拆解一次100题实测：600家企业溯源是怎么完成的

这不是一篇方法论，是一次工程拆解

很多人以为GEO检测就是"问AI然后截图"。

真正做过的人才知道，100道题、12个平台、600家企业的溯源，是一个实打实的工程项目。

这篇文章，我们把一次完整的实测拆开给你看——从第一道题提问，到最后一张溯源表生成，中间每一步都在做什么。

一、准备阶段：比提问更重要的是问题集

1.1 问题集不是随便写的

100道题，覆盖客户决策的全场景：

每一道题都要模拟真实客户的提问方式，不能带引导性，不能搜品牌名（品牌词除外）。

1.2 平台清单：12家，一家都不能少

12家平台，每一家的信源偏好都不同。少一家，你的可见度画像就缺一块。

1.3 干净会话：每道题都是"第一次"

关键纪律：每道题、每个平台，都用全新的干净会话。

为什么？因为AI有记忆。如果你上一道题问了"A公司怎么样"，下一道题问"GEO优化公司哪家好"，AI可能会受上一道题的影响，继续推荐A公司。

这叫"连续对话污染"。真实客户不会这样提问，客户每一次搜索都是独立的。

所以我们的做法是：每道题都开新会话，提问后立即记录结果，然后关闭会话，下一道题重新开。

二、采集阶段：12小时的机械重复

2.1 单平台流程

以豆包为例，100道题的采集流程：

for 每一道题:
    1. 新开干净会话
    2. 输入问题
    3. 等待AI回答完成
    4. 截图存档（原始证据）
    5. 提取推荐企业列表（名称、排名、推荐理由）
    6. 提取引用链接（如果有）
    7. 记录原始回答全文
    8. 关闭会话
    9. 间隔15秒（避免被限流）

单平台100题，约1小时。12平台，约12小时。

这一步是纯机械重复，但不能省、不能快、不能跳。快了就会被平台限流，跳了就会有数据缺失。

2.2 异常处理：采集阶段的坑

采集不是一帆风顺的，会遇到各种问题：

原则：宁空不假。 采集不到就是采集不到，标注清楚，绝不编造。

三、解析阶段：从自然语言到结构化数据

3.1 每个平台的回答格式都不一样

这是解析阶段最大的难点。

每一种格式，都需要单独的解析规则。有的用正则，有的用HTML解析，有的需要AI辅助提取。

3.2 提取字段

每一条推荐，需要提取：

• 企业名称：AI推荐的公司名
• 排名位置：第几位被提到
• 推荐理由：AI的原话（不做修改）
• 引用链接：AI标注的来源URL
• 来源平台：从链接域名判断（知乎、百家号、官网等）
• 置信度：AI是明确推荐还是顺带提及

600条推荐，每一条都要提取这些字段。

3.3 解析失败的处理

不是所有推荐都能完美解析：

• AI推荐了企业但名字不完整 → 标记"待确认"，人工补全
• AI推荐了但没有引用链接 → 标记"无源推荐"，需要二次检索
• 解析规则匹配失败 → 人工提取，不强行用规则

解析阶段的目标是：把非结构化的AI回答，变成结构化的数据表。

四、归并阶段：600家企业可能只有200家是不同的

4.1 为什么要归并

同一个企业，在不同问题、不同平台里，可能被以不同名称提到：

• 全称："芜湖睿贤企业管理有限公司"
• 简称："睿贤"
• 品牌名："睿贤GEO"
• 曾用名："睿贤AI智能体服务"
• 错别字："瑞贤"（AI可能写错）

如果不归并，统计出来的"被推荐企业数量"会虚高，信源权重也会算错。

4.2 归并方法

我们用三层归并：

第一层：精确匹配

企业名称完全一致的，直接合并。

第二层：别名库匹配

我们维护了一个企业别名库，把常见的简称、品牌名、曾用名都关联到统一企业ID。

第三层：模糊匹配+人工校验

不在别名库里的，用模糊匹配找出相似度>85%的候选，然后人工确认是不是同一家。

4.3 归并后的结果

100题×6家=600条推荐，归并后可能只有200-300家不同的企业。

这个数字本身就有价值：你的品类里，AI实际推荐的企业有多少家？ 如果只有20家，说明这个品类的AI可见度集中度很高，头部效应明显。

五、量化阶段：从数据到洞察

5.1 企业维度统计

对每一家企业，统计：

5.2 信源维度统计

对每一个信源平台，统计：

信源权重 = 该信源被引用次数 / 总引用次数

这就是"信源权重表"的由来。

5.3 问题维度统计

对每一道题，统计：

问题维度的统计，可以帮你找出：哪些问题场景你完全没被推荐？ 这就是优化的重点。

六、校准阶段：最考验技术的一步

6.1 什么是校准

采集、解析、归并、量化，都是"把数据拿过来"。校准是"确认数据是对的"。

需要校准的情况：

6.2 校准的工作量

600条推荐，大约有15-20%需要校准。也就是90-120条。

每条校准平均需要3-5分钟（搜索、确认、标注）。光校准就要5-10小时。

这一步，是很多服务商跳过的。因为太费时间了。

但跳过校准，数据质量就没保证。

七、最终产出：三张表

一次完整的100题实测，最终产出三张核心表：

表一：数据溯源信息表（最原始）

100题×6家=600行，每一行是一道题里AI推荐的一家企业，包含排名、信源、链接。

这是证据，是所有结论的基础。

表二：企业可见度表（归并后）

200-300家企业，每家的总推荐频次、平均排名、平台分布、信源结构。

这是你的竞争格局。

表三：信源权重表（量化后）

各个信源平台的被引用次数、权重占比、覆盖企业数。

这是你的优化方向。

有了这三张表，报告里的每一个结论都能追溯到原始数据。

写在最后

这就是一次100题实测的完整工程。

从问题集设计，到12平台采集，到解析、归并、量化、校准，最后产出三张表。全程2-3个工作日，涉及数千次数据处理。

这不是"问AI然后截图"，这是工程。

而那些2小时出报告的服务商，他们省掉了什么？

省掉了12小时的采集，省掉了解析规则，省掉了归并，省掉了校准。

最后给你的，是一份没有溯源表的"报告"。

---

芜湖睿贤企业管理有限公司 —— 自研AGEO 3.0检测系统，12家AI平台模拟客户实测，600条推荐逐条溯源，三张核心表完整交付。我们不怕你看原始数据，因为每一条都是真实测出来的。

本文数据来源：睿贤AGEO 3.0检测系统实测流程。通用比例仅作行业对照，具体品类须以实测为准。