从诊断到交付：七条产品线

GEO 基线诊断

解决「AI 到底怎么描述我们」。多数企业主从未系统看过；更常见的是看过一次、发现 AI 说错了，但不知道错在哪、错了多少、和竞品差多远。

做什么：实体盘点 → Prompt 建库（五类各 10–20 个）→ 多平台跑测（6 个以上平台，每问 ≥ 4 轮）→ 竞品对比 → 信源反查（按 A/B/C/D 归类）→ 出报告与优化优先级。

验收：Prompt ≥ 50 个，平台 ≥ 3 个，每问每平台 ≥ 4 轮；报告中每条结论可追溯到具体 Prompt 与快照编号；幻觉清单必须给出原文。

不含：任何优化执行（本产品只诊断）；舆情监测与负面处理。

品牌知识库工程

解决「AI 读不到事实」。多数企业的对外信息处于三种病态：形容词化、碎片化、矛盾化。知识库工程把它们重建成单一事实源（SSOT）。

做什么：事实抽取（字段、值、来源）→ 三态标注 → 实体一致性校准 → 结构化改造（Organization、Product、FAQPage、Article 等 Schema）→ 交付主知识库与「给 AI 读」的版本。

验收：事实表覆盖六大实体块（企业、人物、产品、案例、资质、关键数字）；每条事实有来源，无来源的标注待补，不得空值上线；冲突清单 100% 有客户裁决记录；Schema 部署后可通过结构化数据测试工具校验。

不含：内容创作（属 P2）；官网视觉改版。

AI 友好内容工程

解决「内容写了但没被引用」。内容工程不是多写，是改写形状——每一篇都对应一个 AI 引用信号。

做什么：内容矩阵设计（场景—问题—答案—证据，覆盖认知、比较、选型、验证、复购）→ 核心页面改写 → FAQ 体系（每条产品线 15–30 问，答案 80–200 字可独立成段）→ 对比与选型内容 → 多模态适配（图片说明、视频字幕）。

验收：每篇过六道闸门（见方法论 04）。

不含：设计排版（可另计）；付费媒体投放。

可信信源分发

解决「发在哪里才被采信」。信源等级直接决定采信概率，与篇数无关。

做什么：画信源地图（AI 现在靠谁认识你，缺口在哪）→ 分级投放计划（每篇指定目标信源与等级）→ 跨平台表述统一（同一事实在所有渠道用同一句话）→ 收录追踪（链接、发布时间、收录状态、被引用情况）。

验收：分发记录 100% 可查（链接 + 发布时间 + 收录截图）；A/B 级信源占比达到合同约定目标；无 D 级站点投放记录。

监测与归因

解决「上个月做的到底有没有用」。如果回答不了这个问题，GEO 就永远是一门玄学生意。

做什么：周监测（核心 20 个 Prompt × 4 平台，记录异常波动）→ 月报（三层九项 + 归因分析 + 竞品变化 + 下月动作）→ 季度复盘（策略校准、Prompt 库更新、行业基准）。

验收：报告九字段齐全（周期、平台、样本量、指标、归因、竞品、负面清单、动作、数据局限）；每项指标可下钻到 Prompt 级原始回答；归因必须区分优化生效与模型波动。

全案代运营

解决「客户没有内容团队、没有监测能力、也没有时间对接三个供应商」。P1–P4 全部，加专属项目组、月度策略会与危机响应。

按季度考核，考核项写入合同：过程指标（内容产出量、信源等级分布、Prompt 覆盖数、报告准时率）、结果指标（引用率提升、实体准确率、声量份额变化）、服务指标（响应时效、问题闭环率）。

不做「对赌排名」条款，原因写在《不可承诺事项清单》里，签约时一并说明。

出海 GEO

海外平台的引用机制与国内差别很大。最典型的一条：Perplexity 与 Google AI Mode 约 90% 的引用来自 Google 前 10 结果，而 ChatGPT 只有约 30%。做好 Google 排名，ChatGPT 未必引用你；反之亦然。

与国内版的差异：目标平台为 ChatGPT、Perplexity、Gemini、AI Overviews、Copilot、Claude；信源偏好是 Reddit、YouTube、G2/Capterra、行业测评站、Wikipedia、官方文档；内容形态以长文、视频与社区讨论为主；度量增加「Google 排名 × ChatGPT 引用」双轨对照。

最常见的错误：把中文内容翻译一遍发出去。这是行业里最贵的浪费。