云耕 GEO 全链路 SOP：八阶段可落地标准（v2026.1）

Q: 35%、20%、15% 这些权重是怎么定的？能照搬到我的行业吗？

权重来自两部分：公开研究给出的信号相关性排序，以及云享耕科技在客户站点上的实施复盘。它表达的是投入优先级而非精确贡献值。行业差异主要体现在 Phase 5、6 的平台选择上，前四个阶段的优先顺序在各行业基本通用。

Q: 按这套 SOP 做完，多久能被豆包、DeepSeek 这类平台引用？

没有确定时间表，也不做这类承诺。可观察的规律是：结构类改动数天至数周被重新抓取，AI 引用格局的实质变化通常出现在 3–6 个月，且随各平台规则调整波动。能当天验证的只有结构本身——用结构化数据测试工具与查看源代码即可确认。

四步落地框架讲的是「做哪四层」，本页讲的是「每一步具体怎么做、做到什么算合格」。云耕 GEO 八阶模型把优化拆成 8 个阶段、27 个可验收步骤，每步给出实施细节、验收标准与交付物——自主执行或验收乙方交付都能直接照做。不想自己执行时，可对照 SEO · AIGEO 服务档位，或查看首页 SEO · AIGEO 透明报价。

核心结论

一分钟看完这套标准的全部要点

生成式引擎优化（GEO）是让品牌信息被 AI 问答系统准确理解并优先引用的系统性工程。《云耕 GEO 全链路优化通用 SOP》把这项工程拆成 8 个阶段、27 个可验收步骤，并按各层对 AI 可见度的贡献分配权重：实体基础 35%、知识图谱与结构化数据 20%、技术可见度 15%、内容权威 15%、官方阵地 8%、外部信源 4%、冲刺诊断 2%、长效运维 1%。

顺序比努力重要。实体基础（权重 35%）未验收就先铺内容，是我们在项目中见到的第一号返工原因——地基不稳，后面每一层的投入都会打折。
不做基线就不算开工。基线要求：≥50 题问题集 × ≥5 个国内 AI 平台 × 每题 ≥3 次采样，并同步测 ≥3 个竞品，否则无法判断后续投入是否有效。
品牌提及比外链更重要。品牌提及与 AI 可见度的相关系数约 0.664，传统外链信号约 0.218^[2]——先统一 NAP，再谈外链。
技术层是最低垂的果实。llms.txt 部署成本约半小时，第三方抽样显示缺失率约 69.7%^[3]，属于当下投入产出比最高的单点动作。
结构化数据决定「能否被读懂」。部署 Schema.org 标注的页面进入 AI 知识图谱的概率约为未部署页面的 3.7 倍^[4]。
内容战术有明确优先级。统计数据植入 +41%、权威引用 +40%、专家引述 +30%、术语精确 +28%；关键词堆砌为负向收益^[1]。
只优化官网远远不够。AI 回答中的引用约 82% 来自站外信源^[5]，外部信源矩阵必须与官网同步建设。
周期要按层分开看。结构类改动通常数天至数周被重新抓取，AI 引用格局的实质变化通常需要 3–6 个月，且随平台规则波动。
用可验收指标替代效果承诺。11 项 KPI 覆盖 AI 提及份额（SoM）、引用份额（SoC）、描述准确率、AI 引荐流量等，按月与季度双频监测。
最致命的两个错误。一是多平台品牌名称、地址、电话不一致导致实体被拆分；二是跳过实体与技术层直接冲内容量——13 项高频错误清单见下方风险表。

全流程架构

八阶段与权重分配总览

阶段按最优执行顺序排列，权重代表该层对整体 AI 可见度的贡献优先级（合计 100%）。前置阶段未验收通过就往后推进，是我们见过最常见的返工原因——地基不稳，后面每一层的投入都会打折。

8执行阶段

27可验收步骤

20核心交付物

11监测 KPI

13高频避坑项

3–6 个月效果显现周期

「把权重表倒过来看会更清楚：我们真正踩过的坑，几乎都不是某项技术没做对，而是顺序做反了—— 官网信息和地图、执照、社媒还在互相打架的时候，就急着上内容量和外链。实体层没收口，AI 会把同一家公司识别成好几个实体，后面所有内容的权重都被摊薄。」

— 徐勇，云享耕科技创始人 · 技术与数字化运营负责人（作者档案）；本判断基于云享耕科技客户站点的 GEO 实施与复盘记录^[6]

优先级

九张卡看懂钱该先花在哪一层

Phase 0 · 前置必做

GEO 诊断预检

摸底品牌当前的 AI 可见度、对比竞品基准、输出问题清单，确定优化起跑线。

必做 · 前置

不计入权重
约 3–5 工作日

Phase 1 · 权重 35%

实体基础建设

消除全网数据冲突，建立唯一可信实体档案，NAP 全平台统一，夯实地理权重。

35%

满分 100 分
约 3–6 周

Phase 2 · 权重 15%

技术可见度建设

确保 AI 爬虫可访问：robots.txt 放行、llms.txt 部署、服务端渲染与页面速度。

15%

满分 100 分
约 1–2 周

Phase 3 · 权重 20%

知识图谱与结构化数据

Schema.org 全面实施、Wikidata 实体建立、品牌知识图谱 JSON-LD 构建。

20%

满分 100 分
约 2–4 周

Phase 4 · 权重 15%

内容权威体系建设

标准化知识库 + 答案优先结构 + 数据密度，覆盖用户真实提问的语义空间。

15%

满分 100 分
持续推进

Phase 5 · 权重 8%

官方权威阵地矩阵

全平台企业认证账号、百科词条、行业名录，建立第一手权威信源体系。

8%

满分 100 分
约 2–4 周

Phase 6 · 权重 4%

外部信源与链接权威

三层信源分级建设与赚得媒体覆盖——AI 引用大量来自站外，不可只做官网。

4%

满分 100 分
持续推进

Phase 7 · 权重 2%

AI 可见度冲刺与诊断

多模型基准复测、语义缺口补全、竞品差距分析、A/B 验证与降权风险清零。

2%

满分 100 分
每季度

Phase 8 · 权重 1%

KPI 体系与长效运维

11 项核心 KPI 监测、月度巡检、季度复盘、知识库动态迭代。

1%

满分 100 分
常态化

Phase 0 · 前置必做 · 不计权重

GEO 诊断预检

一切优化的起点。在动手之前先摸清品牌在各 AI 平台的曝光现状、竞品的可见度格局与全网信息健康度——不做基线就开工，等于放弃了衡量后续投入是否有效的唯一标尺。

任何行业通用
约 3–5 个工作日
完成后才进入 Phase 1

必做

前置条件

执行背景

大模型回答具有非确定性——同一问题问 5 次会得到不同答案。基准测试必须多次采样、跨平台覆盖，才能得到有统计意义的基线。

搭建标准测试问题集（50–100 题），分四类：①品牌直接查询（「XX 品牌怎么样」）②行业/品类查询（「[城市]最好的 XX 品牌有哪些」）③竞品比较（「XX 和 YY 哪个更好」）④场景化长尾（「[痛点场景]应该找哪家」）。
跨平台同步测试。国内必测：豆包、文心一言、通义千问、DeepSeek、智谱清言、夸克 AI、腾讯元宝；国际选测：ChatGPT、Claude、Gemini、Perplexity。
每平台每题重复 3 次，记录品牌提及次数、提及位置（首提/次提/末提）、引用信源 URL、描述准确率。
竞品同步测试。用同一题集测 3–5 个核心竞品，建立相对基准（Share of Voice）。
输出《GEO 基准测试报告》：品牌 AI 可见度得分（1–100）、各平台表现差异、准确率评分、竞品对比矩阵。

全网历史信息抓取：历史网页、旧新闻稿、黄页词条、点评历史文案，整理错误信息清单（错误地址、失效联系方式、过时介绍）。
AI 认知现状评估：记录各平台当前对品牌的描述是否准确，逐条标注偏差点。
技术健康度诊断：检查 robots.txt 是否屏蔽 AI 爬虫、Schema 标签是否缺失或报错、页面是否因客户端渲染导致抓取为空。
竞品信息优势分析：记录竞品被 AI 引用的主要内容类型与渠道，作为追赶参考。
输出《品牌 GEO 问题诊断清单》，按紧急修复项 / 重点优化项 / 长期建设项排序。

Phase 1 · 权重 35% · 阶段核心基础

实体基础建设（内权基建）

GEO 的地基。AI 模型通过多源交叉核验确认实体身份，任何一处信息矛盾都会降低采信度。目标是消除全网数据冲突，建立唯一、权威、可验证的标准实体档案。本阶段不完成，后续所有优化效果都会打折。

实体一致性
NAP 统一
负向治理
地理权重
Wikidata 实体

35%

满分 100 分

采集全量资质并数字化存档：营业执照（含统一社会信用代码）、行业许可证与资质证书、法人/负责人信息、经营地址（含经纬度）、注册商标、主要产品与服务目录；统一转 PDF 并按命名规则归档。医疗行业另需：医疗机构执业许可证、诊疗科目、医师执业证书；教育行业另需：办学许可证与师资资质；金融行业另需：业务牌照与监管批文。
全网历史信息抓取分三层：①搜索引擎检索品牌名及所有历史名称，抓取相关页面快照 ②平台定向检查（地图、点评、外卖、行业垂直平台）③自媒体历史内容（公众号历史文章、微博、抖音简介）。
建立错误信息台账：逐条记录错误地址、失效联系方式、错误营业时间、过时文案、违规话术，标注来源 URL、发现日期与处理优先级。
发起负向治理：向各平台提交更正申请并截图留证；申请废弃页面快照下架；对无法删除的违规内容走平台投诉；废弃站点用 robots 屏蔽或 301 跳转主站。
输出：《实体基准信息白皮书》与《历史错误信息治理台账》（含处理进度）。

品牌在不同平台名称不一致（如「Acme Software」「Acme Inc」「AcmeSoft」）会被 AI 识别为不同实体，导致权重分散。这是最常见也最致命的 GEO 错误之一。^[2]

锁定唯一主体名称三级标准：①法定全称（与营业执照完全一致）②常用标准简称（固定格式，全员统一）③英文名或拼音（如需要）。制定《品牌名称使用规范》全员发布，明令禁止多名称混用。
Wikidata 实体创建或认领：搜索品牌名确认是否已有词条 → 新建或认领 QID → 补齐 P856（官网）、P159（总部）、P571（成立日期）、P17（国家）、P18（Logo）、P625（坐标）。Wikidata 是 AI 识别实体的机器可读源，直接影响知识图谱认证
全量域名资产梳理：区分主站、历史优化站与闲置域名；主站保留、冗余站 301 跳转、废弃站 robots 屏蔽。

参考数据

品牌提及（含无链接提及）与 AI 可见度的相关系数约 0.664，远高于传统外链信号（约 0.218）；而 NAP 一致性是品牌提及质量的前提。^[2]

制定标准 NAP 模板（一字不差的唯一版本）：Name 品牌官方全称 / Address 完整地址（省市区街道门牌）/ Phone 主客服电话（含区号，格式固定）。扩展 CAP：Category 行业类别、Hours 营业时间、Website 统一 HTTPS 主域名。
国内重点校准平台按优先级：地图类（高德、百度、腾讯三大必做）→ 生活服务（大众点评、美团、口碑）→ 百科（百度百科、抖音百科、知乎机构号）→ 工商（天眼查、企查查、国家企业信用信息公示系统）。
每平台校准流程：登录后台 → 核对现有信息与标准 NAP → 逐字段修改 → 截图留存 → 72 小时后复查是否生效。
天眼查 / 企查查特别处理：这两个平台的数据会被国内 AI 直接引用。确保统一社会信用代码与执照一致、法人信息正确、经营状态为「存续」、地址与 NAP 一致。

三大地图平台 POI 精准更新：坐标定位到主入口；补齐营业时间（平日/周末/节假日）、主营类别（精选 3–5 个最相关）、停车与公交指引、官方电话与官网 URL。
POI 资质认证：上传门头实拍（≥3 张，无滤镜）、内部环境图（≥3 张）、服务实景图，提交营业执照完成认证；带「官方认证」标识后采信权重更高。
地理圈层关联文本预埋：在周边 5–15km 的地标、商圈、交通枢纽建立关联描述（如「位于[地标]旁、[商圈]内、距[地铁站]步行 5 分钟」），并在官网、百科、简介多处同步出现。
官网 LocalBusiness Schema（与 Phase 3 联动）：包含 GeoCoordinates 经纬度、OpeningHours、areaServed 服务区域。

Phase 2 · 权重 15% · 技术可访问性

技术可见度建设

让 AI 爬虫能找到、也能读懂你的内容。所有内容优化的前提是技术层对 AI 爬虫开放且可解析——一个 robots.txt 的误配置，就能让全部优化投入归零。

robots.txt
llms.txt
SSR 渲染
Core Web Vitals
AI 爬虫白名单

15%

满分 100 分

最常见的致命错误：robots.txt 里一句 User-agent: * + Disallow: / 屏蔽了所有爬虫，其中就包括 GPTBot、ClaudeBot、Google-Extended。

检查并修复 robots.txt：确认 GPTBot（OpenAI）、ClaudeBot（Anthropic）、Google-Extended（Gemini）、PerplexityBot、YouBot、Applebot-Extended、CCBot 均被允许；若需限制，只针对具体路径 Disallow，不做全局屏蔽。
CDN / WAF 配置检查：Cloudflare 的 Bot Fight Mode 等策略可能误封 AI 爬虫，进入安全设置核对 Bot 分析记录，必要时加白名单规则。
服务端渲染诊断：Vue / React / Angular 客户端渲染的站点，AI 爬虫可能只拿到空 HTML。用爬虫 UA 实测抓取内容，与浏览器所见不一致就需要 SSR 或预渲染。

为什么值得做

llms.txt 是专为 AI 爬虫准备的「站点目录」，告诉模型哪些页面最重要、哪些内容最权威。目前绝大多数网站尚未部署（第三方抽样显示缺失率约 69.7%），部署成本约半小时，属于典型的低投入差异化动作。^[3]

创建 llms.txt（Markdown，部署至根目录）：品牌名标题 → 50 字标准简介 → 「最重要页面（AI 必读）」列表（关于我们、核心服务、FAQ，每条附一句说明）→ 联系信息（与 NAP 完全一致）。
创建 llms-full.txt：提供更详细的页面描述与核心内容摘要，适合内容量大的站点。
验证可访问性：浏览器直访 /llms.txt 确认返回 200，并确认 robots.txt 未屏蔽该路径。

速度诊断：对首页、服务页、联系页做测速，优先解决图片未压缩、未开启 Gzip/Brotli、CSS/JS 未压缩合并、无 CDN 加速。
Core Web Vitals 目标：LCP ≤2.5s、INP ≤200ms、CLS ≤0.1，用 Search Console 的 Core Web Vitals 报告追踪改善。
移动端适配验证：所有页面通过移动友好测试，并在主流国产机型（华为、小米、OPPO）实机核对；移动端速度单独优化。
HTTPS 强制跳转：所有 HTTP 请求 301 到 HTTPS，并排查修复混合内容警告。

Phase 3 · 权重 20% · 机器可读层

知识图谱与结构化数据

结构化数据是 AI 阅读网站的「语言」。部署 Schema.org 标签的页面进入 AI 知识图谱的概率显著高于未部署页面（第三方研究给出约 3.7 倍的差异），这是技术成本最低、效果最直接的单一动作之一。^[4]

Schema.org
JSON-LD
知识图谱
Wikidata
九类结构化数据

20%

满分 100 分

Organization Schema（全站根层级）：name、url、logo、description（150 字标准版）、address（PostalAddress）、telephone、email、sameAs（Wikidata 与各官方主页数组）、foundingDate。
LocalBusiness Schema（门店或服务区域扩展）：继承 Organization，另加 geo（GeoCoordinates）、openingHoursSpecification、areaServed、priceRange、hasMap。
注入方式：在每页 <head> 内用 <script type="application/ld+json">；不用 Microdata 或 RDFa（可读性差、维护成本高）。
sameAs 是最关键字段：它把各平台信息汇聚到同一实体，每增加一个高权威 sameAs，实体识别度都会提升。

Product Schema：name、description、image、brand、sku、offers（price / priceCurrency / availability）；有真实评分再加 aggregateRating。
Service Schema：name、description、provider（指向 Organization）、areaServed、serviceType；服务类型用用户会说的自然语言表述。
Person Schema：核心成员独立部署，含 jobTitle、worksFor、knowsAbout、hasCredential；医疗、法律、财务行业提升 E-E-A-T 的核心手段。

FAQPage Schema（所有 FAQ 页必做）：每组问答用 mainEntity 包裹 Question，配 acceptedAnswer；直接影响 AI 在问答类场景引用本站的概率。
HowTo Schema（教程 / 操作类）：step 数组每步含 name 与 text；AI 生成操作类回答时的优先引用格式。
Article / BlogPosting Schema（所有文章）：headline、author、datePublished、dateModified、publisher；dateModified 的更新频率直接影响模型对「知识新鲜度」的判断。
品牌知识图谱文档：用 JSON-LD 描述品牌完整实体关系，通过 @id 建立实体间引用，部署到可访问路径并在 llms.txt 中注明。

固定 5 个核心页面（永久 URL，改版不变）：关于我们、核心团队、产品或服务、常见问题、联系方式。
BreadcrumbList Schema：所有内页部署面包屑结构化数据，帮助 AI 理解站点层级。
Speakable Schema：在关于页与 FAQ 页的关键段落标记，提示哪些句子最适合被语音场景朗读引用。
清理历史冲突内容：删除或 301 重定向两年以上未更新的旧文；清理含旧地址、旧价格、过期活动的页面。

Phase 4 · 权重 15% · 内容权威核心

内容权威体系建设

内容是 AI 引用的直接原料。写法对了，同一篇文章被引用的概率可以差出数成；写法错了（比如堆关键词），还会反向降低引用率。下表是我们在项目中长期采用的九条内容战术与效果排序。^[1]

答案优先结构
数据密度
标准化知识库
FAQ 词库
主题聚类

15%

满分 100 分

九大内容战术 · 按效果排序

①

统计数据植入

引用率 +41%

用具体数字替换模糊表述：「很多用户」→「67% 用户（来源与年份）」

②

权威引用

引用率 +40%

引用专家、研究机构与行业报告，并附来源与年份

③

来源标注

引用率 +38%

每个数据与结论标注机构和时间，增强可验证性

④

专业术语使用

引用率 +18%

先定义后正常使用行业精准术语，提升领域匹配度

⑤

权威性改写

引用率 +17%

语气自信、专业、直接，避免模棱两可的表述

⑥

流畅度优化

引用率 +15%

语句通顺、逻辑清晰、无语病——模型偏好语言质量高的内容

⑦

词汇多样性

引用率 +12%

同一概念多种表达，覆盖用户不同问法的语义空间

⑧

简洁易读

引用率 +10%

复杂问题用简单语言解释，便于被直接摘录进回答

✗

关键词堆砌

引用率 −8.7%

强行重复关键词会被判定为低质内容，主动降低引用率

五层需求词库（从宽到窄）：①地域泛词 ②行业与品类核心词 ③咨询行为词（多少钱、哪家好、怎么选）④解决方案词 ⑤品牌词及各类搭配。
AI 对话式长尾挖掘（GEO 特有）：用户在 AI 里输入的是完整句子而非关键词。从抖音、小红书、知乎评论区的真实问句，以及各 AI 平台的「相关问题」联想中收集。
输出《五层需求词库》：每层 ≥100 个词或问句，区分通用与地域口语版本，标注搜索热度与竞争难度。

知识库六大分类：①品牌介绍（长/中/短三版本）②产品与服务科普 ③高频 FAQ（覆盖词库全部问题）④行业通用知识 ⑤用户指南 ⑥人员与专家介绍。
话术统一原则：全平台文案 100% 引用知识库标准原文；机构介绍段落全网同源、一字不差；任何渠道发布前先对照知识库核查。
答案优先格式（每篇必守）：首段 ≤50 字直接回答核心问题 → 背景与原理 → 细节展开 → 末尾 FAQ（≥3 问）；全文含 ≥3 条带来源的统计数据。
输出：《官方标准化知识库》（≥80 篇）与《用户 FAQ 问答库》（≥200 条）。

主题聚类结构：每个核心话题 1 篇支柱内容（≥3000 字深度指南）+ 8–15 篇配套子文（≥800 字），支柱与子文双向内链，锚文本含核心实体名。
实体关联密度：科普内容中自然植入「地域 + 品类 + 品牌」关联，语义密度控制在正文 ≤1.5%，核心服务名每篇自然出现 ≥3 次。
多媒体优化：图片 alt 用「品牌名-场景-具体描述」；视频上传 .srt 字幕并在描述嵌入标准 NAP；信息图必须配完整文字说明段落（模型读不了图）。

月度内容排期表：按月定选题并标注类别（科普 / FAQ / 行业 / 品牌），优先生产 Phase 7 诊断出的语义缺口内容。
发布前质量检查清单：①有 50 字内答案优先段 ②≥3 条带来源数据 ③有 FAQ 板块 ④有 FAQPage Schema ⑤图片有 alt ⑥话术与知识库一致 ⑦有相关内链。
更新信号维护：定期更新核心页 dateModified，更新后在搜索资源平台主动推送，更新内容时保持 URL 不变。

Phase 5 · 权重 8% · 官方信源基础

官方权威阵地矩阵

为 AI 提供可直接采信的第一手信源。全平台官方认证账号 + 百科词条 + 行业名录，构成品牌的「官方身份认证网络」。

企业认证账号
蓝 V 认证
百科词条
行业名录
真实口碑

8%

满分 100 分

国内核心平台（必做）：微信公众号（服务号优于订阅号）、抖音企业号、微博企业认证、小红书企业号、头条号、百家号、夸克企业号、知乎机构号。
所有账号统一配置：简介取自知识库 150 字标准版 + 标准 NAP，头像用官方 Logo，全部完成企业认证；简介必含品牌全称、官网 URL、电话、地址，格式与 NAP 完全一致。
AI 平台侧的品牌信息：定期检查豆包、文心一言、夸克 AI 等平台是否已有关于本品牌的词条或卡片，有则认领并更正。
高权重 UGC 布局：知乎以官方号或专家个人号回答相关问题；小红书发布真实体验内容；B 站做知识科普视频。

核心百科平台按引用优先级：百度百科、抖音百科、知乎词条、搜狗百科、行业官方名录。
词条内容规范：正文 100% 采用知识库标准文本；严守平台的中立客观要求（不能写成广告）；配图用官方实拍原图；信息附参考资料链接。
词条维护：申请词条管理权限；建立月度监控机制，发现第三方改成错误信息立即走维权渠道申请恢复。
行业名录必须覆盖：天眼查、企查查（国内 AI 直接引用的工商数据源）、行业协会名录、政府企业信用公示平台，信息与 NAP 完全一致。

严禁批量刷评。平台算法可识别刷评行为，一旦被判定为低可信品牌，引用率会大幅下降且极难恢复。

建立评价触发流程（服务完成 48 小时内）：线下由服务人员口头提醒并给扫码评价卡；线上自动发送满意度调研与评价引导；收到正面口头反馈时当场引导转为评价。
评价平台优先级：高德地图、大众点评、百度地图三大必做；其次是微信服务号图文评测与知乎的知识型评价。
差评处理 SOP：48 小时内官方回应（解释 / 致歉 / 解决方案）→ 私信协商处理 → 确属违规内容再申请平台删除。
Review / AggregateRating Schema：把真实评价整合到官网并标注结构化数据，提升评分的机器可读性。

Phase 6 · 权重 4% · 外部信源

外部信源与链接权威建设

AI 回答里的引用绝大多数来自站外而非品牌自有内容（第三方统计约 82%）。这意味着只优化官网远远不够，必须在外部信源矩阵中建立可见度——它同时也是传统 SEO 的核心信号。^[5]

三层信源分级
赚得媒体
外链建设
品牌提及

4%

满分 100 分

第一层 · 核心权威平台：行业协会与政府机构网站、行业垂直与财经媒体、学术机构、大型门户；争取以专访、行业报告引用等形式出现。
第二层 · 垂直行业媒体与社区：专业论坛、垂直新闻站、行业 KOL 的真实体验内容；每篇须含品牌全称、官网 URL 与标准 NAP。
第三层 · UGC 内容平台：知乎（问答型，被引用最多）、小红书（图文体验）、B 站（视频）、微博话题（扩散）；引导真实用户分享，不刷评。
重视无链接提及：即便没有链接，品牌名出现在正面语境中同样有效（提及与可见度相关系数约 0.664）；每条外部内容中让品牌全称自然出现 ≥3 次。

新闻稿发布体系：新品发布、获奖、合作等重要事件必发官方新闻稿，内容须含标准 NAP、带引号的官方引语与官网链接。
专家媒体亮相：向行业记者与编辑持续提供专业见解与数据支持，成为可信信源；维护 5–10 位行业媒体联系人。
创作可被引用的内容资产：独家调研数据、行业白皮书、权威解读文章——一旦被媒体引用，同时获得高质量外链与品牌提及。

监控范围：品牌全称 + 所有简称 + 创始人姓名 + 核心产品名；覆盖公众号、微博、抖音、知乎、小红书与新闻媒体，按日更新。
提及处理 SOP：正面提及转发引用扩大曝光；中性提及官方号评论互动；负面提及 48 小时内回应；无链接提及在评论区补官网链接。
月度提及报告：统计提及总量、情感分布、平台分布与增长趋势，与 Phase 8 的 KPI 监测合并。

Phase 7 · 权重 2% · 战略冲刺

AI 可见度冲刺与竞争诊断

前六个阶段的基础建设完成后进入主动冲刺：多模型复测、语义缺口精准填补、竞品差距分析、A/B 验证，以及降权风险清零。

多模型复测
语义缺口
竞品分析
A/B 测试
风险清零

2%

满分 100 分

与 Phase 0 基准对比：重跑同一套测试问题集，对比提及率、准确率、引用信源与竞品相对位置的变化。
语义缺口识别：找出品牌缺席或被竞品占据的问题类型，按优先级补写知识库文章（≥800 字，含数据引用与 FAQ）。
竞品差距分析：分析竞品被引用的内容类型（百科 / 媒体稿 / FAQ / 视频）与信源渠道构成，制定差异化占位策略。
小批量 A/B 验证：新增 10 篇文章，对比「含数据 + 来源标注」与「同话题无数据」两组的被引用差异，周期 ≥4 周并记录结论。

全网巡检：历史违规宣传、夸大效果文案、废弃站点的冲突信息、错误 POI 点位，集中纠错整改。
账号合规检查：核查各平台是否存在违规记录，有则申诉处理。
声誉排查：排查是否有负面内容或不实评价已被模型学习，必要时启动声誉管理程序。
合规话术审查：确保所有内容符合广告法及行业规范（医疗、金融、食品尤其严格），杜绝绝对化用语。

Phase 8 · 权重 1% · 长效保障

KPI 体系建立与长效运维

GEO 不是一次性工程，模型在持续学习更新。用月度巡检 + 季度复盘 + 知识库动态迭代，保证实体信息长期一致、优化效果持续累积。

11 项核心 KPI
月度巡检
季度复盘
动态更新

常态化

满分 100 分

AI 引用频次

AI Citation Count

标准问题集中 AI 引用品牌的次数，最直接的成效指标。

每周目标：环比 +10%

AI 可见度率

AI Visibility Rate

含品牌的回答数 ÷ 总测试问题数，核心曝光指标。

每周目标：≥30%

回答准确率

Answer Accuracy

AI 对品牌的描述与实际信息的一致性，基础信任指标。

每月目标：≥95%

AI 声音份额

Share of Voice

品牌与竞品在核心话题中的曝光占比，竞争力指标。

每月目标：行业前 3

品牌提及率

Brand Mention Rate

全网品牌名提及频率（含无链接），权威信号指标。

每月目标：环比增长

情感倾向

Sentiment Score

AI 描述品牌时的语境倾向，声誉指标。

每月目标：正面 ≥85%

信源引用链接数

Citation Link Count

回答中直接附带官网 URL 的次数，流量潜力指标。

每月目标：持续增长

AI 引荐流量

AI Referral Traffic

来自 AI 平台的实际站点访问量，变现转化指标。

每月目标：同比增长

引用持久率

Citation Persistence

同一信源被连续引用的稳定性，短命引用占比很高。

季度目标：核心源 ≥70%

品牌词搜索量

Branded Search Lift

传统搜索中品牌词搜索量变化，GEO 的溢出效应。

每月目标：同比增长

AI 转化率

AI-Assisted Conversion

AI 引荐流量的转化率，通常高于自然搜索流量。

季度目标：建立基准

月度巡检（固定日期）：抽查 10 个平台的 NAP 一致性、百科词条正确性、自媒体简介统一性、Schema 有效性、AI 输出准确率，并处理新增错误信息。
季度全链路复盘：输出季度效果报告，含 11 项 KPI 环比同比变化、引用率趋势、竞品矩阵、优化动作与效果的归因分析、下季度计划。
知识库动态迭代：新产品与服务信息及时进库，每月新增 FAQ ≥5 条，过时内容下线或更新。
平台政策跟踪：订阅各大模型与搜索引擎官方公告，出现影响 AI 搜索的更新时两周内评估影响并调整策略。

核心交付物

20 项核心交付物清单

按阶段归属排列。无论自主执行还是外包，这张表都可以直接当验收单用——交付物缺失，就说明那一阶段没真正做完。

云耕 GEO 八阶模型 · 交付物清单 v2026.1
#	交付物	归属阶段	核心作用	格式
01	GEO 基准测试报告	Phase 0	AI 可见度现状摸底，建立优化基线	PDF
02	品牌 GEO 问题诊断清单	Phase 0	按优先级排序全部问题，指导执行顺序	Excel
03	实体基准信息白皮书	Phase 1	固定唯一标准实体信息，全平台统一依据	Word / PDF
04	历史错误信息治理台账	Phase 1	记录治理全流程，留存整改凭证	Excel
05	NAP 校准模板 + 台账	Phase 1	全平台信息校准标准与进度记录	Excel
06	Wikidata 实体档案	Phase 1–2	机器可读的官方身份，供模型直接引用	在线词条
07	llms.txt + llms-full.txt	Phase 2	AI 爬虫专用索引，提升内容发现效率	文本文件
08	技术诊断与修复报告	Phase 2	robots、渲染、爬虫权限的修复记录	PDF
09	Schema 标签实施包	Phase 3	各页面 JSON-LD 结构化数据代码	JSON-LD
10	知识图谱 JSON-LD 文档	Phase 3	品牌实体关系图谱，可导入的标准格式	JSON
11	五层需求词库	Phase 4	需求挖掘成果，含 AI 对话式问句	Excel
12	官方标准化知识库	Phase 4	全平台话术统一的核心依据（≥80 篇）	Word
13	用户 FAQ 问答库	Phase 4	≥200 条标准问答，直接用于 FAQ 页与创作	Excel
14	内容模板库	Phase 4–6	全平台内容创作标准模板（≥5 种）	Word
15	月度内容选题排期表	Phase 4–6	内容创作与发布的执行计划	Excel
16	信源渠道分级清单	Phase 6	三层信源分级管理，指导内容投放	Excel
17	竞品 GEO 差距分析报告	Phase 7	识别竞争差距，指导差异化策略	PDF
18	内容优化 A/B 测试报告	Phase 7	验证最有效的内容优化动作	PDF
19	月度 AI 可见度 KPI 报告	Phase 8	11 项指标月度追踪与可视化	PDF
20	季度全链路效果报告	Phase 8	季度复盘与下一周期策略	PDF

效果度量

11 项核心 KPI 与监测方式

传统排名指标已不足以衡量 AI 时代的品牌可见度，新旧指标需并行追踪。

KPI	英文名	定义与计算	频率	目标基准
AI 引用频次	AI Citation Count	标准问题集中 AI 引用品牌的绝对次数	每周	环比持续增长
AI 可见度率	AI Visibility Rate	含品牌的回答数 ÷ 总测试问题数 × 100%	每周	≥30%
回答准确率	Answer Accuracy	描述准确的问题数 ÷ 总测试数 × 100%	每月	≥95%
AI 声音份额	Share of Voice	本品牌引用次数 ÷ 全部竞品引用总次数	每月	行业前 3
品牌提及率	Brand Mention Rate	全网新增品牌名提及量（含无链接）	每月	环比 ≥10%
情感倾向	Sentiment Score	AI 引用中正面描述占比	每月	正面 ≥85%
信源引用链接数	Citation Link Count	回答中附带官网 URL 的次数	每月	持续增长
AI 引荐流量	AI Referral Traffic	统计工具中来源为 AI 平台的访问量	每月	同比增长
引用持久率	Citation Persistence	同一信源连续 3 个月仍被引用的比例	季度	核心源 ≥70%
品牌词搜索提升	Branded Search Lift	指数类工具中品牌词搜索量变化	每月	同比增长
AI 转化率	AI-Assisted Conversion	AI 引荐流量的实际转化率（询盘 / 预约 / 成交）	季度	建立基准后逐期对比

风险清单

13 项高频错误与纠正方案

这些坑我们在项目中反复见到。提前避开，能省下大量无效工作量。

错误类型	具体表现	风险	纠正方案
实体分裂	品牌在不同平台有多个名称，被识别为不同实体	致命	STEP 1.2：锁定唯一名称 + Wikidata 确权
AI 爬虫被屏蔽	robots.txt 全局 Disallow，连带屏蔽 GPTBot、ClaudeBot	致命	STEP 2.1：立即检查并修复 robots.txt
NAP 不一致	各平台地址、电话、名称有细微差异（如「路」与「大道」）	致命	STEP 1.3：全平台统一校准并复查
关键词堆砌	标题与正文强行重复关键词，反而降低引用率	反效果	STEP 4.3：改为自然语义植入，密度 ≤1.5%
虚假刷评	批量刷评被算法识别，判定为低可信品牌	违规	STEP 5.3：仅引导真实用户评价
无 llms.txt	缺失该文件，AI 无从判断哪些页面最重要	高	STEP 2.2：半小时即可部署
无 Schema 标签	官网没有结构化数据，信息提取效率极低	高	STEP 3.1：至少部署 Organization + FAQPage
无数据佐证	内容全是定性描述，无数字无来源	高	STEP 4.2：每篇 ≥3 条带来源的数据
忽视工商数据源	天眼查、企查查信息不准，却被国内 AI 大量引用	高	STEP 1.3：专门针对这两个平台校准
只做内容忽视外链	只有自有内容，站外信源为零	高	Phase 6：外部信源建设不可缺失
内容停止更新	官网长期无新内容，模型对品牌的认知停止刷新	中	STEP 4.4：建立月度更新节律 ≥8 篇
忽视无链接提及	只盯外链，忽略品牌名的纯文本提及	中	STEP 6.3：建立提及监控体系
一次性优化思维	以为做完就结束，不再维护	高	Phase 8：建立长效运维机制

术语与判定标准

本标准使用的术语定义

同一个概念在不同服务商口中经常指不同的东西，验收时最容易在这里扯皮。以下定义在本 SOP 全文范围内有效，也是我们与客户对齐验收口径时使用的口径。

云耕 GEO 八阶模型Yunxg Eight-Phase GEO Model: 由云享耕科技提出的生成式引擎优化实施标准：把 GEO 拆成诊断预检、实体基础、技术可见度、知识图谱、内容权威、官方阵地、外部信源、可见度冲刺、KPI 运维九个执行单元（Phase 0–8），并为每个单元规定步骤、验收标准、交付物与权重。
生成式引擎优化GEO · Generative Engine Optimization: 以「被 AI 问答系统准确理解并优先引用」为目标的优化工程，优化对象是模型的检索与生成链路，而非搜索结果排名位次。
AIGEOAI Generative Engine Optimization: 国内对 GEO 的常用叫法，含义与 GEO 一致。本站在面向企业客户的服务语境中使用 AIGEO，在方法论语境中使用 GEO，二者可互换（参见 AIGEO 专题）。
AI 可见度AI Visibility: 品牌在 AI 问答结果中被提及、被引用与被准确描述的综合程度。可测量，但不等于排名；本标准用 SoM、SoC、描述准确率三项指标共同刻画。
AI 提及份额SoM · Share of Model: 在固定问题集下，品牌被提及的次数占同题竞品提及总次数的比例。测量前提是问题集、平台清单与采样次数固定，否则不同期数据不可比。
引用份额SoC · Share of Citation: AI 回答中标注的信源链接里，指向本品牌域名的比例。它比提及份额更硬——被提及只说明模型知道你，被引用说明模型愿意把你当依据。
实体一致性Entity Consistency · NAP: 品牌名称（Name）、地址（Address）、电话（Phone）及主体信息在官网、地图、工商、社媒等全部信源上完全一致。任一处冲突都会让模型把同一主体识别为多个实体。
答案胶囊Answer Capsule · Answer-first: 置于段落或页面开头、脱离上下文仍能独立成答的 40–60 字陈述。它是 AI 抽取答案时的首选片段，也是本标准要求每个 H2 首段必须具备的结构。
llms.txt: 放在站点根目录、面向大模型的纯文本索引文件，声明站点定位与最值得读取的页面清单^[8]。它不替代 sitemap.xml，两者分别服务于模型与搜索引擎。

常见疑问

关于这套标准的五个高频问题

这套 SOP 和「四步落地框架」「34 项自检清单」怎么配合用？

三者是同一套方法的三种粒度：四步框架用来对齐认知（做哪四层），34 项自检用来定位现状（缺哪一层），本 SOP 用来执行与验收（每步做什么、做到什么算合格）。建议顺序是先自检、再看框架排期、最后按 SOP 逐步执行。

没有专职团队，能只做其中几个阶段吗？

可以，但顺序不能乱。最小可行组合是 Phase 0（基线）+ Phase 1（实体一致性）+ Phase 2（技术可见度），三项合计约占权重 50%，且一次性投入为主、后续维护成本低。内容与外部信源（Phase 4、6）是持续投入项，可按预算分期推进。

35%、20%、15% 这些权重是怎么定的？能照搬到我的行业吗？

权重来自两部分：公开研究给出的信号相关性排序^[1]^[2]，以及我们在客户站点上的实施复盘^[6]。它表达的是「投入优先级」而非精确贡献值。行业差异主要体现在 Phase 5、6 的平台选择上，前四个阶段的优先顺序在各行业基本通用。

按这套 SOP 做完，多久能被豆包、DeepSeek 这类平台引用？

没有确定时间表，我们也不做这类承诺。可观察的规律是：结构类改动数天至数周被重新抓取，AI 引用格局的实质变化通常出现在 3–6 个月，且随各平台规则调整波动。能当天验证的只有结构本身——用结构化数据测试工具与查看源代码即可确认。

可以把这套 SOP 用在我给客户的方案里吗？

个人学习、企业自查与非商业转载可以，需保留署名与原文链接；把本标准（含阶段划分、权重、步骤编号、验收标准）用于对外收费的方案、课程或产品，属于商业使用，需先取得书面授权。授权条款见下方版权说明，商业授权请联系我们。

可核验来源

参考文献与规范依据

正文中的量化结论均对应下列来源；条目 [1]–[5] 为第三方研究，[6] 为云享耕科技一手实践记录，[7]–[10] 为本标准所依据的公开技术规范与平台文档。

Aggarwal P., Murahari V., Rajpurohit T., 等《GEO: Generative Engine Optimization》，ACM SIGKDD 2024（arXiv:2311.09735）。arxiv.org/abs/2311.09735
Semrush《AI 可见度与品牌提及相关性研究》，2025。品牌提及相关系数约 0.664、外链信号约 0.218 的对比数据出自该研究。
SearchScore《llms.txt 部署情况抽样统计》，2026。缺失率约 69.7%。
ALM Corp《结构化数据与 AI 知识图谱入选率研究》，2026。约 3.7 倍差异。
Muck Rack《AI 答案引用来源统计》，2025；Semrush《AI 引用来源分布》，2026。站外信源占比约 82%。
云享耕科技《客户站点 GEO 实施与复盘记录》，2025–2026，持续更新。一手实践观测，含实施顺序、返工原因与验收偏差统计；非公开数据集，可在合作评估中按需说明。
Schema.org 官方词汇表（Organization、TechArticle、HowTo、FAQPage、DefinedTermSet 等类型定义）。schema.org
《The /llms.txt file》提案，llmstxt.org。llmstxt.org
Google Search Central《结构化数据一般准则》。developers.google.com
百度搜索资源平台（收录、抓取与结构化数据相关规范）。ziyuan.baidu.com

引用与版本

如何引用本标准

撰写文章、方案、课件或研究时引用本标准，请使用下列任一格式并保留原文链接。这样做也方便我们在后续版本中回溯引用来源。

GB/T 7714-2015（中文规范）

云享耕科技. 云耕 GEO 全链路优化通用 SOP: 八阶段可落地标准: V2026.1[EB/OL]. (2026-07-29). https://yunxg.cn/pages/aigeo/geo-sop/index.html.

APA 7th

云享耕科技. (2026). 云耕 GEO 全链路优化通用 SOP：八阶段可落地标准 (v2026.1). https://yunxg.cn/pages/aigeo/geo-sop/index.html

BibTeX

@techreport{yunxg2026geosop,
  title  = {云耕 GEO 全链路优化通用 SOP：八阶段可落地标准},
  author = {云享耕科技},
  year   = {2026},
  type   = {行业实施标准},
  number = {v2026.1},
  url    = {https://yunxg.cn/pages/aigeo/geo-sop/index.html}
}

网页转载署名（HTML）

<p>本文内容引自云享耕科技《云耕 GEO 全链路优化通用 SOP v2026.1》，原文：<a href="https://yunxg.cn/pages/aigeo/geo-sop/index.html">https://yunxg.cn/pages/aigeo/geo-sop/index.html</a>（CC BY-NC-ND 4.0）</p>

版本与修订记录

v2026.1 2026-07-29 首次公开发布：8 个执行阶段、27 个可验收步骤、20 项核心交付物、11 项 KPI、13 项高频错误，并补齐术语定义与参考文献。

修订原则：每季度对照各平台公开规则与最新研究复核一次；遇平台规则重大调整随时修订。修订会同步更新版本号与页面 dateModified，历史版本的结论若被推翻会在本表注明，不做静默改动。

原创声明

版权与转载授权

《云耕 GEO 全链路优化通用 SOP》v2026.1 · 云享耕科技原创

本页的阶段划分、权重分配、步骤编号、验收标准与交付物体系（下称「云耕 GEO 八阶模型」）由云享耕科技基于自身项目实践整理并原创发布，版权归全椒云享耕种植农场（云享耕科技）所有。

文中涉及第三方研究的量化结论（如内容战术的引用率增幅、外部信源占比、结构化数据入选倍数、llms.txt 缺失率）已在对应位置标注出处，版权归原研究方；这些数据用于支撑方法论，不构成本站的效果承诺。

本 SOP 为通用标准，适用于国内各行业的 GEO 实施；建议每季度对照最新公开研究与平台规则复核更新。AI 可见度效果因行业竞争、内容深度与各平台规则而异，我们交付可验证的流程与结构，不承诺排名或引用次数。

下一步

下一步：先定位，再动手

SOP 是完整地图，但不必一次全走完。建议先做自检定位现状，再按权重顺序从 Phase 1 补起。

按阶段配套深读

每个阶段的原理与操作细节，云耕智库都有对应的长文；本 SOP 只写「做什么、怎么验收」，深度背景看这些。

方法论背景：生成式引擎优化（GEO）：从 Princeton 研究到中国实践的完整指南，以及 AEO、GEO、AIGEO 的区别与适用性。
Phase 0 / 8 基线与度量：没有排名面板时，AIGEO 效果怎么衡量；指标定义见 AI 引用份额（Share of Citation）指标体系。
Phase 1 实体基础：品牌实体建设：让 AI 认识你的企业；为什么提及优先于外链见品牌提及量 vs 外链权重的范式转移。
Phase 2 技术可见度：llms.txt 完整配置指南、豆包 / Kimi / DeepSeek 爬虫机制与配置策略。
Phase 3 结构化数据：JSON-LD 结构化数据实施指南与自检清单。
Phase 4 内容权威：什么内容容易被 AI 引用：答案先行写法完全指南、去 AI 味：AI 写的内容为何不被 AI 引用。
Phase 5 / 6 站外阵地：企业怎样出现在豆包推荐服务商的回答里。
边界与风险：AIGEO 的局限性：哪些效果不能承诺、AIGEO 诚实白皮书：我们的实践数据说明了什么。

GEO 全链路优化通用标准 SOP

一分钟看完这套标准的全部要点

八阶段与权重分配总览

九张卡看懂钱该先花在哪一层

GEO 诊断预检

实体基础建设

技术可见度建设

知识图谱与结构化数据

内容权威体系建设

官方权威阵地矩阵

外部信源与链接权威

AI 可见度冲刺与诊断

KPI 体系与长效运维

GEO 诊断预检

实体基础建设（内权基建）

技术可见度建设

知识图谱与结构化数据

内容权威体系建设

官方权威阵地矩阵

外部信源与链接权威建设

AI 可见度冲刺与竞争诊断

KPI 体系建立与长效运维

20 项核心交付物清单

11 项核心 KPI 与监测方式

13 项高频错误与纠正方案

本标准使用的术语定义

关于这套标准的五个高频问题

参考文献与规范依据

如何引用本标准

版本与修订记录

版权与转载授权

下一步：先定位，再动手

34 项自检清单 →

四步落地框架 →

服务对照表 →

按阶段配套深读

八个阶段，想知道从哪一步开始最划算？

最新智库文章

AIGEO 的局限性：哪些效果不能承诺，哪些服务商在忽悠你（2026）

AIGEO 诚实白皮书：云享耕科技的实践数据说明了什么（2026）

AEO、GEO、AIGEO 的区别：三个概念的精确定义与中国市场适用性（2026）

AIGEO 效果怎么衡量：没有排名面板时，用这些替代指标（2026）

企业怎样出现在豆包推荐服务商的回答里：AI引用机制与应对策略

生成式引擎优化（GEO）：从 Princeton 研究到中国实践的完整指南（2026）

GEO 全链路优化
通用标准 SOP