文旅GEO实验中，站点名称出现在答案里、答案提供了一个链接、链接确实支持某条事实、模型建议用户采取行动，这些现象经常同时出现，却不是同一个指标。若把它们都叫作“被引用”或“被推荐”，报告会夸大证据强度。记录时应让事件可以叠加，但定义必须互相清楚，读者能够从原始答案回到每一个判定。
先定义被提及
被提及只表示目标实体或站点名称在可见答案中出现，记录原文片段、出现位置、实体是否准确和出现次数。它不说明模型认可、来源可靠或用户会点击。名称被误拼、被否定或只出现在引用列表时，应按规则单独标记。
实际执行时记录查询原文、版本、时间、入口、地区、样本状态与证据位置；未采集不得猜测补零。
再判断是否有链接
链接是一个可观察的展示事件，需记录链接文本、目标地址、位置、是否可访问和是否指向预期页面。首页、搜索页、重定向和失效链接都要保留状态。链接存在不能直接升级为来源支持。
实际执行时记录查询原文、版本、时间、入口、地区、样本状态与证据位置；未采集不得猜测补零。
用主张对应确认引用
只有当具体链接或来源内容能够支撑答案中的相关主张时，才记录主张对应。核验要同时看对象、时间、范围和事实含义。页面包含关键词但没有支撑结论，只能算背景相关或无法判断，不能写成准确引用。
实际执行时记录查询原文、版本、时间、入口、地区、样本状态与证据位置；未采集不得猜测补零。
把推荐作为行动语句
被推荐描述的是答案是否明确建议用户访问、选择、比较或采取某种行动。建议可以是模型生成的意见，不等于事实证明，也不等于机构已经提供服务。记录建议对象、条件、语气和依据状态，避免把曝光当转化。
实际执行时记录查询原文、版本、时间、入口、地区、样本状态与证据位置；未采集不得猜测补零。
报告时保留证据链
每条事件绑定查询、时间、入口、原始输出、判定规则和复核状态。汇总中同时报告提及、链接、主张对应和推荐，不能只给一个总分。若事件无法判定，保留原因与未采集字段。
实际执行时记录查询原文、版本、时间、入口、地区、样本状态与证据位置；未采集不得猜测补零。
一份最小记录模板
每条样本至少保存实验编号、查询集版本、问题原文、目标实体、语言、地区、设备或入口条件、会话状态、完整可见输出、来源链接、主张拆分、判定规则、复核状态、失败原因和限制。原始输出与分析结论分开保存；规则变化建立新版本，不能用新规则覆盖旧结果。涉及时间敏感事实时，同时记录来源日期、采集日期、适用窗口和失效条件。
结语
可比性不是把不同答案压成一个漂亮数字，而是让评价对象、证据、分母、时间和入口条件彼此对应。把缺失、失败和无法判断留在结果里，结论才不会超出真实样本。
参考资料
OpenLX 商业增长与信源工程 · 三大核心转化入口
围绕企业 AI 搜索可见度（GEO）、文旅第一方结构化信源建设与 AG1–AG6 多智能体内容工程，提供可验证的诊断与实施咨询。
品牌 AI 搜索可见度与 GEO 诊断体检
针对主流大模型（ChatGPT / DeepSeek / 豆包 / Kimi / Perplexity）对品牌事实的检索、引用率与偏差进行基线评估。
- 核心业务词在生成式搜索中的可见度与引用率测试
- 网站技术 SEO、JSON-LD 结构化数据与爬虫可达性核查
- 可落地的权威信源补齐与页面改版优先级清单
文旅权威结构化信源与知识库建设
面向行业协会、目的地文旅集团与康养旅居品牌，将分散资料转化为可被搜索引擎与 AI 稳定采信的官方信源矩阵。
- 官方标准、会员名录、基地实景与服务规范结构化建模
- E-E-A-T 作者署名、外链核验与事实边界防幻觉机制
- 跨站点语义互联（Content Connections）与专题聚合
AG1–AG6 多智能体内容工程内训与部署
帮助企业内容与增长团队搭建“选题决策—深度撰稿—事实核验—视觉生成—多端发布—归因回流”的人机协同流水线。
- AG1–AG6 六角色状态机与质量门禁（Gate）实操培训
- 飞书/Google 母表与 WordPress 生产发布台自动化衔接
- 4 阶段真实转化漏斗（展示—咨询—商机—成交）归因配置
在线提交咨询 / 申报登记
请填写具体需求与联系方式。提交后即时返回唯一申请回执编号，并自动分派至 OpenLX：GEO与AI产品咨询 专项负责人。
继续阅读
GEO实验的“被引用”应如何与“被提及”区分？
模型答案提到品牌、链接到网页或引用具体段落是不同证据，实验室如何建立统一判定规则？本文讨论的是实验记录与证据边界，不是对任何机构已开展项目、已取得成果或平台长期能力的事实公告。
跨模型文旅GEO实验应如何统一评价口径？
跨模型文旅GEO实验最难的地方，不是把答案排成同一张表，而是判断不同表达是否回答了同一个问题。模型的答案长度、结构、引用形式和建议语气都可能不同。
文旅GEO实验指标如何形成最小指标集？
文旅GEO实验并不需要把所有可见现象都压成复杂评分。指标越多，越容易出现重复计分、分母不一致和读者无法解释的问题。
