研究
GEO 的方法与发现
我们怎么测、为什么这么测，以及从实测里看到的东西。每篇都标注出处、可被反复核对——和我们的报告一个标准。
-
BASELINE × 腾讯：面向中文 GEO 的深度技术合作
我们与腾讯保持深度技术合作——腾讯提供 GEO 技术专家支持，引擎行为基准测试平台的底层技术也有腾讯技术团队参与，产品与评估体系由 BASELINE 自主研发。
阅读 → -
结构胜过改写：AI 引用里真正稳的杠杆
多项独立研究指向同一个结论——把内容做出结构，比反复打磨措辞更能换来 AI 引用，而纯改写有时反而掉点。
阅读 → -
为什么我们对外只报原始计数，不报百分比
样本只有 5 次时，「0%」和「20%」只差一次回答，却给人完全不同的印象。讲清楚我们为什么坚持用原始计数（写成「X 次中 Y 次」）加上一个置信区间。
阅读 → -
BASELINE 平台如何应对中文 AI 引擎引用源碎片化挑战
技术白皮书——从研究揭示的四个核心问题（碎片化、赢家通吃、选源不对称、口径陷阱），到平台从架构层面系统化应对的七项设计。
阅读 → -
超越「最终可见度」：企业 GEO 的三阶段诊断框架
一套受控、阶段隔离的评估方法，把检索、排名、生成三阶段的失败转化为有据可依的站点修订——把留出测试集上的企业 GEO 分从 58.78 提升到 69.98。
阅读 → -
中文 AI 搜索引擎的引用源生态解耦研究
跨四个行业、2,307 条品类词、六大中文 AI 引擎的实证分析——引擎间引用源高度解耦、AI 与传统搜索近乎割裂、品牌可见度的行业差异显著。
阅读 →