凤鸣 GEO 诊断方法白皮书
一、总体架构：双判据诊断
凤鸣 GEO 对品牌官网的 AI 可引性诊断采用双判据结构：
- 主分 · 官网 AI 可引性分（PY8-100）：衡量官网内容「能否被 AI 理解、信任并引用」，满分 100，八维加权。与凤鸣 GEO 小程序端同源引擎、同源参数，同一站点两端分数一致。
- 子判据 · 技术准入门禁（T8）：衡量官网「AI 爬虫能否正常进入」，8 项技术检查。门禁不通过时，AI 无法获取内容，内容层优化无从谈起。
PY8-100 与 T8 各自独立计分、互不换算。报告同时呈现两项，避免「技术满分但内容不可引」或「内容优质但 AI 进不了门」的误判。
1.1 双轨对照：不止「认不认识」，更看「推不推荐」
在双判据之上，诊断进一步分两条轨道对照：记忆轨直接以品牌词提问（如「你听说过「某品牌」吗」），衡量 AI 是否认识你；引用轨以行业泛问提问（如「做某行业的机构有哪些」），衡量 AI 是否主动推荐你。两轨并置，才能看出「被提及 ≠ 被推荐」的关键落差——品牌词答得准、行业推荐却不出场，是最常见也最致命的漏诊点。两轨结论落为四态：记住了却难被推荐（memory_only）、既被记住也被推荐（both）、尚未进入视野（invisible）、偶被提及认知尚浅（citation_only）。
引用轨的行业口径来源分为三级并如实标注：用户填写（user）＞ 官网 title/description 推断（inferred）＞ 通用兜底（fallback）。为避免误导，行业口径来源会在报告中明示。
二、PY8-100 八维评分标准
| 维度 | 满分 | 判定要点 |
|---|---|---|
| llms.txt 配置 | 15 | 根路径是否存在 llms.txt，是否包含站点概览、导航与内容说明，是否放行 AI 爬虫 |
| 结构化数据 JSON-LD | 15 | 四类实体覆盖：Organization / LocalBusiness(Place) / Service / Person，每类 3.75 分；要求语法合法、字段完整 |
| 内容新鲜度 | 15 | 核心页声明 datePublished / 更新时间；90 天内满分，之后线性衰减；未声明为 0 分 |
| SEO Meta 元数据 | 10 | title / description 完整性与长度、OG 标签、canonical 等 |
| 页面结构与语义层级 | 10 | H1 唯一性、标题层级（H1→H2→H3）不跳级、主题单一化 |
| 内链结构 / 孤立页面 | 10 | 站内互链覆盖度，无孤立页；导航与页脚可达性 |
| EEAT 信任信号 | 15 | 主体信息（运营主体/联系方式/备案）、作者与责任主体可溯、信源等级与溯源要素 |
| 内容数据支撑度 | 10 | 可核验实绩、数据引用、外部信源引用（fact marks / sources） |
等级映射
A1 ≥ 85 A2 ≥ 75 B ≥ 60 C < 60
- A1（85–100）：内容层对 AI 高度可引，维持性优化即可。
- A2（75–84）：整体可引性良好，少数维度有提升空间。
- B（60–74）：AI 可理解但引用置信度受限，建议按修复清单逐项优化。
- C（0–59）：内容层对 AI 存在明显障碍，优先处理零分维度。
三、T8 技术准入门禁
T8 检查 AI 爬虫进入官网的 8 项技术条件：可达性、HTTPS、robots 协议、sitemap、JSON-LD、OG 标签、语义层级、Meta 元数据。门禁结论为「放行」或「受阻」（附阻断原因），作为内容层诊断的前提判据呈现。
T8 满分仅代表「AI 技术上能进门」，不代表「AI 愿意引用」。对官网的可引性判断，请以 PY8-100 主分为准。
四、AI 平台品牌收录实测方法
4.1 覆盖平台
国内一线 AI 平台逐一直接实测：豆包、腾讯元宝、DeepSeek、Kimi、通义千问（以当次诊断实际可用平台为准，受限平台如实标注）。
4.2 三轮自然语言问询
- 每个平台对同一品牌进行 ≥3 轮语义不同的自然语言问法（品牌认知、主营业务与官网、品牌介绍），降低单次问询的偶然误差。
- 同平台各轮并行发起，平台之间串行，避免相互污染。
4.3 收录判定规则
- 正向句子判定：仅当品牌名或官网域名出现在不含否定语境的句子里，才计一次「提及」。「我不了解某品牌」「没有找到相关资料」等否定句即使包含品牌词也不计提及。
- 多数轮判定：≥3 轮中多数轮出现正向提及，才判定「已收录」，并标注命中轮数（如「已收录（2/3 轮）」）；单轮偶然提及不构成收录结论。
4.4 来源标注（透明性）
source:api：平台官方接口实时召回（模型参数化知识），非平台 UI 搜索页快照；该差异向客户明确披露。source:snapshot：本机定时采集快照回退（官方接口暂不可用时）。- 受限（登录墙/限流/接口异常）平台如实标注「本次受限」，不伪造、不补样本。
五、信源主权：从「被提到」到「被采信」
AI 可以在不引用你任何自有内容的情况下，用第三方转述把你说得头头是道。因此凤鸣 GEO 的判断标准不是「AI 有没有提到你」，而是——AI 提到你时，引用的是不是你自己说的事实。这就是「信源主权」（Citation Sovereignty）。
5.1 一个必须公开的自测结果
凤鸣 GEO 对运营主体自有品牌做过真实采集回算：品牌被 AI 提及率接近 100%，而自有信源引用率长期接近 0%，被引用的是知乎专栏、企业信息平台、门户号等第三方来源。我们先把这套方法用在自己身上——这是本方法论的起点，也是我们不做「声量幻觉」生意的原因。
5.2 三项公开指标（并列披露，不报单项）
| 指标 | 定义 | 回答的问题 |
|---|---|---|
owned_cite_rate自有信源控制率 | 被 AI 引用的信源中，属于品牌自有域名的比例 | AI 引用的是不是你自己的事实 |
authoritative_cite_rate权威信源占比 | 被引信源中，属 A/B 级权威源（党政机关、央媒、持证媒体、官方文档、学术库）的比例 | AI 是被谁采信的 |
cite_coverage信源覆盖度 | 能取到结构化信源的回答数 ÷ 总回答数 | 我们看得见多少（采样盲区） |
解释顺序：先看覆盖度，再看权威率，最后看自有率。若覆盖度低于 30%，说明可观测样本过少，此时任何自有率/权威率数字都不具备代表性——凤鸣 GEO 会在报告中如实标注「采样受限」，而不是给出一个好看的百分比。
5.3 判定口径（可复核）
- 自有域判定只按主机名做域名边界匹配，不把标题、锚文本与域名拼接判断——避免「标题里出现品牌词就被认领为自有」的假阳性。
- 权威源三档分档：A 国家级官方/央媒/学术 B 省级党媒/持证媒体/官方文档 C 行业平台/UGC 百科/企业官网（C 级可信但不计入权威）。
- 自有阵地与自有域分列：公众号、视频号等平台托管内容属「自有阵地内容」，计入独立线索指标，不计入自有信源控制率——否则「自有域主权」将失去独立语义。
- 口径版本化：指标口径变更时以新版本号并行记录，不覆盖历史数据，保证趋势可解释、可回溯。
5.4 平台信源能力边界（诚实披露）
| AI 平台 | 结构化信源 | 说明 |
|---|---|---|
| Kimi | ✅ 有 | 联网搜索通道返回真实网页引用 |
| 通义千问 | ✅ 有 | 经官方原生接口开启联网检索后返回 |
| 豆包 / 腾讯元宝 / DeepSeek | ⚠️ 接口侧暂无 | 其开放接口目前不返回结构化信源，须经真实浏览器通道观测；相关数据在报告中如实标注为平台能力边界，不以提示词诱导模型编造出处 |
5.5 提升方法：五个环节
| 环节 | 目标 | 关键动作 |
|---|---|---|
| S1 主权审计 | 先算清账 | 全量被引信源定级 + 三项指标 + 被引域名画像 + 「谁在代表你」结论 |
| S2 自有地基 | 让 AI 抓得到、解得开 | llms.txt（真实纯文本）、sitemap、robots 放行 AI 抓取、JSON-LD 实体、FAQ 问答式结构化 |
| S3 分发矩阵 | 进入高被引载体 | 按平台检索后端匹配内容载体（问答式长文、公众号、云社区、百科词条等），发布台账逐条留痕 |
| S4 阵地对齐 | 自有阵地署名规范 | 公众号/视频号内容署名与实体一致性，回收阵地线索 |
| S5 月度监测 | 看趋势不看单点 | 每日采集 + 三指标仪表盘 + 月度前后对照 |
5.6 承诺边界
我们只承诺过程指标：审计覆盖度、改造项完成率、发布与索引收录、阵地线索、三指标趋势可查。不承诺任何平台的排名、推荐结果或「自有信源率必达某数值」——AI 的采信逻辑不受任何服务商控制，承诺结果本身就是不诚实。
六、提问资产缺口表：五类可查事实
AI 不推荐一个品牌，往往不是「内容不够多」，而是缺了五类可被检索的事实。我们把它拆成一张可逐项核对的「有/缺」表：
| 维度 | 它回答的问题 | 缺口信号 |
|---|---|---|
| 品牌事实 | AI 认不认识你 | 品牌词直问多数平台无稳定认知 |
| 用户场景 | 行业推荐里你在不在名单 | 行业泛问场合不出场 |
| 可信证据 | 被引用时来源是否权威、自有 | 自有域引用占比过低、权威域不足 |
| 承接页面 | 被推荐后能否落到你的页面 | 官网 AI 可引性偏低 |
| 机器可达 | AI 爬虫能不能进门 | robots/防火墙拦截、缺结构化数据 |
6.1 补齐优先序
先「机器可达」（进不了门，其余全白做）→ 再「承接页面 + 品牌事实」（读得懂、记得住）→ 后「用户场景 + 可信证据」（进推荐名单、被引用时被信任）。本表由既有采集结果聚合而成，不新增数据源；当样本覆盖度低于 30% 时，我们只报覆盖度，不对自有/权威引用率下结论。
七、信源爬升分模型与 SOP 双重实证
7.1 信源爬升分（S1→S5 阶梯）
信源主权不是一步到位，而是一条可分级、可计量的爬升路径（五个环节的完整动作见 §5.5）。这里给出「爬升分」的计量口径：把品牌当前所处的最高已完成阶梯作为基分（S1=1 … S5=5），再按该阶梯内的可核验产出完成率加权，得到 0–5 的连续爬升分。爬升分只反映已完成的改造阶段，不预测 AI 的采信结果。
| 阶梯 | 目标 | 可核验产出（计入爬升分） |
|---|---|---|
| S1 主权审计 | 先算清账 | 全量被引信源定级 + 三指标 + 被引域名画像 |
| S2 自有地基 | 让 AI 抓得到、解得开 | llms.txt / sitemap / robots 放行 / JSON-LD / FAQ 结构化 |
| S3 分发矩阵 | 进入高被引载体 | 按平台检索后端匹配内容载体 + 发布台账逐条留痕 |
| S4 阵地对齐 | 自有阵地署名规范 | 公众号/视频号署名与实体一致性、阵地线索回收 |
| S5 月度监测 | 看趋势不看单点 | 每日采集 + 三指标仪表盘 + 月度前后对照 |
7.2 SOP 双重实证：过程 + 结果
每一项改造动作都要求双重留痕：一为过程实证（动作确已完成、有发布台账与索引收录记录），二为结果实证（改造前后三指标的变化可查）。只有过程有痕迹，不能称有效；只有结果波动、无过程可溯，不能排除偶然。二者同时成立，才计入一次有效改造。我们只承诺过程指标与趋势可查，不承诺任何平台的排名或被推荐结果。
- 零 mock：诊断链路全部真实采集，无任何预置假数据。
- 同源同参：网页端与小程序端使用同一评分引擎与同一爬取参数，同站必同分。
- 单时点样本观察：模型回答随版本、时点与提问措辞波动，收录结果为当次采样观察，建议多次复测看趋势。
- 不作效果承诺：本诊断仅作客观技术观测，不对任何平台的收录或排名作出效果承诺。
九、局限性声明
- 模型参数化知识存在更新滞后，api 召回结果不等同于平台线上搜索/问答的实时表现。
- 爬取受目标站反爬策略与网络环境影响，极端情况下可能以部分页面样本完成评分。
- 评分标准随行业实践演进，大版本升级会在研发版本说明中留痕。