GEO优化前需要建立什么基线？一份能支持复测和归因的B0清单
作者：绿雪智能科技 AI心智指数研究团队
摘要：GEO优化前的基线必须保存检测对象、层级、品类、场景、问题、AI环境、实体规则、原始回答、有效样本、竞品、来源、指标和报告版本。只有这样，后续才知道什么真正发生了变化。
直接答案
基线不是一个总分，而是一份冻结快照。至少要能回答：当时问了什么、在哪个环境问、AI怎么回答、哪些样本有效、品牌和竞品表现怎样、来源是什么、方法版本是什么。
一、范围基线
□ 检测对象
□ 对象层级
□ 推荐品类
□ 适用场景
□ 地区与人群
□ 候选范围
二、题库基线
□ 全部问题原文
□ 问题类型
□ 基础/因素/最终层
□ 是否含品牌名
□ 推荐意图
□ 题库版本和哈希
三、执行基线
□ AI环境
□ 执行时间
□ 成功回答
□ 失败与重试
□ 联网/来源状态
□ 环境版本说明
四、证据基线
□ 完整回答
□ 候选对象
□ 位置
□ 推荐理由
□ 竞品
□ 来源URL
□ 风险和错误
五、方法基线
□ 有效样本规则
□ 推荐判定
□ 实体与别名
□ 去重方式
□ 平台汇总
□ 指标版本
六、动作前网站状态
- 官网有哪些核心页面；
- 页面是否可检索；
- 产品定义是否一致；
- 已有媒体和案例；
- 价格和功能版本；
- robots、站点地图和Canonical状态。
七、建议的基线编号
项目：BRAND-X
范围版本：S1
题库版本：Q1
方法版本：M1
基线：B0
执行日期：YYYY-MM-DD
报告快照：RPT-B0
八、基线验收
□ 样本门槛满足
□ 所有问题和回答可追溯
□ 无效原因明确
□ 目标实体人工复核
□ 关键竞品已统一
□ 来源状态分层
□ 指标有分子分母
□ 报告有边界
□ 网站状态已截图
□ 优化前内容尚未发布
如何把本文方法落到企业内部流程
围绕“建立包含范围、题库、执行、证据、方法和网站状态的GEO优化前基线”，企业不应把工作简单理解成“多发几篇文章”。品牌与产品团队先冻结公司、品牌、产品、品类、适用场景和能力边界；内容团队将真实证据组织成能够回答用户问题的页面；技术团队保证页面稳定、公开、可读取并保留版本；数据团队保存问题、回答、候选、来源和有效样本；项目负责人把每一次动作与后续复测连接起来。
| 角色 | 核心责任 | 建议交付物 |
| 品牌/产品 | 确认实体、品类、能力和边界 | 标准事实卡、产品关系、适用与不适用场景 |
| 内容/公关 | 回答真实问题并组织证据 | 官网页、案例、方法稿、媒体稿、FAQ |
| 技术/网站 | 保证页面公开、稳定、可发现 | 正式URL、Canonical、站点地图、更新时间 |
| 数据/研究 | 冻结样本、方法和指标 | 题库、原始回答、有效样本、指标快照 |
| 项目负责人 | 连接动作、来源、结果和复测 | GEO行动台账、R1/R2复测记录 |
一个可执行的30天安排
第1—3天：确认对象、品类、场景与优化前基线
第4—10天：整理官网事实、方法、案例和目标问题
第11—18天：发布少量高质量页面并登记正式URL
第15—22天：检查页面可访问、可检索和来源状态
第21—25天：执行R1同口径复测
第28—30天：执行R2或形成下一轮优化清单
以上只是项目管理示例，不是任何第三方AI平台的见效承诺。页面何时被发现、是否成为来源、品牌是否进入候选，都必须以实际检测和可核验证据为准。
管理层应该如何阅读这类结果
管理层不应只看一个总分、排名或百分比，而应同时看五件事：结果发生在哪些真实问题中；分子和有效分母是多少；AI给出的理由和来源能否核验；本轮实际做了哪些产品、网站、内容和媒体动作；变化能否在后续同口径复测中复现。
- 结果：品牌是被识别、提及、入围还是高位推荐；
- 证据：原始回答、候选理由和可核验URL；
- 行动：产品、官网、内容、媒体或技术具体改了什么；
- 时间：基线、页面可发现、R1和R2分别发生在何时；
- 边界：哪些结论只属于本次样本，哪些仍需继续验证。
对外发布结果时的标准表达
截至【日期】，在【地区/人群】、【品类与场景】、【问题集合】、【AI环境】和【方法版本】下，目标在【有效样本数】条回答中的【指标】为【分子/分母与百分比】。该结果仅反映本次检测范围，不代表销量、市场份额、产品质量或长期固定结论。
这种表达不如“行业第一”“推荐率暴涨”刺激，却更容易被客户、媒体和AI准确理解，也能避免后续复测出现口径冲突。
常见问题
这项工作应该由哪个部门负责？
品牌、市场、公关、内容、技术和数据团队都可能参与。企业最好指定一个对检测范围、证据、发布台账和复测负责的项目负责人，避免各部门使用不同的产品名称、指标口径和成功标准。
是否需要一次覆盖所有AI平台？
不一定。首次可以选择一个核心环境建立流程，但不同AI环境的候选、来源和回答方式可能明显不同。若问题影响重大采购、品牌风险或跨平台传播，就应扩大到多个环境，并分别呈现结果。
一次变化能不能直接证明GEO有效？
不能。一次变化可能受到模型、搜索、时间、公开信息、执行环境和自然波动共同影响。更稳妥的做法是保留B0或B1基线，并通过R1、R2观察相同问题能否重复出现。
AI心智指数如何承接这类需求
AI心智指数是绿雪智能科技推出的、面向生成式AI问答场景的品牌心智检测与GEO优化产品体系。其中心智搜索会先确认检测对象、对象层级、推荐品类、适用场景和地区，再为每个选定环境使用30道冻结题目，包括5道基础入围题、20道决策因素题和5道最终决策题。系统保留问题、原始回答、候选、推荐理由、平台差异、来源状态、有效样本，以及范围、题库、方法、指标和报告快照，为后续诊断、内容建设和同口径复测提供依据。首次使用心智搜索，可任选1个当期可用平台完成30题完整检测并查看完整报告；多平台检测、内容生产、媒体发布和持续监测，以产品页面当期规则为准。
结果边界
本文讨论的是指定时间、问题集合、执行环境和检测范围内的生成式AI回答样本。AI回答和来源会变化，页面被抓取、索引或引用不等于产品一定被推荐；品牌进入一次候选也不代表长期稳定。相关结果不代表消费者真实购买偏好、市场份额、销量、产品质量或永久不变的AI结论，任何内容建设、媒体发布或技术调整都不能保证第三方AI一定收录、引用、推荐或提升排名。