11 月 9 日一份 GEO 落地指南给出信源权重表，11 月 10 日腾讯搜索的问答文章又把它拆成三层——两份材料合起来，把「品牌该往哪一层投预算」这件事说得比较清楚。按 11 月 10 日的公开盘点，信源金字塔顶层是官网、权威新闻与行业垂直媒体，权重参考约 41.2%；中层是蓝 V、企业官方账号与员工账号，约 30%；基础层是素人评价与 KOC，交叉印证之后权重才显著提升。同一批材料里还有一条更值得记住的划分：AI 可见性分三个梯度，被提及、被引用、被推荐，门槛一级比一级高。
三层信源各管什么
先说清楚这三层各管什么。顶层负责打底信任：官网写清楚企业是谁、做什么、凭什么，权威新闻与行业垂直媒体提供第三方背书。中层负责覆盖密度：蓝 V、企业官方账号、员工账号把同一套口径铺到更多可被抓取的位置。基础层负责口碑佐证：素人评价与 KOC 内容单独看权重不高，但与上层信息交叉印证之后，可信度才被模型认可（今日头条）。
这个结构解释了一个常见的失败案例：品牌把预算全压在基础层的铺量上，写了一堆体验帖，官网却连服务范围都写得含糊。结果是模型抓到了内容，却拼不出一个可信的实体描述，答案里自然没有它的位置。信源分层不是让品牌选一层投，而是让三层的信息彼此能对上。
被提及、被引用、被推荐
被提及、被引用、被推荐，是三件不同的事
最低一档是被提及：品牌名被检索匹配到，出现在答案里但没有出处。第二档是被引用：模型标注了信息来源，读者能点回去核验。最高一档是被推荐：在多个竞品里被优先输出。三档的门槛逐级抬高，能做的事也不同——被提及靠覆盖面，被引用靠可核验的结构化内容，被推荐靠跨来源的一致性与第三方佐证。
事实层没对齐，后两层白做
腾讯搜索那篇文章把 GEO 拆成事实层、内容层、信源层三层工作，其中事实层排在最前面：企业是谁、提供什么、服务哪些客户、有哪些真实案例，必须有一致且可核验的公开表达（腾讯搜索）。事实层一旦自相矛盾，内容层写得再细，模型也会因为找不到稳定结论而跳过这个品牌。
预算怎么分，按这张表核对
把三层对应到可执行的动作，预算分配就有了参照。下面这张表不是标准答案，而是一个可以按周核对的骨架。
| 层级 | 包含哪些信源 | 对应动作 | 权重参考 |
|---|---|---|---|
| 顶层 | 官网、权威新闻、垂直媒体 | 把事实写全、写一致 | 约 41.2 percent |
| 中层 | 蓝 V、官方账号、员工账号 | 统一口径、提高覆盖密度 | 约 30 percent |
| 基础层 | 素人评价、KOC 体验 | 补真实场景与细节 | 交叉印证后提升 |
另一个常被忽略的细节是内容节奏。同一份材料给出的建议是每月稳定产出 4 至 8 篇高质量权威信源内容，效果往往好于一次性批量发布上百篇低质稿。原因不难理解：模型的抓取与更新是连续的，突击铺量在时间轴上只留下一个尖峰，而稳定产出留下的是持续可核验的轨迹。
边界与第一步
边界也要说清楚。品牌能被搜到、被理解、被引用、被信任，是四层不同的状态，GEO 能改善的是后三层的基础条件，但不能承诺固定排名（媒介果）。AI 回答会受提问方式、模型版本、抓取范围和内容时效影响，同一个问题隔一周再问，答案可能已经换了来源。
所以第一步应该很具体：把官网、新闻稿、行业媒体、平台介绍里的企业全称、品牌名、所属公司、主营业务、服务区域五项信息拉一张对照表，逐项对齐。这项工作不需要预算，只需要一个人花两天时间，但它决定了后面所有内容投入能不能被模型采信。
以上判断基于截至 11 月 10 日的公开信息。权重数字来自行业白皮书的参考值，不是平台官方口径；平台一旦披露自己的信源偏好，这套分层需要重算。在那之前，把它当作排序工具而不是评分标准，更稳妥。
常见问题
信源三层，预算该先投哪一层？
先投顶层，但要先把事实层对齐。官网与权威媒体决定模型能不能形成稳定描述，中层与基础层是在这个描述成立之后做加法，顺序反了投入容易打水漂。
被 AI 提及和被引用，差别有多大？
被提及只是出现，读者无法核验；被引用带了出处，可信度与点击率都更高。两者之间隔的是内容结构：能不能被抽取、能不能被复述、能不能被点回去验证。
每月发 4 到 8 篇就够了吗？
数量是下限不是目标。关键在每篇都提供可核验的事实与明确的适用范围，宁少勿滥。批量铺量在时间轴上只留一个尖峰，稳定产出才能形成持续可抓取的轨迹。
权重 41.2% 这个数字能直接用吗？
只能作为排序参考。它来自行业白皮书的测算，不是平台官方口径，不同行业、不同平台的分布会有差异。用它决定先后顺序可以，用它做效果承诺不行。
