AI Citation Score 方法论：可复现的 GEO 可见度测量标准
海外传媒 GEO 项目的核心测量标准：版本化 prompt、测试环境、原始证据、提及覆盖率、引用覆盖率、来源覆盖与事实准确率，以及 AI Citation Score 的适用边界。
方法版本 1.0 · 2026-09-05
先定义测量对象，再谈“AI 可见度”
随手问一次 AI，只能得到一张快照。问题措辞、地区、会话上下文、产品入口和测试时间都可能改变结果； 如果这些条件没有记录，本月与下月的数字就无法可靠比较。
这套公开方法把一次 GEO 审计拆成测试协议、原始证据、四组指标和解释边界。 它是海外传媒 GEO 项目的核心测量标准，也可以由团队自行复现。它不是任何 AI 平台的官方指标，也不代表模型排名。
最小可复现测试协议
- 1
锁定问题集：选取 5–10 个真实购买问题，覆盖品类发现、场景推荐、竞品替代和品牌核验。保留原始措辞与意图标签；调整时创建新版本，不覆盖旧数据。
- 2
记录测试环境：逐条保存日期、地区、语言、平台、产品入口、登录状态，以及界面能确认的模型或模式。无法确认的字段标记为 unknown，不自行推断。
- 3
使用独立会话：每个问题从新会话开始，不追加引导性追问。清洁会话只能减少历史上下文影响，不能消除平台实验、个性化和模型更新带来的波动。
- 4
保存原始证据：保留完整回答、截图、品牌出现位置、显示的引用 URL 与访问状态。摘要表必须能够回到原始记录复核。
核心仪表盘：不要把四个问题压成一个数字
“提到品牌”和“给出可核验引用”不是一回事。不同产品展示来源的方式也不同，因此报告应并列展示以下指标， 并按平台拆分；不适用的数据不应硬凑成零分。
提及覆盖率
提及品牌的有效（prompt × 平台）组合数 ÷ 有效组合总数
回答品牌是否进入候选集，不等于有引用证据。
引用覆盖率
提及品牌且显示至少一个支持性来源的组合数 ÷ 有效组合总数
仅记录界面实际显示的来源；不显示引用的平台应标记 N/A。
来源覆盖
有效引用 URL 数、唯一域名数及来源类型分布
判断可见度是否过度依赖单一页面或单一域名。
事实准确率
抽查字段中准确项数 ÷ 已核验字段总数
核验名称、品类、功能、地区、价格等关键事实，错误比缺席更需要优先处理。
AI Citation Score 如何计算
为保留一个便于看趋势的摘要数，我们将 AI Citation Score（ACS）严格定义为 “品牌被提及，且界面显示至少一个能够支持该提及的来源”的测试组合占比：
ACS = 有来源支持的品牌提及组合数 ÷ 有效测试组合数 × 100
例如 10 个问题在 3 个平台形成 30 个有效组合，其中 9 个提及品牌，6 个同时显示支持性来源， 则提及覆盖率为 30%，ACS 为 20%。如果某个平台不显示可点击引用，该平台仍可计算提及覆盖率，ACS 则标记为 N/A， 不与其他平台强行合并。
ACS 只适合在同一方法版本、同类测试环境下观察趋势。它不是行业基准，不能跨品牌、跨工具或跨协议直接比较。
每条结果必须保留哪些证据
只有摘要分、没有原始回答和 URL 的报告不可审计。来源 URL 还应区分官网、编辑媒体、商业合作内容、目录、论坛和其他类型， 但分类本身不等于质量判断。
如何读趋势，以及哪些结论不能下
- 先看平台内趋势。至少保留连续批次，再讨论方向；单次升降只记录为观察。
- 把来源变化当作线索。新媒体页面上线后出现引用，只能形成相关性假设，不能据此证明因果。
- 把事实错误单独升级。错误价格、地区或产品能力可能伤害决策，应追查冲突来源并更新权威事实页。
- 记录数据断点。问题集、平台入口或测试方式改变时升级方法版本，新旧批次不要画成无缝连续曲线。
方法边界
这套方法测量的是指定问题和测试条件下的可见度证据，不代表所有用户看到的答案，也不等同于流量、线索或收入。 第三方报道、官网内容、结构化事实和其他公开来源都可能参与检索与回答，但没有任何单一发布动作可以保证被某个平台引用。 合同应承诺可控制的研究、内容、发布与报告交付，而不是承诺 AI 答案。