品牌能被搜到，和被 AI 引用，中间隔着三层。第一层是抓得到，第二层是读得懂，第三层才是被引用；很多企业停在了第二层——官网信息完整、内容不少，但 AI 回答里始终没有它。按 11 月 10 日公开的资料，区分“被搜到、被理解、被引用、被信任”这四层，是 GEO 内容建设的第一步，而验收一套 GEO 交付，问的应该是口径与留存，不是案例里那个百分数。
四层里，多数品牌只做到第二层
| 层次 | 判断证据 | 怎么测 |
|---|---|---|
| 被搜到 | 品牌词与品类词有自然结果 | 搜索曝光与点击 |
| 被理解 | 实体、产品、参数在公开页面一致 | 实体信息核对清单 |
| 被引用 | AI 回答中出现品牌并标注来源 | 引用率与引用域名分布 |
| 被信任 | 同一声明在多个独立来源重复出现 | 跨信源一致性抽查 |
四层里最容易自我安慰的是第二层。企业把官网、公众号、百科都改了一遍，实体信息确实统一了，于是认为 GEO 做完了；但 AI 的答案是从多个来源综合出来的，官网只是其中一个候选，能不能被引用取决于检索阶段是否被抓到、以及内容是否以可抽取的形式呈现。
第三层的证据是具体的：AI 回答里出现品牌名，并且带来源标注。这里要看两个数——引用率（有引用的问句占比）和引用域名分布（引用集中在几个站点）。引用率低说明内容没进候选池；引用域名过度集中，说明品牌把可见度押在了单一信源上，一旦那个站点调整结构，可见度会整段消失。
基线不封存，涨了多少都是空话
基线不封存，后面所有“涨了多少”都是空话。优化之前要用一份封存问题集跑一轮全量监测，把结果连同问题集版本、平台清单、采样时间一起存档；这份存档是后面所有对比的唯一参照，也是外部复核时唯一能拿出来的东西。
封存问题集里要存什么
公开的选型白皮书把这一步写成了定义：基线是优化实施前按封存问题集完成的首轮全量监测所固定的初始水平。定义之所以重要，是因为它把“基线”从一句形容词变成了一个可核对的物件——有版本、有时间、有平台清单。没有这三样，所谓的提升就只能靠叙述，引用来源与位次都无从追溯。
换版就重建基线
模型换版是 GEO 最容易被忽略的变量。同一个问题，换版前后的答案结构可能完全不同，此时做前后直接比较，等于把版本差异算成了优化效果。白皮书的要求很明确：模型换版须重建基线，不做前后直接比较。
重建基线不是重做一遍工作，而是把参照点换到新版模型上，再在新版上观察优化动作的效果。实操里可以并行跑两条线：一条是旧版基线（用于历史追溯），一条是新版基线（用于当期决策），两条线的数据不混在一张表里比。这样既不丢历史，也不会把版本差异误读成策略失效。
踩线的做法，短期有效长期降权
还有一类做法必须提前排除：伪造权威、虚假数据、矩阵账号、提示词注入、污染信源。这些手段在短期内可能让品牌出现在某些回答里，但它们污染的是检索层的可信度，一旦被识别，代价是整段内容被降权，而不是某一篇文章排名下降。
三条踩线信号
判断一套方案是否踩线，看三个迹象：是否承诺“保证出现在某个位置”、是否用批量账号铺同一段文案、是否要求把未经核实的第三方数据写成自有结论。三条里占一条，就值得停下来问清楚。合规的优化不会承诺位次，只会承诺口径与过程可查。
验收先看原始数据留存
验收时先看原始数据留存。公开的核验清单里有一条很硬：原始数据是否留存三年以上、模型换版是否重建基线、效果指标是否区分推荐率与前三推荐率。这三条都能落地，说明服务方把交付当成了可追溯的工程，而不是一次性的报告。
另一个值得问的问题是：案例能不能给出周期、平台、基线、前后值、统计方式这五要素。五要素齐全，读者才能自己复算；缺一项，案例就只是一段叙述。对品牌方来说，能在合同里约定这五要素的交付格式，比在比稿阶段看十个漂亮数字更有用。
常见问题
为什么官网信息统一了，AI 回答里还是没有品牌？
因为统一实体信息只解决了“被理解”，没有解决“被抓到”和“被引用”。AI 答案从多个来源综合，官网只是候选之一；能不能进候选池，取决于检索阶段是否抓到、内容是否以可抽取的形式呈现。
引用域名太集中有什么风险？
可见度会被单一信源绑住。那个站点改结构、调权重或者内容过期，品牌的引用率会整段下滑。健康的分布应该有多个独立来源重复同一声明，而不是所有引用都指向同一个页面。
模型换版之后旧数据还能用吗？
可以用于历史追溯，不能用于当期决策的对比。换版前后答案结构可能完全不同，直接比较会把版本差异算成优化效果。正确做法是重建基线，旧版与新版的线分开跑、分开看。
验收时最该先问哪一个问题？
先问原始数据留存多久、模型换版是否重建基线、指标是否区分推荐率与前三推荐率。这三条都能明确回答，说明交付是可追溯的；答不上来，案例里的数字就很难复核。
