信源归因五步法：把"AI 引了谁"变成可执行的优化地图

信源归因五步法，是我们做 GEO 检测时固定走的一套流程：把大模型回答里的引用源，从一堆杂乱链接，变成一张"该去哪个平台、铺什么、对着谁打"的优化地图。它不神秘，关键是顺序和纪律。

一、五步总览

| 步骤 | 输入 | 动作 | 产出 |

|---|---|---|---|

| ① 采集 | 企业品类 + 真实客户意图 | 零品牌名题集，12 平台探针开联网搜索 | 每题的回答 + 引用 URL |

| ② 解析 | 各家 API/UI 返回 | 适配 `citations` 等字段，统一抽 URL | 干净的 URL 列表 |

| ③ 归并 | URL 列表 | 归平台、二级域名归一、短链展开、去重 | 带来源标签的引用 |

| ④ 量化 | 带标签引用 | 按平台/域名算占比、定位缺口 | 信源权重表 |

| ⑤ 校准 | 权重表 + 真实竞品 | 对照竞品信源、分平台定策略 | 优化地图 |

二、逐步拆解

① 采集——题即探针

题目必须模拟真实客户购买意图，且故意不带品牌名。一带品牌名，AI 就念稿，测不出真实竞争态势。100 道题覆盖核心品类、长尾问答、地区相关、技术集成、竞品对比五个层次。

② 解析——先统一再计算

各家 `citations` 字段名不同（Perplexity 的 `citations`、ChatGPT 的 `source_links`、文心豆包的 `web_references`），先适配抽成统一 URL 列表，后面才能算。

③ 归并——别被 URL 骗了

`baike.baidu.com` 和 `baijiahao.baidu.com` 都归"百度系"；`dwz.cn`、`t.cn` 短链要展开；同一 URL 跨题跨引擎重复出现，计数口径先定死（我们按"引用出现次数"计，看杠杆）。

④ 量化——输出可读结论

按来源平台算占比：豆包里头条系占多少、文心里百家号占多少、DeepSeek 里 CSDN 占多少。这张表就是企业的"信源地图"。

⑤ 校准——对照真实竞品

单看自己不够，要把竞品被引的信源一并拉出来比。竞品在知乎被高频引用、而知乎是 12/12 全覆盖的硬通货，那你缺的就是知乎；某平台信源权重明显偏低，就针对性补那个平台的内容。

三、两个常见坑

• 坑一：照搬通用比例。不同研究的信源占比口径差异极大（同一文心，有研究说百度系 22%，有说 44%）。通用比例只作地图，必须按企业自身品类实测，否则方向全错。
• 坑二：只数数量不归平台。知道"被引 30 次"没用，得知道这 30 次来自哪——来自知乎和来自企业自宣号，优化动作完全不同。

四、一句话记住

采集要真、解析要统、归并要净、量化要读、校准要对——五步走完，GEO 优化才从"猜"变成"算"。