GEO 方法论白皮书 v1.0：从被收录到被引用

本白皮书给出国内大模型语境下的 GEO 落地方法：用六跳证据链把主张变成可核验来源，用固定问题集与指标口径衡量被引用情况，并如实标注证据等级与适用边界。

摘要与版本信息

本版本是白皮书的初次发布，面向需要把内容做成「可被生成式引擎引用」的团队与个人。文档不销售服务、不评价具体厂商，只回答三个问题：GEO 是什么、怎么做、怎么验证。文中所有方法均为本站工作定义，标注为 L2，未经第三方验证，不构成行业标准。

五条结论

1. 被收录只说明页面进入了索引，被引用才说明生成式回答把页面当作依据。两者的评估对象不同，不能互相替代。
2. 引用不是运气，可以拆成六个可检查的环节：可发现、可打开、可摘取、可核验、可归属、可旁证。任一跳断裂，主张就从「证据」降级为「说法」。
3. 可摘取的关键是答案前置。首屏需要一句 60 字以内、脱离上下文仍然成立的结论，段落本身要自包含。
4. 指标必须分开定义。引用率、提及率、首位答案率与 ECI 各自回答不同问题，混用会得到看似增长、实际无效的结论。
5. 证据等级必须如实标注。没有第三方锚点时，自研方法最高只能标 L2，并写明「经验性方法」。诚实本身也是可信度的一部分。

适用读者

适用范围

本白皮书适用于简体中文站点、面向国内大模型（DeepSeek、Kimi、豆包、文心、元宝、通义）的问答场景，且站点内容可公开访问、无需登录。文档不覆盖付费投放、私域运营、跨境平台站内优化与需要登录才能查看的内容。

问题背景：为什么需要 GEO

用户获取答案的入口正在从「搜索结果页」扩展到「生成式回答」。在 DeepSeek、Kimi、豆包、文心、元宝、通义等产品里，用户直接提出问题，模型给出整合后的回答，并在部分情况下给出可点击的来源链接。对内容方来说，这意味着一个新的可见性位置：不是搜索结果里的某一条，而是回答里的某一句话。

位置变化带来的不是简单增量，而是评估方式的变化。搜索结果以列表呈现，位置可以被工具批量采集；生成式回答以句子呈现，是否引用必须逐条判定来源与语境。把排名数据直接当作 GEO 的效果证明，会得到「位置靠前但从未被引用」的误判。

实践中常见三种误判，值得逐条拆开。

误判一：被收录等于被引用。收录只表示爬虫抓到了页面，引用还要求页面进入检索候选、段落可被摘取、来源可被核验。很多页面结构完整、收录正常，但首屏是一段依赖前文的长句，模型无法单独摘出结论，于是只能绕开。

误判二：域名多等于证据强。同一主体用多个域名重复发布同一份内容，容易被视为同源重复，反而稀释信号。真正提升可信度的是「同一实体、同一口径、可核验来源」，而不是页面数量。

误判三：自证等于可信。只在自家域名之间互相引用，最多算自有材料互证，不能当作外部背书。没有第三方可核验的提及时，主张只能停在 L2。

从机制上看，引用发生在生成阶段，至少经过四个动作：候选进入检索、段落被摘取、来源被核验、身份被归属。四个动作分别对应不同的内容条件，这也是六跳证据链的由来。理解这一点，就不会把 GEO 简化成「多写文章」或「多加结构化数据」。

因此，GEO 的工作对象不是关键词，而是证据单元。一个可被引用的证据单元通常由三部分组成：一句可独立成立的结论、一条能点开核验的来源、一个稳定的实体身份。把页面上零散的观点改造成这样的单元，是后续所有动作的基础。

还有一个容易被忽略的前提：国内大模型的抓取与检索策略并不完全公开，且会随版本调整。任何方法都只能提高「具备被引用条件」的概率，不能控制结果。白皮书因此在每一章都保留局限说明，而不是给出确定性承诺。

机制：国内大模型如何发现与使用网页

方法要落地，需要先理解对方的工作方式。本节按抓取、索引、检索、生成四个阶段说明国内大模型的常见处理路径，并标出内容侧可控与不可控的部分。四阶段是从公开文档、开发者说明与可观测现象归纳的工作模型，不是厂商官方流程图，因此只用于指导动作，不用于预测结果。

阶段一：抓取

抓取阶段解决「页面能不能被拿到」。模型侧通常通过自有爬虫或合作方数据获取网页，是否抓取受 robots 协议、站点可达性、页面渲染方式与抓取预算影响。

内容侧可控的部分包括：robots 不屏蔽正文页；sitemap 提供完整条目并在发布后更新；正文在关闭脚本的情况下仍可阅读；服务器稳定返回正常状态；避免把正文放在需要交互才展开的容器里。

内容侧不可控的部分包括：抓取频率、抓取深度、是否优先处理新页面。这些由对方决定，站点只能降低被跳过的概率，无法要求对方按某个时间表访问。

一个常见误区是把提交收录当作抓取完成。提交只是告知地址，抓取与索引仍由对方决定。另一个误区是用参数页承载正文，参数页通常不在抓取优先范围内。

阶段二：索引

索引阶段解决「页面以什么形态进入候选库」。模型侧会对抓取到的内容做去重、切分与结构化处理，页面可能被切成多个片段，而不是以整页为单位保存。

内容侧可控的部分包括：同一内容只保留一个规范地址；标题层级清晰，二级标题能独立表达一个子问题；关键结论靠近段落开头；结构化数据与正文一致；避免同文多发到多个域名。

内容侧不可控的部分包括：切分粒度、去重阈值、片段保留策略。不同产品对同一页面的切分方式可能不同，这解释了一个现象：同一篇文章，某个模型引用了其中一段，另一个模型引用了另一段，还有的模型完全没有引用。

因此，写作时应假设「每一段都可能被单独取走」。段落自包含不是文风偏好，而是索引切分带来的硬性要求。

阶段三：检索

检索阶段解决「哪个片段会被选中」。用户提问后，模型侧会做查询理解与改写，再从候选库中检索相关片段，可能同时使用关键词匹配与语义匹配。

内容侧可控的部分包括：页面覆盖问题的真实措辞，而不只是行业术语；同一问题在不同说法下都有对应段落；片段中包含明确的主语与结论；来源信息与片段同页，便于后续核验。

内容侧不可控的部分包括：改写方式、召回数量、排序权重、是否启用联网检索。同一个问题在不同产品、不同时间得到的候选集可能不同。

这带来一个实践结论：问题集要覆盖用户的实际问法，而不是只覆盖内部术语。只写「生成式引擎优化」而不写「怎么让 AI 回答里出现我的网站」，会漏掉大量真实提问。

阶段四：生成

生成阶段解决「回答怎么组织、来源怎么呈现」。模型会基于选中的片段组织答案，部分产品会给出可点击来源，部分产品只在文末列出参考，还有部分产品不展示来源。

内容侧可控的部分包括：结论与来源在同一页面且相互对应；来源地址稳定可打开；页面明确标注作者与发布时间；证据等级与局限说明齐备，避免被误读为确定性结论。

内容侧不可控的部分包括：是否展示来源、展示几条、展示顺序、是否改写结论。这些由产品设计决定，站点无法干预。

需要强调：不展示来源不等于没有被使用。反过来，展示了链接也不等于结论来自该页面。判断是否被引用，必须结合回答内容与链接指向逐条核对，这也是首位答案需要人工判定的原因。

可观测的三类信号

机制不透明，但仍有三类信号可以观测，用于判断动作是否生效。

站点访问日志。观察来自各模型的爬虫访问量、访问页面分布与访问频率。日志只能说明抓取，不能说明引用。

站内搜索与落地页数据。观察是否出现来自问答产品的访问来源。这类数据受隐私策略影响，缺失较多，只能作为辅助。

人工提问记录。固定问题集，逐条提问、截图、记录链接与结论。这是当前最可靠的判断方式，也是指标体系的来源。

三类信号不能互相替代。把日志增长当作引用增长，是最常见的误判之一。

为什么机制章节要写不确定性

写清不确定性，是为了防止把方法当成开关。方法能改变的是「具备条件的概率」，不能改变对方的产品策略。承认这一点，才能在设计指标时保留合理的波动区间，也才能在结果不理想时找到真正的原因，而不是反复调整标题措辞。

术语与口径定义

术语不清会直接导致动作错位。本节给出本站使用的统一口径，其他页面引用时不得改写结论。所有定义均为工作定义，标注 L2。

五个概念的关系

GAO 是目标层。它关心的是 AI 是否对某个品牌或人物形成准确、稳定、可复述的认知，并在推荐类问题中主动提及。这是一个长期结果，不能靠单页优化直接获得。

GEO 是通往 GAO 的主路径。它关心的是具体回答里是否出现指向本站的可点击来源，以及来源是否被正确表述。引用是认知的前置条件：没有被引用过，模型很难形成稳定认知。

AEO 是 GEO 的一种技术形态。它把内容组织成可直接回答问题的形状，例如定义句、步骤、对比表、问答对。AEO 做得好，页面更容易被摘取，但它不解决来源可信度问题。

LLMO 偏底层。它描述的是语料与实体信号如何影响模型内部的表征。这个层面不可直接观测，只能通过输出侧的提及、引用与表述偏差间接判断。

SEO 是基础。抓取、索引、规范链接、站内链接这些工作，GEO 同样需要。差别在于评估：SEO 看收录与点击，GEO 看引用与表述准确度。

需要特别强调：GAO 是「生成式 AI 认知优化」，不是「Google AI 概览优化」。后者只是 GEO 在特定生态里的一个细分场景，不能代表 GAO 的全部含义。

五个常见误用

• 把 GEO 等同于「写 FAQ」。FAQ 只是答案形态之一，缺少来源与实体时仍然不可核验。
• 把提及当作引用。提及只有名称，没有可点击来源，不能作为来源证据。
• 把结构化数据当作收录开关。JSON-LD 降低理解成本，不改变内容是否值得引用。
• 把 llms.txt 当作行业标准。它是社区提案，抓取效果需要实测。
• 把多语言、多域名当作覆盖度。同源重复会被判重，覆盖不等于可信。

术语使用还有三条规则：正文初次出现时写「中文（English）」，之后统一用中文；同一术语只保留一个页面，别名写入结构化数据的 alternateName；定义必须能回溯到标准、教材、政策或公开文档，回溯不到时标注为本站工作定义。关于 GEO 的基础定义，可参阅什么是 GEO（生成式引擎优化）。

方法体系：六跳证据链与四项配套原则

方法体系由一条主线与四项配套原则组成。主线是六跳证据链，配套原则是三跳原则、答案前置、实体一致性与机器可读层。五者不是并列的技巧，而是同一条链路上的不同环节。

六跳证据链

六跳把「AI 能看到」推进到「AI 敢引用」。每一跳都有可检查的判断标准，检查结果应当可复现：同一条主张由不同人检查，结论一致。

六跳不是评分，是排除法。任何一跳不通过，主张在引用链上就被降级：缺来源降为说法，缺归属降为无来源内容，缺旁证则认知无法成立。把六跳写成固定动作，好处是检查结果可以复核，而不是凭感觉判断「这篇写得不错」。

关于每一跳的具体检查方式与反例，可参阅六跳证据链：让 AI 从看到到相信。

三跳原则

三跳原则约束的是来源的点击距离：从任意落地页出发，最多三次点击必须到达一手来源。超过三次，视为断链。

这条规则的现实依据很直接。生成式回答在核验来源时，能跟随的链接深度有限；人在复核时同样不愿意连续跳转五六次。如果一条主张需要读者自己从参考列表里翻找对应段落，这条主张实际上没有可用的来源。

落地方式有两种：在方法页直接给出直达一手来源的链接；或者删除无法在三次点击内到达来源的结论。两者都比保留一个看似有来源、实际找不到的引用更诚实。

很多页面失败在这一跳，而不是失败在写作质量。参考链接齐全但不对应到具体主张，是典型的「看起来有来源」。修复动作是把来源拆到主张级：一条主张对应一个证据块，块内写清定位与摘录。具体做法见三跳原则：任何主张都要三次点击内到达一手来源。

答案前置

答案前置解决的是可摘取问题。要求有三条：首屏首段给出结论；结论在 60 字以内；结论脱离上下文仍然成立。

三条要求里，最容易被忽略的是第三条。含有「它」「这个」「该方案」的句子，单独摘出后主语丢失，模型无法判断在说什么。写作时的自检方式是：把这句话单独发给没有读过全文的人，对方能否说出主语、判断与结论。

段落层面还有一条规则：一段只说一件事，段首不用代指词。这样即使只摘走一段，语义也是完整的。

可用的句式模板包括：「X 是……，判断标准是……」「做 X 分 N 步，每步的判断标准是……」「X 与 Y 的区别在于目标、对象与口径」。模板不是文风要求，而是为了降低摘取时的信息损失。

写作细节与正反例见答案前置：60 字内写出可被直接引用的结论。

实体一致性

实体一致性解决的是归属问题。同一人物或组织在全站只保留一个权威标识，其他页面只引用，不复述完整字段。

具体做法有三条：作者与发布方使用固定的结构化标识，不在页面里另写一套头衔与机构；名称写法全站统一，不在 name 字段里追加「老师」「导师」等修饰；不同站点之间明确分工，方法与标准由一个站承载，服务与案例由另一个站承载，避免同一事实两处各写一版。

实体分裂的后果比想象中严重。同一主体出现多个名称、多个机构描述时，模型无法合并这些页面，引用时会归到一个模糊的「某机构」，甚至归错主体。此时即使内容质量不错，归属这一跳仍然不通过。

多站点策略同样受这条原则约束。多建几个站并不能提升可信度，同源重复还会被判重；正确做法是把内容集中到一个 canonical 页，其他站点只做摘要与链接。展开说明见实体一致性：让 AI 认出这些页面说的是同一个人。

机器可读层

机器可读层包含三类文件：站点根目录的 llms.txt、页面内的 JSON-LD、以及证据索引文件。三者作用不同，都不能替代内容本身。

llms.txt 的定位需要说清楚：它是社区提案，不是 W3C 或 IETF 标准。把它当作「收录开关」会带来错误预期。本站使用它的理由只有一个：降低模型理解站点结构的成本。

JSON-LD 的价值在于把正文里的信息以稳定字段表达出来，例如文章类型、作者标识、发布时间、修改时间、所属站点。字段与正文必须一致，不一致时反而制造矛盾信号。

证据索引把「哪条主张、什么等级、来源在哪」写成机器可读的清单，便于批量核验与更新。它仍然要求来源可打开，否则只是把断链换了个格式。三类文件的写法与模板见机器可读层：llms.txt、JSON-LD 与证据索引怎么写。

六种典型断链与修复

【主张】一条核心主张要走完可发现、可打开、可摘取、可核验、可归属、可旁证六个环节，任一跳断裂即降级为说法。 【依据】本站《六跳证据链》方法页（工作定义）。 【发布机构】GEOA（星哥一人公司）。 【时间】2026-11-09 发布；复核周期 365 天。 【定位】第 3 节「六跳证据链」。 【摘录】「六跳不是评分，是排除法。任何一跳不通过，主张在引用链上就被降级。」 【链接】https://geoa.com.cn/method/evidence-chain/ ｜核验 2026-11-09

指标体系与计算方式

指标的作用不是证明「有效」，而是让不同时间的记录可以比较。为此需要三个固定：固定问题集、固定模型清单、固定记录字段。三者任一变化，数据就不能直接对比。

引用率与提及率的边界

引用率的分母是问题数，不是回答条数。一个问题在多个模型上提问，按模型分别计算，再按需汇总。

提及率包含没有链接的情况。品牌名出现在回答里，但没有指向本站的可点击地址，只计入提及，不计入引用。两者混算，会把「被提到」误读为「被当作来源」。

举一个示例说明算法（示例数据，非真实监测结果）：30 个问题 × 6 个模型共 180 条回答，其中 89 条出现品牌名，34 条出现可点击本站地址。按回答条数汇总，提及率为 49.4%，引用率为 18.9%。这两个数不能相加，也不能互相替代。指标定义与边界见引用率：定义、计算与局限。

首位答案的判定

首位答案需要人工判定，建议使用三条判据：

1. 回答的核心结论是否与本站页面的结论一致，而非仅出现链接。
2. 本站页面是否为主要依据，而非并列参考中的一条。
3. 是否保留截图，截图包含完整问题与完整回答。

三条都满足才计为首位答案。只出现链接但结论来自别处，不计。结论一致但没有链接，也不计，因为无法核验来源。

ECI 的抽样方式

ECI 衡量证据链完整度，按季度抽样计算。建议每季抽 30 条核心主张，逐条走六跳，记录通过与否。

示例算法（示例数据）：抽取 30 条主张，其中 18 条六跳全部通过，则 ECI 为 60%。未通过的 12 条需要按断链类型归类，形成下一季的修复清单。ECI 的计算与抽样细节见ECI：证据链完整度怎么算。

口径漂移与异常处理

指标最怕的不是数值低，而是口径悄悄变了却仍与历史数据比较。常见漂移来源有四类：产品改版导致入口与展示形式变化；模型升级导致回答风格变化；提问措辞被「顺手优化」；记录字段增删。

处理方式有三条：记录时同时写下模型版本或入口、提问原句与采集日期；口径变更时重跑一次基线，并在报告中标注「口径已变更，不与上期直接比较」；历史记录只增不改，修订以追加说明的方式体现。

异常值同样需要流程。某一周引用数突然归零，先排查记录环节：是否漏采、是否换了入口、是否截图缺失。确认记录无误后，再排查页面侧：是否改版、是否出现抓取异常、是否误加了屏蔽规则。

缺失数据不要补零。未采集就写「未采集」，采集中断就写「中断原因」。补零会让趋势图看起来完整，实际制造了假信号。

示例基线表

下表为示例数据，非真实监测结果，仅用于说明记录格式与计算方式。真实监测需要按固定流程逐条提问、截图与判定。

表的读法有三条：先看合计，判断整体水平；再看模型差异，判断是否需要针对某个入口补内容；最后看首位答案，判断是否只是「被提到」而非「被当作依据」。三项一起看，才不会把提及误读为效果。

实施路径：分阶段动作与检查点

实施路径分为五个阶段。阶段之间不是时间刻度，而是依赖关系：前一阶段的产出是后一阶段的输入。跳阶段推进，通常会在评测时暴露问题。

各阶段的判断标准

1. 基线阶段。判断标准：问题清单、模型清单、记录字段三项固定，且首轮不设目标值。设了目标容易在记录时产生倾向。
2. 结构阶段。判断标准：正文页在关闭脚本的情况下仍可完整阅读，URL 稳定，sitemap 有条目。
3. 内容阶段。判断标准：每个目标问题对应一个页面，页面首屏有结论，关键主张配证据块。
4. 机器可读阶段。判断标准：结构化数据字段与正文一致，证据索引中的来源可以打开。
5. 评测阶段。判断标准：同一问题在不同周的记录可以对比，缺口能落到具体页面与具体动作。

与投放、SEO、公关的协作边界

GEO 不是孤立动作，需要与既有职能划清边界，避免重复投入或互相抵消。

边界清楚后，指标才不会互相冒充。投放带来的访问量上升，不能写成引用率提升；公关带来的媒体报道，不能写成首位答案增加。

十二项发布检查

十二项里，第 3、4、7 项是底线。缺少来源时，宁可删掉结论，也不要用「业内普遍认为」填补。等级标注同理：不确定就标 L2，不要为了显得权威而抬高等级。

内容改造：把旧文变成可引用页面

多数站点并不缺内容，缺的是可引用形态。本节给出一套改造顺序，适用于已有文章、栏目页与产品说明页。改造的目标不是提高字数，而是让页面具备被摘取与被核验的条件。

改造顺序

推荐顺序是：补结论、补来源、补实体、补结构、改标题。

这个顺序与直觉相反。多数团队的直觉是先改标题、加关键词，再去调整正文。问题在于：标题决定点击，结论决定引用。标题改得再好，正文仍是一段依赖前文的长句时，页面依然无法被摘取。

补结论放在前面，是因为它决定页面是否值得继续投入。若一个页面找不到可以独立成立的结论，说明它本身是资料堆叠，改造价值有限，应考虑合并或重写。

补来源放在其后，是因为结论需要支撑。没有来源的结论只能算观点，标为 L2 并写明经验性方法，不能作为对外主张。

补实体与补结构解决归属与可读性。作者、发布方、名称写法统一后，页面才能被正确归属；标题层级与表格、列表就位后，片段才容易被理解。

改标题放在末位，是因为标题应当服务于已经成型的内容，而不是反过来。先定标题容易把正文写成标题的注脚，出现大量空话。

六步操作

1. 找出页面真正回答的问题。判断标准：能用一句疑问句写出来，且不与站内其他页面重复。
2. 在正文开头补一句结论。判断标准：60 字以内，不出现依赖上下文的代词，单独阅读仍成立。
3. 为每个关键主张补证据块。判断标准：七项齐全，链接可在三次点击内到达来源。
4. 统一实体信息。判断标准：作者与发布方标识全站一致，名称写法无变体。
5. 调整结构。判断标准：二级标题能独立成节，对比与参数改用表格，步骤改用有序列表。
6. 最后调整标题与摘要。判断标准：标题与一级标题一致，摘要 20 至 60 字且与正文结论一致。

六步完成后再看指标。若引用仍无变化，回到可摘取与可核验两跳逐条排查，而不是继续改标题。

改造前后对照

一个常见反例

反例（示例，非真实站点）：某栏目页在改造时先换了标题，加了「完整指南」「深度解析」等词，正文未动。上线后收录正常，但引用没有变化。

原因不在标题，而在正文：首段仍在讲背景，核心结论分散在第三节与第五节，来源只有文末三条链接且未对应到主张。模型即使检索到该页，也难以摘出一句完整结论。

修复动作是回到顺序起点：先把结论提到首段，再把来源拆到主张级，最后才处理标题。这个顺序看似慢，实际减少了反复。

改造的边界

改造能提升可引用条件，不能承诺结果。以下情况即使完成六步，也可能长期没有引用：页面主题过于宽泛，缺少明确问题；站点整体缺乏可核验的外部提及；内容与用户真实问法差距较大。

遇到这类情况，优先调整选题与问题覆盖，而不是继续在同一页面叠加内容。页面越长、结论越分散，反而越难被摘取。

组织与节奏：谁来做、多久做一次

方法能否持续，取决于分工与节奏。把 GEO 当作一次性项目，通常在首轮记录之后就停下来；把它当作固定节奏的例行工作，才可能积累出可比较的数据。

三个角色可以是同一个人，但职责要分开记录。原因很实际：写作与核对由同一人完成时，容易把「我记得是这样」当作来源。至少让核对动作独立成一步，并留下核验日期。

节奏的价值在于可比性。每周固定采集，才能区分「偶发波动」与「趋势变化」；每季固定复核，才能避免口径在不知不觉中变形。

不建议一次性大批量改造。小步改造的好处是每批都能对应一次记录，出问题时容易定位到具体动作。一次改二十篇，结果变好或变坏都说不清原因。

合规与伦理

GEO 的合规要求与传统内容营销一致，但多了两类风险：一是伪造证据，二是伪造效果。两者都会直接摧毁可信度，且很难修复。

AI 辅助写作需要保留标识。标识不是免责声明，而是告知读者内容的生产方式，便于其判断可信度。涉及标准、政策与数据的段落，必须由人逐条核对原文，不能依赖模型转述。

公开评测需要遵守三条：公开方法与样本、公开全部记录而非挑选后的结果、明确标注示例数据与真实数据的区别。做不到第三条时，宁可只发布方法，不发布数字。

证据标准与分级

证据分级的目的不是给内容贴标签，而是让读者知道「这条主张能被核验到什么程度」。本站采用五级口径。

为什么本站自研默认为 L2

本站的方法来自实践总结与公开资料的整理，具备可复现性：读者可以按步骤执行，也可以用清单自查。但这些方法尚未被第三方机构验证，也没有外部研究复现，因此不满足 L3 与 L5 的条件。

把自研方法标为 L2，并在页面写明「经验性方法」，不是自我贬低，而是让读者正确估计证据强度。反过来，把自研方法标成 L3 或 L5，会破坏整站的可信度：一旦读者发现等级与实际不符，其他页面的标注也会被怀疑。

自有域名之间的互相引用，最多算 L4。这一点常被忽略：站群互链看起来像「多方印证」，实际仍是同一主体。

证据块七项

每条核心主张配一个证据块，固定七项，缺一项则删除该主张。

1. 【主张】一句话，可独立引用。
2. 【依据】文件或方法页的全称。
3. 【发布机构】机关、组织或作者。
4. 【时间】公布时间，必要时写生效或失效时间。
5. 【定位】条款号、章节、页码或数据字段。
6. 【摘录】不超过 200 字，注明引用范围。
7. 【链接】一手来源地址与核验日期。

【主张】自研方法与白皮书默认标注 L2，未经第三方验证时不抬高等级。 【依据】本站《内容生产与治理》规范（工作定义）。 【发布机构】GEOA（星哥一人公司）。 【时间】2026-11-09 发布；复核周期 180 天。 【定位】第 6 节「为什么本站自研默认为 L2」。 【摘录】「把自研方法标为 L2，并在页面写明经验性方法，不是自我贬低，而是让读者正确估计证据强度。」 【链接】https://geoa.com.cn/about/editorial/ ｜核验 2026-11-09

升级与降级

升级条件只有两类：被第三方机构或公开出版物采用并注明来源；获得可核验的外部研究复现。满足其一，相关主张可以从 L2 升到 L5。注意是「相关主张」，不是整篇文章。

降级条件更容易触发：来源链接失效、标准版本更新、数据口径变化、实体信息变更。出现任一情况，先降级并标注，再安排修复。修复完成前，该主张不再作为对外结论使用。

局限与不适用场景

白皮书需要写明自己解决不了什么，否则读者会把方法当成承诺。以下六条是已知局限。

模型机制不透明。国内大模型的抓取范围、索引方式、检索策略与排序逻辑并未完整公开，且会随版本调整。任何方法都只能提高具备条件的概率，不能控制结果。

结果不稳定。同一问题在不同时间、不同入口提问，回答可能不同。单次观测不足以支撑结论，需要固定问题集与多次记录。

无法承诺效果。任何声称可以承诺被引用的说法都不成立。能承诺的只有过程：固定问题集、固定记录方式、按周期复盘。

证据等级有上限。缺少外部锚点时，本站主张最高只能标 L2。这是事实限制，不是执行力度问题。

人工判定带主观性。首位答案与口径正确率需要人工判断，不同人可能有分歧。缓解方式是固定判据与保留截图，而不是追求完全客观。

样本量有限。30 个问题覆盖不了全部用户意图，6 个模型也代表不了全部入口。结论应作为趋势参考，不宜外推为行业结论。

对读者来说，合理的预期是：按方法执行后，页面更具备被引用的条件，记录更可复核，问题定位更清晰。不合理的预期是：执行后一定在某个时间窗口内被某个模型引用。

常见误区与纠正

方法执行一段时间后，最容易出现的不是技术问题，而是判断方式的偏移。以下七种误区在实践中反复出现，逐条给出纠正动作。

只看有没有链接，不看结论是否正确

链接是最容易观测的信号，因此常被当作单一判据。但回答中出现链接，不等于结论来自该页面：模型可能只是把页面列为参考，实际结论来自别处。

纠正动作是同时记录三项：是否有链接、结论是否与页面一致、页面是否为主要依据。三项分开记录，才能区分引用与首位答案。

只做结构化数据，不改正文

结构化数据见效快、动作明确，容易被当作主要抓手。但机器可读只降低理解成本，不改变内容是否值得引用。

纠正动作是先检查首屏结论与段落自包含，再补结构化数据。顺序反过来，通常得到「字段齐全但无法摘取」的页面。

把提及当作引用

品牌名出现在回答里，会让人产生「已经被认可」的错觉。提及只说明名称被提到，不说明内容被使用。

纠正动作是在记录表中把提及与引用分成两列，分别计算，汇报时也分开说明。混在一起报，会高估进展。

一次没被引用就否定方法

引用受抓取、索引、检索与生成四阶段影响，单次观测的波动很大。用一次提问的结果判断方法是否有效，结论不可靠。

纠正动作是固定问题集，连续记录至少四周，再判断趋势。单周数据只用于发现异常，不用于下结论。

频繁更换问题集

问题集一换，历史数据就无法比较。有的团队为了让数据「好看」，悄悄删掉没有被引用的难题，这会直接破坏可比性。

纠正动作是问题集一季度一版，中途只增不改；确需调整时，保留旧版并双轨记录一个周期。

把媒体提及当作引用

公关稿或媒体报道提到品牌，属于外部锚点，可以提升旁证强度，但不等于生成式回答中的引用。

纠正动作是在证据台账中把「外部提及」与「AI 引用」分成两类，前者用于提升证据等级，后者用于计算引用率。

忽略可达性与加载

页面在本地预览正常，线上却因为脚本渲染、拦截规则或证书问题无法打开，这类问题不会出现在内容评审里，却会让所有优化失效。

纠正动作是把可达性检查放进发布流程：关闭脚本后正文可读、状态码正常、移动端可访问。检查一次只需几分钟，却能避免整批内容白做。

结语

白皮书的目标不是给出一个可以照抄的模板，而是提供一套可检查、可复盘的判断方式。方法可以调整，判断标准应当稳定：结论是否独立成立、来源是否可核验、归属是否清晰、指标是否可比。

如果只能保留一条建议，那就是先把首屏结论与来源做对，再谈结构化数据与机器可读文件。前者决定内容是否值得引用，后者只降低理解成本。顺序颠倒，投入会花在看得见却不起作用的地方。

引用格式与许可证

引用格式

推荐使用作者—年份格式，便于在正文中标注，也便于机器解析。

星哥. (2026). GEO 方法论白皮书 v1.0：从被收录到被引用 (v1.0). GEOA. https://geoa.com.cn/whitepaper/geo-method-v1/

正文引用可写作「（星哥, 2026）」，并在参考文献中给出上述完整条目。引用具体章节时，建议注明章节名，例如「第 4 节 方法体系」。

摘录要求：单处摘录不超过 200 字；保留原文语义，不断章取义；附上原文链接与版本号。涉及数据时，注明「示例数据」或实际采集时间。

版本规则

版本号与发布日期必须与页面、可下载文件、更新日志三处一致。只改一处会造成引用混乱：读者拿到的版本与页面显示的不一致，无法判断结论属于哪一版。

许可证

本白皮书采用 CC BY 4.0 许可。允许复制、转载、改编与商业使用，需满足以下条件：

1. 署名作者与发布方，保留原文链接。
2. 注明版本号与引用日期。
3. 改编版本需说明修改内容，不得暗示原作者为改编版本背书。
4. 不得移除原文中的证据等级标注与局限说明。

不允许的用法包括：删除局限说明后作为确定性结论传播；把 L2 方法包装成行业标准；以本站名义发布未经确认的内容。发现错误或表述不当，可通过站点公布的联系邮箱反馈，核实后按纠错流程修订并在更新日志登记。

附录 A：自检清单

清单的用法是逐项打勾，而不是通读一遍凭印象判断。任何一项为否，先修复再发布；无法修复时，删除对应主张，不要保留半成品结论。

清单的两种用法

清单可以当发布闸门，也可以当复盘工具。两种用法的判定重点不同。

当作发布闸门时，逐项判定「是」或「否」，任何一项为否都不发布。这种方式适合单页上线前的最后一道检查，重点是不让明显缺陷流出。

当作复盘工具时，不追求全部为「是」，而是记录哪几项长期不达标。连续三个月同一项不达标，说明问题不在执行，而在流程设计，需要调整分工或模板。

两种用法都要留下记录。只打分不记录，下一次仍会重复同样的问题；只记录不跟踪，问题清单会越积越长，最终谁也不看。

附录 B：常见问题

GEO 会取代 SEO 吗？ 不会。两者回答不同问题：被搜到与被引用。搜索仍是重要的发现入口，生成式回答是新增的引用入口，评估口径需要分开。

加了 JSON-LD 就会被引用吗？ 不会。结构化数据只降低机器理解成本，是否被引用取决于内容是否可摘取、来源是否可核验。

llms.txt 是官方标准吗？ 不是。它是社区提案，抓取效果需要实测，不能当作收录开关。

多建几个站点能提升引用吗？ 通常不能。同源重复容易被判重，正确做法是集中到一个规范页面，其他站点只做摘要与链接。

多久能看到引用？ 没有固定周期。取决于抓取、索引、检索与内容条件，任何给出确定时间的说法都不可信。

白皮书里的基线数据能直接引用吗？ 不能当作真实监测结果。文中表格与示例均为示例数据，用于说明记录格式与计算方式，真实数据以公开发布的评测报告为准。

附录 C：术语速查

附录 D：二十条术语简表

附录 E：一次完整改造的示例

本节用一个虚构示例说明六步改造如何落到句子层面。示例不指向任何真实站点，也不代表真实效果。

改造前，页面开头是：「随着生成式人工智能的快速发展，越来越多的企业开始关注 GEO，但在实际执行中仍然存在很多困惑，本文将从多个角度进行探讨。」

这段话有三个问题：开头是背景铺垫，没有结论；主语模糊，「很多困惑」没有指向；整段脱离上下文后不成立。

改造后，开头改为：「GEO 的执行顺序是补结论、补来源、补实体、补结构，最后再改标题；顺序颠倒会让优化停在表面。」这句话 50 字左右，主语明确，单独阅读仍成立。

改造前的来源处理是文末列出三条参考链接。改造后，每条关键主张下方配一个证据块，写清依据名称、发布机构、时间、定位、摘录与链接，读者可以在三次点击内到达来源。

改造前的结构是全篇小标题，没有表格。改造后，把改造顺序、判断标准与常见反例分别做成表格，步骤改为有序列表，读者可以按表执行。

改造前的实体信息出现三种称呼。改造后，全站统一为一个名称，作者与发布方使用固定标识，页面内不再重复定义头衔与机构。

改造后的自检结果如下表。

需要重复说明：完成上述改造只代表页面具备被引用的条件，不代表一定会被引用。判断是否生效，仍要回到固定问题集的周期记录。

附录 F：版本记录

版本记录的用途是让引用可追溯。读者引用某个结论时，能够确认该结论属于哪一版、是否已被修订。修订不覆盖历史：文字调整记在同路径的修改时间中，结构与结论变化另开新路径，旧版保留并标注已被取代。

下一版的修订重点有三项：补入真实评测数据并注明采集时间；根据复核结果调整指标口径与示例；补充外部锚点的实际进展。三项都完成后再评估是否升为 v2.0。

相关阅读

• 什么是 GEO（生成式引擎优化）
• 六跳证据链：让 AI 从看到到相信
• 三跳原则：任何主张都要三次点击内到达一手来源
• 答案前置：60 字内写出可被直接引用的结论
• 实体一致性：让 AI 认出这些页面说的是同一个人
• 机器可读层：llms.txt、JSON-LD 与证据索引怎么写
• ECI：证据链完整度怎么算
• 引用率：定义、计算与局限