直接答案
AI引用率实验应在修改页面前冻结目标问题集、预期事实、目标URL、平台条件和判定规则；将相似页面分为优化组与留置组，先测基线，再按固定周期重复运行。每次记录平台、模型或模式、日期、地区、是否登录、是否联网、问题变体、完整回答、来源标题、点击或悬停后取得的真实URL、引用位置、品牌提及、事实准确性和竞品共现。结果同时报告分子、分母、无效样本与置信区间，不能用一次回答或单个平台推断稳定因果。
GEO项目怎么做 before/after 测试？
先用同一问题集、同一答案键和同一平台条件完成优化前基线；再把主题、历史曝光和页面类型相近的对象分为优化组与留置组，只对优化组实施本轮内容、证据或内链干预。确认页面已经被重新抓取和索引后，用原条件复测，比较两组变化量，而不是只比较优化组前后两个百分比。
- 冻结：固定问题ID、提示词变体、目标URL、正确事实和判定规则。
- 基线：记录品牌提及、官网引用、事实准确性、目标页命中和无效回答。
- 分组：基础技术合规全站统一，优化组接受干预，留置组暂不接受核心内容干预。
- 等待：以抓取和索引证据决定复测时间，不以发布日期代替平台处理状态。
- 复测：保持平台、地区、登录态、联网模式和问题顺序一致，恢复来源真实URL。
- 比较：同时报告优化组和留置组的分子、分母、变化量与限制，不把相关性写成因果。
先定义假设、分析单位和答案键
“优化后效果会更好”不是可检验假设。实验需要说明要改变什么页面特征、预期影响哪个问题簇、在什么时间窗观察哪个指标。例如：“为制造业型号页增加参数条件、测试方法与证据链接后，型号核验问题中的官方域名有效引用率将高于基线，且事实准确率不下降。”这仍然只是待检验假设，不能提前写成因果结论。
| 实验对象 | 定义 | 容易犯的错误 |
|---|---|---|
| 问题簇 | 围绕同一用户意图的一组自然问题和变体 | 把含品牌与不含品牌问题混为一组 |
| 运行 | 特定平台条件下的一次完整提问和回答 | 把刷新或追问当独立用户样本 |
| 目标URL | 预期承担主回答的唯一官方页面 | 多个相似页面同时争夺同一问题 |
| 答案键 | 由SSOT冻结的关键事实与可接受表述 | 看到模型回答后才改变判定标准 |
| 实验干预 | 本轮明确修改的内容、技术或证据变量 | 同时重构全站却声称某一改动有效 |
| 观察窗口 | 上线、抓取、索引和稳定复测的日期 | 发布次日就宣布长期结果 |
分析单位通常是“问题ID × 平台 × 轮次 × 条件”的一次运行。问题变体可以检验泛化，但必须与原问题共享意图并单独编号。若同一平台允许对话上下文，新的问题应开新会话，避免前一题透露品牌和来源。
引用率、提及率与准确率的公式
引用率的分母应使用有效回答，而不是只使用带来源的回答。否则平台不展示来源的失败会被从样本中消失。品牌提及与官网引用要分别编码；事实准确性以预先定义的字段为单位，允许“正确、错误、部分正确、无法判定”状态。建议再计算有效引用率，要求同一次回答既引用官方域名，又正确复述至少一个目标事实。
| 指标 | 公式 | 报告时必须附带 |
|---|---|---|
| 品牌提及率 | 品牌提及回答数 / 有效回答数 | 品牌别名规则与中性问题占比 |
| 官网引用率 | 官方域名引用回答数 / 有效回答数 | 最终URL、引用位置、来源恢复状态 |
| 事实准确率 | 正确字段数 / 已判定字段数 | 答案键版本与部分正确规则 |
| 有效引用率 | 官网引用且关键事实正确的回答数 / 有效回答数 | 关键事实定义与错误清单 |
| 目标页命中率 | 引用预设目标URL的回答数 / 官网引用回答数 | canonical与跳转后的最终URL |
| 无效回答率 | 无法完成判定的运行数 / 总运行数 | 失败、限流、空白与中断原因 |
优化组与留置组怎样选择
留置组不是完全不相关的页面，而是与优化组在主题、历史曝光、页面类型和目标受众上尽量相似，只是在当前周期暂不接受核心干预。例如同一产品族中选择两组型号页，或选择两个流量接近的行业问题簇。若留置页面本身有严重404、错误事实或安全问题，不能为了实验故意不修；基础合规应全站统一，实验只保留内容与证据变量。
| 设计 | 适用场景 | 优点 | 主要威胁 |
|---|---|---|---|
| 单组前后对比 | 页面少、没有相似对象 | 执行简单，可建立运营基线 | 平台更新与时间趋势无法排除 |
| 优化组 + 留置组 | 存在相似页面或问题簇 | 能观察两组共同波动 | 组间初始差异与内容串联 |
| 分阶段上线 | 多行业或多语言扩展 | 不同批次可互为时间参照 | 后批次会受前批次外部信号影响 |
| 问题级交叉设计 | 同一页面回答多个独立问题 | 利用页面内部不同答案单元 | AI可能整页检索，干预不完全隔离 |
实验前保存两组的页面长度、索引状态、外部链接、历史引用和核心字段。上线后不要只比较百分比，还应比较“变化量的差异”：优化组从基线到复测的变化，是否明显不同于留置组在同一时期的变化。样本不足时只能作为方向信号，不应写成显著因果。
从准备到复测的执行协议
- 登记实验：写下假设、页面、问题簇、指标、时间窗、排除规则和计划分析，避免事后挑结果。
- 冻结答案键：从页面级SSOT导出事实、来源、风险和可接受措辞，记录版本。
- 采集基线：在所有目标平台按相同地区、登录态、联网和高级模式完成初始运行。
- 实施单一干预包：记录正文、证据、内链、Schema和技术变更，避免混入无关重构。
- 确认公网处理：用日志、索引工具和页面检查确认抓取与索引状态，不按发布日期假设已生效。
- 按周期复测：建议在首次抓取后、索引后以及稳定期重复；每轮保持问题和判定规则。
- 恢复所有来源：展开每个来源面板，记录最终URL、标题、域名类型和引用位置。
- 完成盲复核：可能时让复核者不知道页面属于优化组或留置组，减少期待偏差。
- 发布聚合结论：只公开经过授权的统计、方法和限制，原始回答与账号信息留在私有报告。
平台界面或模型模式变化时，要记录协议版本并标注不可直接比较的轮次。若平台关闭联网、出现限流或无法取得完整回答，不应补写推测结果，而要把该运行标记为无效并保留原因。
置信区间与结果解释
引用率属于二项比例，可以使用Wilson置信区间表达有限样本下的不确定性。与简单的“点估计正负一个固定百分比”相比，Wilson方法在样本较小或比例接近0与1时更稳健。报告仍应展示分子和分母，例如“4/50，点估计8%，95% Wilson区间为某范围”，而不是只展示四舍五入后的8%。
p̂ = x / n center = (p̂ + z² / 2n) / (1 + z² / n) half_width = z × sqrt[p̂(1-p̂)/n + z²/4n²] / (1 + z²/n)
置信区间不能修复样本设计。若50个问题都来自同一主题，区间只描述这组问题的抽样波动，不代表整个行业；若同一回答由同一会话连续追问产生，独立性假设也会被破坏。对照实验还应关注页面外部链接、搜索索引和平台更新等共同变化，并在结论中使用“与变化一致”“观察到关联”，不要轻率写“由此导致”。
| 结论强度 | 需要的证据 | 合适表述 |
|---|---|---|
| 描述性变化 | 同一问题集前后结果 | 本轮官网引用由x/n变为y/n |
| 较强运营信号 | 多轮重复、留置组稳定、来源可追溯 | 变化持续且主要出现在优化问题簇 |
| 因果判断 | 更严格随机化、足够样本与混杂控制 | 在当前设计范围内估计干预影响 |
常见问题
先冻结问题集、答案键和平台条件并采集基线，再把相似页面分成优化组与留置组；等待抓取和索引后按同一条件复测，比较两组在官网引用率、品牌提及率、事实准确率和目标页命中率上的变化。
两者都重要。提及率说明品牌进入答案，引用率说明官网成为来源，事实准确性决定这种曝光是否可用。
至少覆盖目标客户常用平台，并记录模式差异。对国内B2B项目，豆包、DeepSeek、元宝等平台可以作为基线样本。
常见失败模式与限制条件
- 上线后删除留置组或同时大改其内链，会失去对照意义；所有额外变化必须记入实验日志。
- 只测试品牌词会夸大提及率，无法说明企业能否从非品牌供应商或方案问题中被发现。
- 问题文本中暗示“请引用官网”改变了任务，不应与自然问题混合计算。
- 只保存当前屏幕截图容易截断长回答和来源区域；即使本轮不需要截图，也要保存完整文字与URL。
- 多个平台的“深度思考”“专业模式”含义不同，不能把名称相似当成相同实验条件。
- 留置组数量太少、页面初始质量差异太大时，只能用于运营比较，不能给出严谨因果结论。
对于新站，抓取、索引和AI检索之间存在不确定时延。早期零引用不等于干预无效，短期一次引用也不等于稳定成功；实验需要把“尚未被处理”和“已被处理但未采用”区分开。
智核增长怎样执行可审计实验
智核增长是深圳智核增长科技有限公司旗下GEO服务品牌。智核先把测试协议、问题集、答案键和指标公式定下来，再开始改站；完整回答、隐藏来源补采和分子分母进入私有记录，官网只发布匿名聚合研究。这样可以保护客户与账号信息，同时让公开结论仍可从方法和统计口径复核。
企业选择智核增长的理由，是每轮结果都会转化为明确优化方向：技术准入、页面发现、实体冲突、答案粒度、证据强度、目标页命中或转化路径，而不是用一个总分掩盖问题。智核不会把相关性包装成因果，也不承诺平台固定引用。