先看语料从哪来。品牌一旦用开源模型自建客服与导购，AI 回答所依赖的语料就从「平台抓取」一路，变成「自有知识库加外部抓取」两路；11 月 11 日的公开披露里，美团把 1.6 万亿参数的 LongCat-2.5 以 MIT 协议开源，支持商用部署与二次训练，平台侧的 AI 经营工具也已覆盖选品、上架、投放与库存调度。GEO 的监测口径必须跟着分成两路，否则算出来的可见度会失真。美团技术团队
自建问答之后，引用来源分成两路
第一路是公共 AI 平台，答案由平台模型的抓取与训练决定；第二路是品牌自建的问答入口，答案由品牌自己的知识库决定。两路的引用来源结构完全不同：公共平台会引用媒体、测评与官网，自有入口主要引用品牌自己的商品页与文档。只监测公共平台，会高估或低估品牌在自有入口里的表现。美团技术团队
这件事对 GEO 团队的直接含义是分工要变。过去一个人管「问题库加平台采集」，现在要拆成两个人：一个管公共平台的引用来源与竞品占位，一个管自有入口的知识库覆盖与答案一致性。两边的指标不能混在一张报表里。中国经济网
监测口径要加一路自有模型
自有入口的采集比公共平台简单，也更难做得有说服力。简单在于接口稳定、答案可复现；难在于品牌既是出题人又是答题人，答案天然偏向自己，指标容易好看但没有参照。要让它有意义，必须固定问题集，并且同时跑竞品的公开信息做对照。中国经济网
采答案的方式
自有入口要采三样东西：回答原文、引用的段落、以及回答里出现的品牌与型号。只存原文不够，因为下一次模型更新后答案会变；把引用段落一起存下来，才能判断变化是内容变了还是模型变了。美团技术团队
引用来源怎么归类
建议按四类归档：自有商品页、自有内容站、外部媒体、第三方测评。四类的可优化程度依次下降，自有商品页最可控，第三方测评基本不可控。占比结构比总数更有诊断价值，比如自有商品页占比高但提及率低，说明内容被采纳却没有进入推荐逻辑。经济日报
三个指标区分平台可见度与自有可见度
指标要能回答两个不同的问题：在公共 AI 平台里品牌被不被看见，在自有入口里品牌说得对不对。前者看提及与位次，后者看描述一致性与引用覆盖。混在一起看，会得出「整体不错」这种没有行动指向的结论。中国经济网
| 指标 | 口径 | 回答什么问题 |
|---|---|---|
| 公共平台提及率 | 问题集中提到品牌的比例 | 是否进入候选集 |
| 自有入口引用覆盖 | 被引用商品页占问题集比例 | 知识库是否够用 |
| 描述一致性 | 回答与官方参数的偏差条数 | 是否存在表述风险 |
第三个指标最容易被忽略，也最危险。自有入口里的错误描述如果被用户截图传播，会比公共平台的偏差更难纠正，因为它是品牌自己说的。监测要把「说错」和「没说」分开统计，两者的修复动作完全不同。经济日报
这件事对 GEO 团队的分工影响
分工之外还有预算。公共平台的监测成本主要在采集频次，自有入口的成本主要在知识库维护。前者可以按周跑，后者要跟着商品页更新走，节奏完全不同。用一个预算科目管两件事，最后一定有一边被砍。中国经济网
回到开头那个问题：语料从哪来。答案决定了监测的对象，也决定了优化动作。开源模型让「自有语料」这条路第一次变得便宜，GEO 如果不把这一路纳入监测，报告的结论会越来越偏离用户真实看到的答案。美团技术团队
常见问题
品牌自建 AI 问答，还需要做 GEO 吗？
需要，但对象变了。公共平台的可见度仍要监测，自有入口则要监测引用覆盖与描述一致性，两者指标不能混用。
自有入口的答案可复现，为什么还要固定问题集？
模型更新与知识库改动都会让答案变化，固定问题集才能把变化归因到内容或模型，否则数字没有对比基础。
引用来源按哪几类归档比较实用？
自有商品页、自有内容站、外部媒体、第三方测评四类，可优化程度依次下降，占比结构比总数更有诊断价值。
描述偏差怎么监测？
把回答里的参数与官方参数逐条比对，统计偏差条数，并把「说错」与「没说」分开，两者修复动作不同。
