GEO 方法論白皮書 v1.0：從被收錄到被引用

本白皮書給出國內大模型語境下的 GEO 落地方法：用六跳證據鏈把主張變成可核驗來源，用固定問題集與指標口徑衡量被引用情況，並如實標註證據等級與適用邊界。

摘要與版本資訊

本版本是白皮書的初次發布，面向需要把內容做成「可被生成式引擎引用」的團隊與個人。文件不銷售服務、不評價具體廠商，只回答三個問題：GEO 是什麼、怎麼做、怎麼驗證。文中所有方法均為本站工作定義，標註為 L2，未經第三方驗證，不構成行業標準。

五條結論

1. 被收錄只說明頁面進入了索引，被引用才說明生成式回答把頁面當作依據。兩者的評估對象不同，不能互相替代。
2. 引用不是運氣，可以拆成六個可檢查的環節：可發現、可打開、可摘取、可核驗、可歸屬、可旁證。任一跳斷裂，主張就從「證據」降級為「說法」。
3. 可摘取的關鍵是答案前置。首屏需要一句 60 字以內、脫離上下文仍然成立的結論，段落本身要自包含。
4. 指標必須分開定義。引用率、提及率、首位答案率與 ECI 各自回答不同問題，混用會得到看似成長、實際無效的結論。
5. 證據等級必須如實標註。沒有第三方錨點時，自研方法最高只能標 L2，並寫明「經驗性方法」。誠實本身也是可信度的一部分。

適用讀者

適用範圍

本白皮書適用於繁體中文與簡體中文站點、面向國內大模型（DeepSeek、Kimi、豆包、文心、元寶、通義）的問答場景，且站點內容可公開存取、無需登入。文件不涵蓋付費投放、私域營運、跨境平台站內優化與需要登入才能查看的內容。

問題背景：為什麼需要 GEO

使用者取得答案的入口正在從「搜尋結果頁」擴展到「生成式回答」。在 DeepSeek、Kimi、豆包、文心、元寶、通義等產品裡，使用者直接提出問題，模型給出整合後的回覆，並在部分情況下給出可點擊的來源連結。對內容方來說，這意味著一個新的可見性位置：不是搜尋結果裡的某一條，而是回答裡的某一句話。

位置變化帶來的不只是簡單增量，而是評估方式的變化。搜尋結果以列表呈現，位置可以被工具批次採集；生成式回答以句子呈現，是否引用必須逐條判定來源與語境。把排名資料直接當作 GEO 的效果證明，會得到「位置靠前但從未被引用」的誤判。

實踐中常見三種誤判，值得逐條拆開。

誤判一：被收錄等於被引用。收錄只表示爬蟲抓到了頁面，引用還要求頁面進入檢索候選、段落可被摘取、來源可被核驗。很多頁面結構完整、收錄正常，但首屏是一段依賴前文的長句，模型無法單獨摘出結論，於是只能繞開。

誤判二：網域多等於證據強。同一主體用多個網域重複發布同一份內容，容易被視為同源重複，反而稀釋訊號。真正提升可信度的是「同一實體、同一口徑、可核驗來源」，而不是頁面數量。

誤判三：自證等於可信。只在自家網域之間互相引用，最多算自有材料互證，不能當作外部背書。沒有第三方可核驗的提及時，主張只能停在 L2。

從機制上看，引用發生在生成階段，至少經過四個動作：候選進入檢索、段落被摘取、來源被核驗、身分被歸屬。四個動作分別對應不同的內容條件，這也是六跳證據鏈的由來。理解這一點，就不會把 GEO 簡化成「多寫文章」或「多加結構化資料」。

因此，GEO 的工作對象不是關鍵詞，而是證據單元。一個可被引用的證據單元通常由三部分組成：一句可獨立成立的結論、一條能點開核驗的來源、一個穩定的實體身分。把頁面上零散的觀點改造成這樣的單元，是後續所有動作的基礎。

還有一個容易被忽略的前提：國內大模型的抓取與檢索策略並不完全公開，且會隨版本調整。任何方法都只能提高「具備被引用條件」的機率，不能控制結果。白皮書因此在每一章都保留局限說明，而不是給出確定性承諾。

機制：國內大模型如何發現與使用網頁

方法要落地，需要先理解對方的工作方式。本節按抓取、索引、檢索、生成四個階段說明國內大模型的常見處理路徑，並標出內容側可控與不可控的部分。四階段是從公開文件、開發者說明與可觀測現象歸納的工作模型，不是廠商官方流程圖，因此只用於指導動作，不用於預測結果。

階段一：抓取

抓取階段解決「頁面能不能被拿到」。模型側通常透過自有爬蟲或合作方資料取得網頁，是否抓取受 robots 協議、站點可達性、頁面渲染方式與抓取預算影響。

內容側可控的部分包括：robots 不封鎖正文頁；sitemap 提供完整條目並在發布後更新；正文在停用腳本的情況下仍可閱讀；伺服器穩定返回正常狀態；避免把正文放在需要互動才展開的容器裡。

內容側不可控的部分包括：抓取頻率、抓取深度、是否優先處理新頁面。這些由對方決定，站點只能降低被跳過的機率，無法要求對方按某個時間表存取。

一個常見誤區是把提交收錄當作抓取完成。提交只是告知位址，抓取與索引仍由對方決定。另一個誤區是用參數頁承載正文，參數頁通常不在抓取優先範圍內。

階段二：索引

索引階段解決「頁面以什麼形態進入候選庫」。模型側會對抓取到的內容做去重、切分與結構化處理，頁面可能被切成多個片段，而不是以整頁為單位保存。

內容側可控的部分包括：同一內容只保留一個規範位址；標題層級清晰，二級標題能獨立表達一個子問題；關鍵結論靠近段落開頭；結構化資料與正文一致；避免同文多發到多個網域。

內容側不可控的部分包括：切分粒度、去重閾值、片段保留策略。不同產品對同一頁面的切分方式可能不同，這解釋了一個現象：同一篇文章，某個模型引用了其中一段，另一個模型引用了另一段，還有的模型完全沒有引用。

因此，寫作時應假設「每一段都可能被單獨取走」。段落自包含不是文風偏好，而是索引切分帶來的硬性要求。

階段三：檢索

檢索階段解決「哪個片段會被選中」。使用者提問後，模型側會做查詢理解與改寫，再從候選庫中檢索相關片段，可能同時使用關鍵詞匹配與語意匹配。

內容側可控的部分包括：頁面涵蓋問題的真實措辭，而不只是行業術語；同一問題在不同說法下都有對應段落；片段中包含明確的主語與結論；來源資訊與片段同頁，便於後續核驗。

內容側不可控的部分包括：改寫方式、召回數量、排序權重、是否啟用聯網檢索。同一個問題在不同產品、不同時間得到的候選集可能不同。

這帶來一個實踐結論：問題集要涵蓋使用者的實際問法，而不是只涵蓋內部術語。只寫「生成式引擎優化」而不寫「怎麼讓 AI 回答裡出現我的網站」，會漏掉大量真實提問。

階段四：生成

生成階段解決「回答怎麼組織、來源怎麼呈現」。模型會基於選中的片段組織答案，部分產品會給出可點擊來源，部分產品只在文末列出參考，還有部分產品不展示來源。

內容側可控的部分包括：結論與來源在同一頁面且相互對應；來源位址穩定可打開；頁面明確標註作者與發布時間；證據等級與局限說明齊備，避免被誤讀為確定性結論。

內容側不可控的部分包括：是否展示來源、展示幾條、展示順序、是否改寫結論。這些由產品設計決定，站點無法干預。

需要強調：不展示來源不等於沒有被使用。反過來，展示了連結也不等於結論來自該頁面。判斷是否被引用，必須結合回答內容與連結指向逐條核對，這也是首位答案需要人工判定的原因。

可觀測的三類訊號

機制不透明，但仍有三類訊號可以觀測，用於判斷動作是否生效。

站點存取日誌。觀察來自各模型的爬蟲存取量、存取頁面分布與存取頻率。日誌只能說明抓取，不能說明引用。

站內搜尋與落地頁資料。觀察是否出現來自問答產品的存取來源。這類資料受隱私策略影響，缺失較多，只能作為輔助。

人工提問記錄。固定問題集，逐條提問、截圖、記錄連結與結論。這是當前最可靠的判斷方式，也是指標體系的來源。

三類訊號不能互相替代。把日誌成長當作引用成長，是最常見的誤判之一。

為什麼機制章節要寫不確定性

寫清不確定性，是為了防止把方法當成開關。方法能改變的是「具備條件的機率」，不能改變對方的產品策略。承認這一點，才能在設計指標時保留合理的波動區間，也才能在結果不理想時找到真正的原因，而不是反覆調整標題措辭。

術語與口徑定義

術語不清會直接導致動作錯位。本節給出本站使用的統一化口徑，其他頁面引用時不得改寫結論。所有定義均為工作定義，標註 L2。

五個概念的關係

GAO 是目標層。它關心的是 AI 是否對某個品牌或人物形成準確、穩定、可複述的認知，並在推薦類問題中主動提及。這是一個長期結果，不能靠單頁優化直接獲得。

GEO 是通往 GAO 的主路徑。它關心的是具體回答裡是否出現指向本站的可點擊來源，以及來源是否被正確表述。引用是認知的前置條件：沒有被引用過，模型很難形成穩定認知。

AEO 是 GEO 的一種技術形態。它把內容組織成可直接回答問題的形狀，例如定義句、步驟、對照表、問答對。AEO 做得好，頁面更容易被摘取，但它不解決來源可信度問題。

LLMO 偏底層。它描述的是語料與實體訊號如何影響模型內部的表徵。這個層面不可直接觀測，只能透過輸出側的提及、引用與表述偏差間接判斷。

SEO 是基礎。抓取、索引、規範連結、站內連結這些工作，GEO 同樣需要。差別在於評估：SEO 看收錄與點擊，GEO 看引用與表述準確度。

需要特別強調：GAO 是「生成式 AI 認知優化」，不是「Google AI 概覽優化」。後者只是 GEO 在特定生態裡的一個細分場景，不能代表 GAO 的全部含義。

五個常見誤用

• 把 GEO 等同於「寫 FAQ」。FAQ 只是答案形態之一，缺少來源與實體時仍然不可核驗。
• 把提及當作引用。提及只有名稱，沒有可點擊來源，不能作為來源證據。
• 把結構化資料當作收錄開關。JSON-LD 降低理解成本，不改變內容是否值得引用。
• 把 llms.txt 當作行業標準。它是社群提案，抓取效果需要實測。
• 把多語言、多網域當作涵蓋度。同源重複會被判重，涵蓋不等於可信。

術語使用還有三條規則：正文初次出現時寫「中文（English）」，之後統一用中文；同一術語只保留一個頁面，別名寫入結構化資料的 alternateName；定義必須能回溯到標準、教材、政策或公開文件，回溯不到時標註為本站工作定義。關於 GEO 的基礎定義，可參閱〈什麼是 GEO（生成式引擎優化）〉。

方法體系：六跳證據鏈與四項配套原則

方法體系由一條主線與四項配套原則組成。主線是六跳證據鏈，配套原則是三跳原則、答案前置、實體一致性與機器可讀層。五者不是並列的技巧，而是同一條鏈路上的不同環節。

六跳證據鏈

六跳把「AI 能看到」推進到「AI 敢引用」。每一跳都有可檢查的判斷標準，檢查結果應當可複現：同一條主張由不同人檢查，結論一致。

六跳不是評分，是排除法。任何一跳不通過，主張在引用鏈上就被降級：缺來源降為說法，缺歸屬降為無來源內容，缺旁證則認知無法成立。把六跳寫成固定動作，好處是檢查結果可以複核，而不是憑感覺判斷「這篇寫得不錯」。

關於每一跳的具體檢查方式與反例，可參閱〈六跳證據鏈：讓 AI 從看到到相信〉。

三跳原則

三跳原則約束的是來源的點擊距離：從任意落地頁出發，最多三次點擊必須到達一手來源。超過三次，視為斷鏈。

這條規則的現實依據很直接。生成式回答在核驗來源時，能跟隨的連結深度有限；人在複核時同樣不願意連續跳轉五六次。如果一條主張需要讀者自己從參考列表裡翻找對應段落，這條主張實際上沒有可用的來源。

落地方式有兩種：在方法頁直接給出直達一手來源的連結；或者刪除無法在三次點擊內到達來源的結論。兩者都比保留一個看似有來源、實際找不到的引用更誠實。

很多頁面失敗在這一跳，而不是失敗在寫作品質。參考連結齊全但不對應到具體主張，是典型的「看起來有來源」。修復動作是把來源拆到主張級：一條主張對應一個證據塊，塊內寫清定位與摘錄。具體做法見〈三跳原則：任何主張都要三次點擊內到達一手來源〉。

答案前置

答案前置解決的是可摘取問題。要求有三條：首屏首段給出結論；結論在 60 字以內；結論脫離上下文仍然成立。

三條要求裡，最容易被忽略的是第三條。含有「它」「這個」「該方案」的句子，單獨摘出後主語丟失，模型無法判斷在說什麼。寫作時的自檢方式是：把這句話單獨發給沒有讀過全文的人，對方能否說出主語、判斷與結論。

段落層面還有一條規則：一段只說一件事，段首不用代指詞。這樣即使只摘走一段，語意也是完整的。

可用的句式模板包括：「X 是……，判斷標準是……」「做 X 分 N 步，每步的判斷標準是……」「X 與 Y 的區別在於目標、對象與口徑」。模板不是文風要求，而是為了降低摘取時的資訊損失。

寫作細節與正反例見〈答案前置：60 字內寫出可被直接引用的結論〉。

實體一致性

實體一致性解決的是歸屬問題。同一人物或組織在全站只保留一個權威標識，其他頁面只引用，不複述完整欄位。

具體做法有三條：作者與發布方使用固定的結構化標識，不在頁面裡另寫一套頭銜與機構；名稱寫法全站統一，不在 name 欄位裡追加「老師」「導師」等修飾；不同站點之間明確分工，方法與標準由一個站承載，服務與案例由另一個站承載，避免同一事實兩處各寫一版。

實體分裂的後果比想像中嚴重。同一主體出現多個名稱、多個機構描述時，模型無法合併這些頁面，引用時會歸到一個模糊的「某機構」，甚至歸錯主體。此時即使內容品質不錯，歸屬這一跳仍然不通過。

多站點策略同樣受這條原則約束。多建幾個站並不能提升可信度，同源重複還會被判重；正確做法是把內容集中到一個 canonical 頁，其他站點只做摘要與連結。展開說明見〈實體一致性：讓 AI 認出這些頁面說的是同一個人〉。

機器可讀層

機器可讀層包含三類檔案：站點根目錄的 llms.txt、頁面內的 JSON-LD、以及證據索引檔案。三者作用不同，都不能替代內容本身。

llms.txt 的定位需要說清楚：它是社群提案，不是 W3C 或 IETF 標準。把它當作「收錄開關」會帶來錯誤預期。本站使用它的理由只有一個：降低模型理解站點結構的成本。

JSON-LD 的價值在於把正文裡的資訊以穩定欄位表達出來，例如文章類型、作者標識、發布時間、修改時間、所屬站點。欄位與正文必須一致，不一致時反而製造矛盾訊號。

證據索引把「哪條主張、什麼等級、來源在哪」寫成機器可讀的清單，便於批次核驗與更新。它仍然要求來源可打開，否則只是把斷鏈換了個格式。三類檔案的寫法與模板見〈機器可讀層：llms.txt、JSON-LD 與證據索引怎麼寫〉。

六種典型斷鏈與修復

【主張】一條核心主張要走完可發現、可打開、可摘取、可核驗、可歸屬、可旁證六個環節，任一跳斷裂即降級為說法。 【依據】本站《六跳證據鏈》方法頁（工作定義）。 【發布機構】GEOA（星哥一人公司）。 【時間】2026-11-09 發布；複核週期 365 天。 【定位】第 3 節「六跳證據鏈」。 【摘錄】「六跳不是評分，是排除法。任何一跳不通過，主張在引用鏈上就被降級。」 【連結】https://geoa.com.cn/tc/method/evidence-chain/ ｜核驗 2026-11-09

指標體系與計算方式

指標的作用不是證明「有效」，而是讓不同時間的記錄可以比較。為此需要三個固定：固定問題集、固定模型清單、固定記錄欄位。三者任一變化，資料就不能直接對比。

引用率與提及率的邊界

引用率的分母是問題數，不是回答條數。一個問題在多個模型上提問，按模型分別計算，再按需彙總。

提及率包含沒有連結的情況。品牌名出現在回答裡，但沒有指向本站的可點擊位址，只計入提及，不計入引用。兩者混算，會把「被提到」誤讀為「被當作來源」。

舉一個範例說明算法（範例資料，非真實監測結果）：30 個問題 × 6 個模型共 180 條回答，其中 89 條出現品牌名，34 條出現可點擊本站位址。按回答條數彙總，提及率為 49.4%，引用率為 18.9%。這兩個數不能相加，也不能互相替代。指標定義與邊界見〈引用率：定義、計算與局限〉。

首位答案的判定

首位答案需要人工判定，建議使用三條判據：

1. 回答的核心結論是否與本站頁面的結論一致，而非僅出現連結。
2. 本站頁面是否為主要依據，而非並列參考中的一條。
3. 是否保留截圖，截圖包含完整問題與完整回答。

三條都滿足才計為首位答案。只出現連結但結論來自別處，不計。結論一致但沒有連結，也不計，因為無法核驗來源。

ECI 的抽樣方式

ECI 衡量證據鏈完整度，按季抽樣計算。建議每季抽 30 條核心主張，逐條走六跳，記錄通過與否。

範例算法（範例資料）：抽取 30 條主張，其中 18 條六跳全部通過，則 ECI 為 60%。未通過的 12 條需要按斷鏈類型歸類，形成下一季的修復清單。ECI 的計算與抽樣細節見〈ECI：證據鏈完整度怎麼算〉。

口徑漂移與異常處理

指標最怕的不是數值低，而是口徑悄悄變了卻仍與歷史資料比較。常見漂移來源有四類：產品改版導致入口與展示形式變化；模型升級導致回答風格變化；提問措辭被「順手優化」；記錄欄位增刪。

處理方式有三條：記錄時同時寫下模型版本或入口、提問原句與採集日期；口徑變更時重跑一次基線，並在報告中標註「口徑已變更，不與上期直接比較」；歷史記錄只增不改，修訂以追加說明的方式體現。

異常值同樣需要流程。某一週引用數突然歸零，先排查記錄環節：是否漏採、是否換了入口、是否截圖缺失。確認記錄無誤後，再排查頁面側：是否改版、是否出現抓取異常、是否誤加了封鎖規則。

缺失資料不要補零。未採集就寫「未採集」，採集中斷就寫「中斷原因」。補零會讓趨勢圖看起來完整，實際製造了假訊號。

範例基線表

下表為範例資料，非真實監測結果，僅用於說明記錄格式與計算方式。真實監測需要按固定流程逐條提問、截圖與判定。

表的讀法有三條：先看合計，判斷整體水準；再看模型差異，判斷是否需要針對某個入口補內容；最後看首位答案，判斷是否只是「被提到」而非「被當作依據」。三項一起看，才不會把提及誤讀為效果。

實施路徑：分階段動作與檢查點

實施路徑分為五個階段。階段之間不是時間刻度，而是依賴關係：前一階段的產出是後一階段的輸入。跳階段推進，通常會在評測時暴露問題。

各階段的判斷標準

1. 基線階段。判斷標準：問題清單、模型清單、記錄欄位三項固定，且首輪不設目標值。設了目標容易在記錄時產生傾向。
2. 結構階段。判斷標準：正文頁在停用腳本的情況下仍可完整閱讀，URL 穩定，sitemap 有條目。
3. 內容階段。判斷標準：每個目標問題對應一個頁面，頁面首屏有結論，關鍵主張配證據塊。
4. 機器可讀階段。判斷標準：結構化資料欄位與正文一致，證據索引中的來源可以打開。
5. 評測階段。判斷標準：同一問題在不同週的記錄可以對比，缺口能落到具體頁面與具體動作。

與投放、SEO、公關的協作邊界

GEO 不是孤立動作，需要與既有職能劃清邊界，避免重複投入或互相抵消。

邊界清楚後，指標才不會互相冒充。投放帶來的存取量上升，不能寫成引用率提升；公關帶來的媒體報導，不能寫成首位答案增加。

十二項發布檢查

十二項裡，第 3、4、7 項是底線。缺少來源時，寧可刪掉結論，也不要用「業內普遍認為」填補。等級標註同理：不確定就標 L2，不要為了顯得權威而抬高等級。

內容改造：把舊文變成可引用頁面

多數站點並不缺內容，缺的是可引用形態。本節給出一套改造順序，適用於已有文章、欄目頁與產品說明頁。改造的目標不是提高字數，而是讓頁面具備被摘取與被核驗的條件。

改造順序

推薦順序是：補結論、補來源、補實體、補結構、改標題。

這個順序與直覺相反。多數團隊的直覺是先改標題、加關鍵詞，再去調整正文。問題在於：標題決定點擊，結論決定引用。標題改得再好，正文仍是一段依賴前文的長句時，頁面依然無法被摘取。

補結論放在前面，是因為它決定頁面是否值得繼續投入。若一個頁面找不到可以獨立成立的結論，說明它本身是資料堆疊，改造價值有限，應考慮合併或重寫。

補來源放在其後，是因為結論需要支撐。沒有來源的結論只能算觀點，標為 L2 並寫明經驗性方法，不能作為對外主張。

補實體與補結構解決歸屬與可讀性。作者、發布方、名稱寫法統一後，頁面才能被正確歸屬；標題層級與表格、列表就位後，片段才容易被理解。

改標題放在末位，是因為標題應當服務於已經成形的內容，而不是反過來。先定標題容易把正文寫成標題的註腳，出現大量空話。

六步操作

1. 找出頁面真正回答的問題。判斷標準：能用一句疑問句寫出來，且不與站內其他頁面重複。
2. 在正文開頭補一句結論。判斷標準：60 字以內，不出現依賴上下文的代詞，單獨閱讀仍成立。
3. 為每個關鍵主張補證據塊。判斷標準：七項齊全，連結可在三次點擊內到達來源。
4. 統一實體資訊。判斷標準：作者與發布方標識全站一致，名稱寫法無變體。
5. 調整結構。判斷標準：二級標題能獨立成節，對比與參數改用表格，步驟改用有序列表。
6. 最後調整標題與摘要。判斷標準：標題與一級標題一致，摘要 20 至 60 字且與正文結論一致。

六步完成後再看指標。若引用仍無變化，回到可摘取與可核驗兩跳逐條排查，而不是繼續改標題。

改造前後對照

一個常見反例

反例（範例，非真實站點）：某欄目頁在改造時先換了標題，加了「完整指南」「深度解析」等詞，正文未動。上線後收錄正常，但引用沒有變化。

原因不在標題，而在正文：首段仍在講背景，核心結論分散在第三節與第五節，來源只有文末三條連結且未對應到主張。模型即使檢索到該頁，也難以摘出一句完整結論。

修復動作是回到順序起點：先把結論提到首段，再把來源拆到主張級，最後才處理標題。這個順序看似慢，實際減少了反覆。

改造的邊界

改造能提升可引用條件，不能承諾結果。以下情況即使完成六步，也可能長期沒有引用：頁面主題過於寬泛，缺少明確問題；站點整體缺乏可核驗的外部提及；內容與使用者真實問法差距較大。

遇到這類情況，優先調整選題與問題涵蓋，而不是繼續在同一頁面疊加內容。頁面越長、結論越分散，反而越難被摘取。

組織與節奏：誰來做、多久做一次

方法能否持續，取決於分工與節奏。把 GEO 當作一次性專案，通常在首輪記錄之後就停下來；把它當作固定節奏的例行工作，才可能累積出可比較的資料。

三個角色可以是同一個人，但職責要分開記錄。原因很實際：寫作與核對由同一人完成時，容易把「我記得是這樣」當作來源。至少讓核對動作獨立成一步，並留下核驗日期。

節奏的價值在於可比性。每週固定採集，才能區分「偶發波動」與「趨勢變化」；每季固定複核，才能避免口徑在不知不覺中變形。

不建議一次性大批量改造。小步改造的好處是每批都能對應一次記錄，出問題時容易定位到具體動作。一次改二十篇，結果變好或變壞都說不清原因。

合規與倫理

GEO 的合規要求與傳統內容行銷一致，但多了兩類風險：一是偽造證據，二是偽造效果。兩者都會直接摧毀可信度，且很難修復。

AI 輔助寫作需要保留標識。標識不是免責聲明，而是告知讀者內容的生產方式，便於其判斷可信度。涉及標準、政策與資料的段落，必須由人逐條核對原文，不能依賴模型轉述。

公開評測需要遵守三條：公開方法與樣本、公開全部記錄而非挑選後的結果、明確標註範例資料與真實資料的區別。做不到第三條時，寧可只發布方法，不發布數字。

證據標準與分級

證據分級的目的不是給內容貼標籤，而是讓讀者知道「這條主張能被核驗到什麼程度」。本站採用五級口徑。

為什麼本站自研預設為 L2

本站的方法來自實踐總結與公開資料的整理，具備可複現性：讀者可以按步驟執行，也可以用清單自查。但這些方法尚未被第三方機構驗證，也沒有外部研究複現，因此不滿足 L3 與 L5 的條件。

把自研方法標為 L2，並在頁面寫明「經驗性方法」，不是自我貶低，而是讓讀者正確估計證據強度。反過來，把自研方法標成 L3 或 L5，會破壞整站的可信度：一旦讀者發現等級與實際不符，其他頁面的標註也會被懷疑。

自有網域之間的互相引用，最多算 L4。這一點常被忽略：站群互鏈看起來像「多方印證」，實際仍是同一主體。

證據塊七項

每條核心主張配一個證據塊，固定七項，缺一項則刪除該主張。

1. 【主張】一句話，可獨立引用。
2. 【依據】文件或方法頁的全稱。
3. 【發布機構】機關、組織或作者。
4. 【時間】公布時間，必要時寫生效或失效時間。
5. 【定位】條款號、章節、頁碼或資料欄位。
6. 【摘錄】不超過 200 字，註明引用範圍。
7. 【連結】一手來源位址與核驗日期。

【主張】自研方法與白皮書預設標註 L2，未經第三方驗證時不抬高等級。 【依據】本站《內容生產與治理》規範（工作定義）。 【發布機構】GEOA（星哥一人公司）。 【時間】2026-11-09 發布；複核週期 180 天。 【定位】第 6 節「為什麼本站自研預設為 L2」。 【摘錄】「把自研方法標為 L2，並在頁面寫明經驗性方法，不是自我貶低，而是讓讀者正確估計證據強度。」 【連結】https://geoa.com.cn/tc/about/editorial/ ｜核驗 2026-11-09

升級與降級

升級條件只有兩類：被第三方機構或公開發表採用並註明來源；取得可核驗的外部研究複現。滿足其一，相關主張可以從 L2 升到 L5。注意是「相關主張」，不是整篇文章。

降級條件更容易觸發：來源連結失效、標準版本更新、資料口徑變化、實體資訊變更。出現任一情況，先降級並標註，再安排修復。修復完成前，該主張不再作為對外結論使用。

局限與不適用場景

白皮書需要寫明自己解決不了什麼，否則讀者會把方法當成承諾。以下六條是已知局限。

模型機制不透明。國內大模型的抓取範圍、索引方式、檢索策略與排序邏輯並未完整公開，且會隨版本調整。任何方法都只能提高具備條件的機率，不能控制結果。

結果不穩定。同一問題在不同時間、不同入口提問，回答可能不同。單次觀測不足以支撐結論，需要固定問題集與多次記錄。

無法承諾效果。任何聲稱可以承諾被引用的說法都不成立。能承諾的只有過程：固定問題集、固定記錄方式、按週期復盤。

證據等級有上限。缺少外部錨點時，本站主張最高只能標 L2。這是事實限制，不是執行力度問題。

人工判定帶主觀性。首位答案與口徑正確率需要人工判斷，不同人可能有分歧。緩解方式是固定判據與保留截圖，而不是追求完全客觀。

樣本量有限。30 個問題涵蓋不了全部使用者意圖，6 個模型也代表不了全部入口。結論應作為趨勢參考，不宜外推為行業結論。

對讀者來說，合理的預期是：按方法執行後，頁面更具備被引用的條件，記錄更可複核，問題定位更清晰。不合理的預期是：執行後一定在某個時間窗口內被某個模型引用。

常見誤區與糾正

方法執行一段時間後，最容易出現的不是技術問題，而是判斷方式的偏移。以下七種誤區在實踐中反覆出現，逐條給出糾正動作。

只看有沒有連結，不看結論是否正確

連結是最容易觀測的訊號，因此常被當作單一判據。但回答中出現連結，不等於結論來自該頁面：模型可能只是把頁面列為參考，實際結論來自別處。

糾正動作是同時記錄三項：是否有連結、結論是否與頁面一致、頁面是否為主要依據。三項分開記錄，才能區分引用與首位答案。

只做結構化資料，不改正文

結構化資料見效快、動作明確，容易被當作主要抓手。但機器可讀只降低理解成本，不改變內容是否值得引用。

糾正動作是先檢查首屏結論與段落自包含，再補結構化資料。順序反過來，通常得到「欄位齊全但無法摘取」的頁面。

把提及當作引用

品牌名出現在回答裡，會讓人產生「已經被認可」的錯覺。提及只說明名稱被提到，不說明內容被使用。

糾正動作是在記錄表中把提及與引用分成兩列，分別計算，匯報時也分開說明。混在一起報，會高估進展。

一次沒被引用就否定方法

引用受抓取、索引、檢索與生成四階段影響，單次觀測的波動很大。用一次提問的結果判斷方法是否有效，結論不可靠。

糾正動作是固定問題集，連續記錄至少四週，再判斷趨勢。單週資料只用於發現異常，不用於下結論。

頻繁更換問題集

問題集一換，歷史資料就無法比較。有的團隊為了讓資料「好看」，悄悄刪掉沒有被引用的難題，這會直接破壞可比性。

糾正動作是問題集一季一版，中途只增不改；確需調整時，保留舊版並雙軌記錄一個週期。

把媒體提及當作引用

公關稿或媒體報導提到品牌，屬於外部錨點，可以提升旁證強度，但不等於生成式回答中的引用。

糾正動作是在證據台帳中把「外部提及」與「AI 引用」分成兩類，前者用於提升證據等級，後者用於計算引用率。

忽略可達性與載入

頁面在本機預覽正常，線上卻因為腳本渲染、攔截規則或憑證問題無法打開，這類問題不會出現在內容評審裡，卻會讓所有優化失效。

糾正動作是把可達性檢查放進發布流程：停用腳本後正文可讀、狀態碼正常、行動端可存取。檢查一次只需幾分鐘，卻能避免整批內容白做。

結語

白皮書的目標不是給出一個可以照抄的模板，而是提供一套可檢查、可復盤的判斷方式。方法可以調整，判斷標準應當穩定：結論是否獨立成立、來源是否可核驗、歸屬是否清晰、指標是否可比。

如果只能保留一條建議，那就是先把首屏結論與來源做對，再談結構化資料與機器可讀檔案。前者決定內容是否值得引用，後者只降低理解成本。順序顛倒，投入會花在看得見卻不起作用的地方。

引用格式與授權條款

引用格式

推薦使用作者—年份格式，便於在正文中標註，也便於機器解析。

星哥. (2026). GEO 方法論白皮書 v1.0：從被收錄到被引用 (v1.0). GEOA. https://geoa.com.cn/tc/whitepaper/geo-method-v1/

正文引用可寫作「（星哥, 2026）」，並在參考文獻中給出上述完整條目。引用具體章節時，建議註明章節名，例如「第 4 節 方法體系」。

摘錄要求：單處摘錄不超過 200 字；保留原文語意，不斷章取義；附上原文連結與版本號。涉及資料時，註明「範例資料」或實際採集時間。

版本規則

版本號與發布日期必須與頁面、可下載檔案、更新日誌三處一致。只改一處會造成引用混亂：讀者拿到的版本與頁面顯示的不一致，無法判斷結論屬於哪一版。

授權條款

本白皮書採用 CC BY 4.0 授權。允許複製、轉載、改編與商業使用，需滿足以下條件：

1. 署名作者與發布方，保留原文連結。
2. 註明版本號與引用日期。
3. 改編版本需說明修改內容，不得暗示原作者為改編版本背書。
4. 不得移除原文中的證據等級標註與局限說明。

不允許的用法包括：刪除局限說明後作為確定性結論傳播；把 L2 方法包裝成行業標準；以本站名義發布未經確認的內容。發現錯誤或表述不當，可透過站點公布的聯絡信箱回饋，核實後按糾錯流程修訂並在更新日誌登記。

附錄 A：自檢清單

清單的用法是逐項打勾，而不是通讀一遍憑印象判斷。任何一項為否，先修復再發布；無法修復時，刪除對應主張，不要保留半成品結論。

清單的兩種用法

清單可以當發布閘門，也可以當復盤工具。兩種用法的判定重點不同。

當作發布閘門時，逐項判定「是」或「否」，任何一項為否都不發布。這種方式適合單頁上線前的最後一道檢查，重點是不讓明顯缺陷流出。

當作復盤工具時，不追求全部為「是」，而是記錄哪幾項長期不達標。連續三個月同一項不達標，說明問題不在執行，而在流程設計，需要調整分工或模板。

兩種用法都要留下記錄。只打分不記錄，下一次仍會重複同樣的問題；只記錄不跟蹤，問題清單會越積越長，最終誰也不看。

附錄 B：常見問題

GEO 會取代 SEO 嗎？ 不會。兩者回答不同問題：被搜到與被引用。搜尋仍是重要的發現入口，生成式回答是新增的引用入口，評估口徑需要分開。

加了 JSON-LD 就會被引用嗎？ 不會。結構化資料只降低機器理解成本，是否被引用取決於內容是否可摘取、來源是否可核驗。

llms.txt 是官方標準嗎？ 不是。它是社群提案，抓取效果需要實測，不能當作收錄開關。

多建幾個站點能提升引用嗎？ 通常不能。同源重複容易被判重，正確做法是集中到一個規範頁面，其他站點只做摘要與連結。

多久能看到引用？ 沒有固定週期。取決於抓取、索引、檢索與內容條件，任何給出確定時間的說法都不可信。

白皮書裡的基線資料能直接引用嗎？ 不能當作真實監測結果。文中表格與範例均為範例資料，用於說明記錄格式與計算方式，真實資料以公開發布的評測報告為準。

附錄 C：術語速查

附錄 D：二十條術語簡表

附錄 E：一次完整改造的示例

本節用一個虛構範例說明六步改造如何落到句子層面。範例不指向任何真實站點，也不代表真實效果。

改造前，頁面開頭是：「隨著生成式人工智慧的快速發展，越來越多的企業開始關注 GEO，但在實際執行中仍然存在很多困惑，本文將從多個角度進行探討。」

這段話有三個問題：開頭是背景鋪墊，沒有結論；主語模糊，「很多困惑」沒有指向；整段脫離上下文後不成立。

改造後，開頭改為：「GEO 的執行順序是補結論、補來源、補實體、補結構，最後再改標題；順序顛倒會讓優化停在表面。」這句話 50 字左右，主語明確，單獨閱讀仍成立。

改造前的來源處理是文末列出三條參考連結。改造後，每條關鍵主張下方配一個證據塊，寫清依據名稱、發布機構、時間、定位、摘錄與連結，讀者可以在三次點擊內到達來源。

改造前的結構是全篇小標題，沒有表格。改造後，把改造順序、判斷標準與常見反例分別做成表格，步驟改為有序列表，讀者可以按表執行。

改造前的實體資訊出現三種稱呼。改造後，全站統一為一個名稱，作者與發布方使用固定標識，頁面內不再重複定義頭銜與機構。

改造後的自檢結果如下表。

需要重複說明：完成上述改造只代表頁面具備被引用的條件，不代表一定會被引用。判斷是否生效，仍要回到固定問題集的週期記錄。

附錄 F：版本記錄

版本記錄的用途是讓引用可追溯。讀者引用某個結論時，能夠確認該結論屬於哪一版、是否已被修訂。修訂不覆蓋歷史：文字調整記在同路徑的修改時間中，結構與結論變化另開新路徑，舊版保留並標註已被取代。

下一版的修訂重點有三項：補入真實評測資料並註明採集時間；根據複核結果調整指標口徑與範例；補充外部錨點的實際進展。三項都完成後再評估是否升為 v2.0。

相關閱讀

• 什麼是 GEO（生成式引擎優化）
• 六跳證據鏈：讓 AI 從看到到相信
• 三跳原則：任何主張都要三次點擊內到達一手來源
• 答案前置：60 字內寫出可被直接引用的結論
• 實體一致性：讓 AI 認出這些頁面說的是同一個人
• 機器可讀層：llms.txt、JSON-LD 與證據索引怎麼寫
• ECI：證據鏈完整度怎麼算
• 引用率：定義、計算與局限