01
看不见，直到客户截图发来
搜索引擎你还能查排名；AI 的回答因人、因问法、因时间而变，你没有仪表盘——除非有人替你逐条实测。
6
个必测中文 AI 引擎
DeepSeek · 豆包 · 通义 · 元宝 · Kimi · 文心
5
维确定性评分
4 维纯规则·零大模型 · 1 维人工复核
100%
数字可溯源
每个计数点回原始回答与截图
为什么是现在
决策层正在从搜索框迁移到对话框
当用户不再翻十条蓝色链接、而是直接问 AI“找谁靠谱”，你的品牌要么被写进那段答案，要么根本不存在。这是一个全新的、你看不见的货架。
02
大多数“优化”无效或会漂移
学术基准 C-SEO Bench（机器学习顶会 NeurIPS 2025）显示：「很多 GEO 优化手段在真实条件下并不稳定，效果会随模型迭代与竞争而漂移」。唯一稳定的价值，是可信的测量。
03
被提到 ≠ 被说对
普华永道（PwC）的研究发现 AI 回答里链接有效率 >94%，但事实准确率只有 39–77%。AI 可能提到你，却把你说窄、说错、说成“备胎”。
我们的取向
先测量，再优化
我们不卖玄学。BASELINE 的全部价值建立在三条铁律上——它们让结论可被法务、可被竞品、可被你自己反复核对。
01
确定性规则，不是 AI 打分
五维里有四维是纯代码规则：字符串匹配、位置三分位、来源域名匹配，零大模型（不调用大语言模型打分）、零随机。同一份证据，永远得到同一个结论。
02
原始计数，对外不报百分比
“5 次里被提到 0 次”，而不是“0%”。「小样本的百分比是噪声、经不起追问，我们只给原始计数配上威尔逊（Wilson）95% 置信区间」。
03
可溯源到每一次回答
取证按日期 append-only（只增不改）落盘、可断点续跑、不覆盖。报告里每个数字都用溯源标记 data-ev锚回那一次真实回答的截图——点开就能看“为什么是这个数”。
「在优化手段大多无效、效果还会随时间和竞争漂移的市场里，唯一稳定的价值，是可信的测量。」
我们测什么
每一次 AI 回答，拆成五个维度
问一个问题、连发追问、跑满 5 次，然后把每条回答拆成五维。「四维由规则自动确定，唯一的情感框架强制人工复核到最高置信层级（L1）才进报告」。
- 1
提及 Mention
品牌（及全部别名）有没有被写进答案正文？精确匹配，是/否。
- 2
排位 / 首屏 Rank
若被列出，排第几？是否落在前 600 字的首屏？按序数与字符位置定档。
- 3
被引用为来源 Citation
品牌有没有出现在 AI 的来源/参考列表里？按网址（URL）、标题、平台名匹配。
- 4
情感框架 Sentiment
“不可或缺”还是“最后选项”？唯一非自动维度，强制人工复核，宁漏勿冤。
- 5
来源平台 Sources
AI 这次的引用来自哪类平台？门户 / 垂直 / 百科 / 社媒 / 用户内容（UGC），决定优化杠杆。
四个子系统
从一句回答，到一份可分享的白皮书
四个互相独立的子系统，各自只产出纯数据、不掺观点；拼起来就是品牌在 AI 里的完整画像。
recall 召回主管线
用浏览器自动化工具 Playwright 驱动 6 个引擎网页端真实取证 → 五维评分 → 召回聚合与声量份额（Share of Voice）。
问题集 → 证据批次 → 白皮书
diagnostic 官网体检
单域名静态信号体检：robots.txt（爬虫规则）/ llms.txt（给 AI 看的说明）/ JSON-LD（结构化数据）/ 中文实体，三层加权 0–100 分，外加智能体（agent）可达性 L0–L3。
域名 → 评分卡 + 数据（JSON）
weights 引用来源权重
聚合证据，算出“这个引擎到底偏爱引用哪类来源”的来源×引擎矩阵，指明内容该铺在哪。
证据 → 权重矩阵
benchmark 引擎行为基准
品牌无关（brand-agnostic）的标准题集，测各引擎的应答率 / 带引用率 / 来源多样性，全部带威尔逊（Wilson）置信区间。
题集 → 行业基准
怎么合作
测量 → 诊断 → 建设 → 运营
基线测量可以单独买，作为一次诚实的体检；后面三步是把“被看见”做成可持续的资产与运营。
- 测量
基线测量
你现在在 AI 答案里的什么位置？一次健康检查，单独成立。
产出 GEO 基线报告 - 诊断
差距诊断
为什么不被提及 / 不被引用 / 被说错？逐项归因到可修的差距。
产出 差距清单 + 优先级 - 建设
资产建设
把品牌事实翻译成 AI 读得懂的来源：事实底稿、知识库、官网修复、内容。
产出 事实底稿 / 知识库 / 修复项 - 运营
持续运营
按月复测、归因、更新知识库——因为 AI 的答案会随时间和竞争漂移。
产出 月度报告 + 行动项
战略技术伙伴
BASELINE × 腾讯
我们与腾讯保持深度技术合作——从 GEO（生成式引擎优化）专家支持，到基准测试平台的底层技术。
GEO 技术专家支持
腾讯为我们提供 GEO 领域的技术专家支持，参与方法与口径打磨。
基准平台技术支持
引擎行为基准测试平台的底层技术，有腾讯技术团队参与。
BASELINE 自主研发
评估体系与产品由 BASELINE 自研；腾讯作为深度技术伙伴提供支持。
常见问题
你大概想问
什么是 GEO（生成式引擎优化）？
GEO（生成式引擎优化，英文 Generative Engine Optimization）是让品牌在 AI 引擎的“生成式回答”里被准确提及、被引用、被排在前面的系统性工作。它和搜索引擎优化（SEO）的根本区别在于：搜索引擎优化争的是十条蓝色链接里的排名，GEO 争的是那一段由 AI 直接写出来的答案——用户往往看完答案就做了决定，不再点进任何网站。
GEO 和 SEO、AEO 是什么关系？
搜索引擎优化（SEO）优化的是搜索结果页排名；答案引擎优化（AEO）和 GEO 高度重叠，都关注“直接答案”。BASELINE 用 GEO 这个词，强调对象是生成式 AI 引擎（DeepSeek、豆包等）里那段被生成出来的回答，以及它引用了谁的来源。三者不互斥：一个 AI 友好的官网，通常搜索引擎优化也不差。
BASELINE 具体测哪些 AI 引擎？
必测 6 个中文消费级 AI 引擎：DeepSeek、豆包、通义、元宝、Kimi、文心。取证走网页端真实交互（用浏览器自动化工具 Playwright 驱动），尽可能贴近一个真实用户得到的回答，而不是调用对外接口（API）的“理想答案”。
为什么对外只报“5 次中 0 次”，不报百分比？
因为小样本的百分比是噪声。样本量 N=5（只测 5 次）时，“0%”和“20%”只差一次回答，却给人完全不同的印象，经不起法务或竞品的追问。我们只出原始计数「X 次中 Y 次」，并配威尔逊（Wilson）95% 置信区间，把不确定度老老实实标出来。这是诚实，也是自我保护。