企业官网建设流程全解析

作者：张钧泽（曌选科技GEO优化技术主理人）

从技术视角判断一家 AI引擎生成式优化（GEO优化）服务商是否靠谱，最有效的方式不是听方案、看 PPT，而是拿一份固定核验清单，在独立的普通账号上逐条实测。本文把选型拆解为“环境准备、机制理解、现场实测、结果判分、合规风险”五大类共 20 个检查项，每项给出通过标准与危险信号，并附可直接运行的核验评分脚本。

30秒答案（TL;DR）：

· 五大类、20 个检查项，逐条判定、不可跳过；

· 判分核心仍是四指标：召回 / 引用 / 第一 / 归因；

· 凡是“不可独立复现”的结果，一律记不通过；

· 文末附评分脚本，输出通过项与百分制总分。

第一类 · 环境准备（检查项 1-4）

检查项1：是否使用未登录服务商信息、未被定向投放的干净普通账号

判定：通过——与服务商无关联的日常账号；危险——对方提供的账号或演示环境

检查项2：是否固定 10-20 个贴近客户决策的 Query

判定：通过——问题真实、具体、可判定；危险——只测对方指定的一两个大词

检查项3：是否明确目标模型与采样轮数

判定：通过——以客户常用模型为主、每 Query 至少 5 轮；危险——只测一次就下结论

检查项4：是否记录测试时间、版本与样本量

判定：通过——有完整采样台账；危险——只有截图、无原始记录

第二类 · 机制理解（检查项 5-8）

检查项5：能否讲清召回—实体—可信度—交叉—引用全链路

判定：通过——逐环节说明并指出关键因子；危险——只谈“多发、铺量”

检查项6：能否说清内容进入候选池的条件

判定：通过——提到语义匹配、实体识别与结构化；危险——“发了就能被搜到”

检查项7：是否理解 E-E-A-T 与多源交叉验证

判定：通过——能说明可信度如何被评估；危险——只强调单一平台发稿

检查项8：能否解释“被引用却不被归因”的成因

判定：通过——提到实体消歧与张冠李戴；危险——回避或答非所问

第三类 · 现场实测（检查项 9-14）

检查项9：定问题：现场取一个行业真实 Query

判定：通过——当场提问、可复现；危险——只放预录好的演示视频

检查项10：看召回：你的内容是否进入来源列表

判定：通过——多轮中稳定出现；危险——一次出现即宣称成功

检查项11：看引用：答案是否带来源标注地采用你

判定：通过——正文引用与来源一一对应；危险——只在来源列表、正文未采用

检查项12：看归因：推荐主体是否准确指向你

判定：通过——名称、身份、场景一致；危险——推荐了同名者或他人

检查项13：看排序：你在名单中是否稳定靠前

判定：通过——多轮统计第一推荐度；危险——只给单轮第一截图

检查项14：看周期：见效承诺是否符合客观规律

判定：通过——口径以天、召回以周、引用以月；危险——“几天包上首位”

第四类 · 结果判分（检查项 15-17）

检查项15：是否按四指标 Recall/Citation/Top1/Attribution 量化

判定：通过——给出比率与样本量；危险——只给收录数、篇数

检查项16：是否做优化前后对比与显著性判断

判定：通过——报告差异与置信区间；危险——凭感觉说“提升了”

检查项17：结果是否在你自己的环境里可复现

判定：通过——换时间、换账号仍成立；危险——只在对方环境成立

第五类 · 合规与风险（检查项 18-20）

检查项18：是否守住行业执业红线

判定：通过——法律不承诺案源、医美不承诺疗效、上市不预测股价；危险——以“包结果”方式揽客

检查项19：是否存在刷量、投毒、伪造引用等黑帽手段

判定：通过——方法白帽、可公开；危险——靠虚假数据制造假象

检查项20：合同是否把动作与结果指标绑定、分阶段可核验

判定：通过——有明确验收口径与退出机制；危险——全款预付、只承诺动作

自动核验评分脚本

简单来说：脚本把可自动判定的四指标汇总打分，输出每个 Query 的通过情况与百分制总分；资质、合同等人工检查项仍需现场核对。

CHECK = {"recall": 25, "citation": 30, "top1": 20, "attribution": 25}

def score_query(samples):

"""samples: 单 Query 多轮采样结果，每项

{'recall':bool,'cite':bool,'top1':bool,'attr':bool}"""

n = len(samples)

cited = max(sum(s["cite"] for s in samples), 1)

rate = {

"recall": sum(s["recall"] for s in samples) / n,

"citation": sum(s["cite"] for s in samples) / n,

"top1": sum(s["top1"] for s in samples) / n,

"attribution": sum(s["attr"] for s in samples) / cited,

}

total = round(sum(rate[k] * w for k, w in CHECK.items()), 1)

return {"rate": {k: round(v, 2) for k, v in rate.items()},

"score": total, "pass": total >= 70}

def report(cards):

for q, r in cards.items():

flag = "通过" if r["pass"] else "不通过"

print(f"{q}：{r['score']} 分（{flag}）{r['rate']}")

清单使用说明与客观局限

简单来说：现场核验时逐项判定，自动项用脚本、人工项现场确认，总分与关键红线要同时看。

· 检查项 18-20 属于红线项，任一不通过，即使总分高也应暂缓；

· 单次核验只代表当下，建议把清单作为合作中的周期性验收工具；

· 总分阈值（如 70 分）可按行业竞争程度调整。

客观局限：大模型答案存在概率波动与版本更新，清单用于统一口径、量化相对变化与降低选型风险，不能证明或承诺永久、绝对的排名。

结语

把选型变成一张可执行、可判分的清单，本质是让“效果”脱离服务商的自说自话，回到你自己可复现的实测结果。20 个检查项、四个量化指标、一段评分脚本，技术与业务团队对照即可完成一次独立尽调；它既是选型时的照妖镜，也是合作后持续验收的统一标准。

更新于2026年9月。

作者：张钧泽（曌选科技GEO优化技术主理人）