确定性，不是 AI 打分
五维评分里有四维（提及、排位、被引用为来源、来源平台）是纯代码规则——精确字符串匹配、位置三分位、来源域名匹配，零大模型（不调用大语言模型）、零随机数。唯一的主观维度“情感框架”被锁在置信度纪律里：自动草稿一律记为 L3（最低置信层级），只有人工复核升到 L1（最高层级）才会进入对外报告。结果是：换一个人、换一天跑，同一批证据得到逐字节一致的结论。
- 提及：品牌全部别名在答案正文里精确匹配，是/否。
- 排位：序号列表的序数 + 是否落在前 600 字首屏。
- 被引用为来源：网址（URL）/ 标题 / 平台名匹配品牌别名。
- 来源平台：继承自该次回答的引用域名分类。
原始计数，对外禁百分比
“5 次里被提到 0 次”比“0%”诚实得多。样本量 N=5（只测 5 次）的百分比是噪声，经不起法务和竞品的追问。所以对外报告只出原始计数（写成「X 次中 Y 次」），并配威尔逊（Wilson）95% 置信区间——一种闭式、确定、在小样本下覆盖优于另一种常见算法（Wald 区间）的经典区间（由统计学家 E.B. 威尔逊在 1927 年提出）。我们也据此引用《Don’t Measure Once（别只测一次）》的结论：单次测量不可信，必须带不确定度。
“被列为来源” ≠ “进入答案正文”
这是两个独立信号。声量份额（Share of Voice）默认按“吸收”（absorption，进入正文）计；“选择”（selection，被列在来源里却没进正文）单独呈现，绝不混算。这条口径直接来自《Citation Selection → Absorption（从被选择到被吸收）》的研究。
官网体检：三层固定权重 45 / 30 / 25
官网体检把一个域名的“AI 可读性”拆成三层，权重固定、对所有客户一致：基础准入（robots.txt 爬虫规则、llms.txt 站点说明、HTTPS 加密、服务端可读）占 45，结构化数据与发现性占 30，内容与中文实体占 25。基础层权重最高，因为 C-SEO Bench（机器学习顶会 NeurIPS 2025）的结论是“基础设施（infrastructure）的影响压过内容微调”。分数带切线 80 / 60 / 40 锚定 KDD 2024 与 C-SEO Bench 两个公开基准的效应量分布。
| 80–100 | 优秀（Excellent） |
| 60–79 | 良好（Good） |
| 40–59 | 基础（Foundation） |
| 0–39 | 危急（Critical） |
智能体可达性：平行的 L0–L3
AI 正在从“替人读”走向“替人买”。官网体检并列一条不进总分的智能体（agent）可达性维度，按端点（endpoint，30 分）/ 结构化商品（product，30 分）/ 成交闭环（commerce，40 分）三层信号判 L0–L3 四档：能不能被智能体发现、能不能读到结构化的商品与价格、能不能一路走到下单。它单列，是因为它衡量的是另一个未来。
可溯源，是纪律不是功能
取证按日期 append-only（只增不改）落盘，可断点续跑、从不覆盖；复测 = 两个批次做比对（diff）。报告里每一个测量数字都被溯源标记 data-ev 包裹、锚回那一次真实回答的截图。质量门会自动拦截裸数字、悬空引用和对外百分比——不能为了出报告而绕过。研究《Citations and Trust（引用与信任）》（发表于人工智能顶会 AAAI 2025）显示：有引用就提升信任，哪怕引用是假的；但用户一旦真去核对，信任会崩塌。所以我们反向奖励“引用是真的、且真的准”。
有引用就提升信任——哪怕引用是假的。所以我们把赌注押在：引用必须可点回真证据。
文献地图
每个评分口径站在谁的肩膀上。没有文献背书的工程启发式，我们在代码里一律标注“假设·可调·非定论”。
- GEO: Generative Engine Optimization 把可见度形式化为 coverage / position / influence；实测：加统计数字 +33–41%、引用来源 +30%、加入引文 +28–41% 引用率提升。 arXiv:2311.09735 ↗
- C-SEO Bench “基础设施影响压过内容微调”——官网体检三层权重据此把基础准入设为最高（45）。 arXiv:2506.11097 ↗
- From Citation Selection to Citation Absorption “被列为来源”≠“进入答案正文”是两个独立信号；声量份额默认按吸收计，选择单列、不混算。 arXiv:2604.25707 ↗
- Don't Measure Once 单次测量不可信、小样本必须带不确定度 → 二元数据用 Wilson 95% 置信区间（E.B. Wilson, 1927）。 arXiv:2604.07585 ↗
- Recency Bias in LLM Reranking 仅改时间戳就让 Top-10 年份前移最高 4.78 年、成对偏好反转最高 25% → 新鲜度是硬检索机制，给 6 分高权。 arXiv:2509.11353 ↗
- GEO-SFE / SAGEO Arena 结构化改造 +17.3% 引用；纯正文改写 −9% vs 结构改造 +22% → 文档结构是最稳的引用信号。 arXiv:2603.29979 ↗
- Cited but Not Verified 链接有效率 >94%，但事实准确率仅 39–77% → “被引用 ≠ 被准确表达”，保真要单独审计。 arXiv:2605.06635 ↗