，按以下五步循环推进：

1. 诊断核查爬虫放行策略、服务端渲染状态、搜索引擎收录与全网实体信息一致性。

2. 建立基线使用固定提示词库在五个平台重复采样，测算品牌提及率、引用率、事实准确率与竞品声量对比（见第 6 章）。

3. 差距分析逐项排查品牌漏提的高优问题、AI 高频引用的竞品与第三方信源，以及表述失实的品牌信息。

4. 执行补全站内核心事实页，推进站外媒体与社区合作，修正全渠道商品参数。

5. 复测沿用同一提示词库与采样规则复测，仅采信通过统计显著性检验的变化。

90 天参考路线图

指标度量体系

GEO 度量需应对两项现实约束：AI 答案存在随机波动，单次截图没有统计意义；直接引荐点击仅反映了少部分曝光影响。

因此应建立分层指标 + 固定提示词库 + 重复采样 + 日志与归因分析的组合体系，放弃单一“AI 排名”数字。

提示词库设计

提示词库相当于 GEO 度量的基准关键词表，应长期保持固定，仅按季度小幅迭代。

1. 按搜索意图分层：涵盖品类认知（“什么是 X”）、产品推荐（“好用的 X 推荐”）与竞品对比（“A 和 B 选哪个”）；同时纳入决策细节（价格、评价、适用场景）、品牌查询（“X 品牌怎么样”）与问题排查（“如何解决 Y”）。

2. 以不带本品牌名的通用问题为主：第 4 章实证显示，带品牌名提问时被识别，与在无品牌品类问题中获主动推荐差距悬殊（99.4% vs 3.32%）。

3. 为每个信息需求准备 3 种～5 种问法：同时覆盖口语长句、短关键词组与要求输出对比表等句式。

4. 按目标市场与语种独立建库：不同语种召回的信源结构差异显著，中文、英文及目标市场本地语种需分别维护。

5. 同步追踪核心竞品：在同一批回答中提取竞品提及次数，用于计算声量份额（SoV）。

采样与统计

Martinez 等人的综述研究给出了一套可直接落地的采样与统计规范（arXiv 2607.14035）：

• 单题重复采样 7 次～8 次起步，并分散在多个日期窗口内采集。

• 完整保留“空结果”样本：未触发联网检索、未附引用链接或请求报错的记录均属真实观测分布，不可剔除。

• 控制环境变量并留档：固定记录采集平台、模型版本与联网模式，同步标记日期、IP 地区、界面语言、登录状态及账号等级，并归档原始回答全文与来源列表。

• 用概率分解式定位波动根因：

  $$\Pr(\text{cited}) = \Pr(A=1) \times \Pr(s \in R \mid A=1) \times \Pr(\text{cited} \mid s \in R, A=1)$$

  式中 A = 1 表示触发了联网检索，s ∈ R 表示自有页面进入检索候选集。当引用率下滑时，可依次排查是平台减少了联网触发、页面掉出检索候选集，还是进入候选集后未被生成模型采纳。

• 输出聚类置信区间：按提示词和采集日期做聚类标准误计算；若引入大模型自动判分，裁判模型与被测模型须来自不同厂商，并定期人工抽检。

• 设立实验对照组：改版评估时仅修改实验组页面，保留同类型未改版页面作对照；也可采用中断时间序列或双重差分（DID）方法剥离平台大盘自然波动。

流量归因

• GA4 渠道识别：2026 年 5 月，Google Analytics 在默认渠道组中新增“AI Assistant”类别，无需手动配置即可自动归类 ChatGPT、Gemini 和 Claude 等引荐流量；官方未公开完整域名白名单，企业可通过自定义渠道组正则补充 Perplexity 等平台（Search Engine Journal）。

• UTM 参数：ChatGPT 网页端外跳链接默认附带 utm_source=chatgpt.com 参数。

• Google 自有 AI 流量：AI Overviews 与 AI Mode 的外跳点击在 GA4 中统一归入自然搜索（Organic Search），需借助 Search Console 生成式 AI 报告查看展示次数。

• 归因盲区补全：移动端原生应用、内置浏览器及手动复制网址带来的访问，均不携带 Referer 来源，会被归入直接访问（Direct）。实证显示受 AI 影响的访问中仅有 8.8% 来自对话链接直接点击，因此应同步监控品牌词搜索量与直接访问量趋势，并在留资表单中增设“你是从哪里了解到我们的”自报来源字段。

工具生态

GEOInflow

GEOInflow 是一款面向 GEO 工程的自托管网站与 AI 爬虫日志分析系统，由猎看科技与北京日报社智源 GEO 联合发布，采用 MIT 许可证开源，当前版本为 v1.2（GitHub）。

该系统在同一站点上下文中关联三类数据：前端脚本采集的访客会话与转化事件、服务器与 CDN 原始抓取日志，以及导入的 sitemap 内容目录。

与本章指标体系直接对应的四项工程能力如下：

• 拆分识别爬虫身份与用途：内置规则库覆盖 OpenAI、Anthropic、Perplexity、Google、Microsoft、字节跳动、百度、Kimi 与腾讯混元等主流爬虫，按“模型训练、AI 搜索、用户触发”三类用途归类。系统分别校验 User-Agent 声明、官方 IP 网段与反向 DNS 记录，仅凭 UA 声明的请求不标记为已认证身份，直接支撑前文的“抓取覆盖率”与“抓取错误率”核算。

• 排查抓取覆盖盲区：将抓取日志与导入的 sitemap 目录比对，定位长期未被搜索类 AI 爬虫访问的核心落地页。

• 诊断抓取异常并导出规则：分类统计 HTTP 状态码、缓存命中、响应耗时与超时错误，支持一键导出 robots.txt 与 Nginx 放行拦截配置。

• 追踪 AI 引荐与业务转化：识别来自各 AI 搜索引擎的引荐会话，串联落地页、自定义转化目标与订单归因。

GEOInflow 官方文档明确界定了数据边界：“抓取记录能说明观察到的访问行为；收录、模型训练、回答引用、推荐排名和获客效果需要各自的证据。”

这一界定与本白皮书的分层度量框架一致：日志与引荐工具负责解决“可发现”与“业务结果”两层度量，“被引用”与“表述准确度”两层仍须配合固定提示词库采样完成。