前言

当生成式人工智能开始直接组织答案,企业面对的已不再只是“能否被搜索到”, 而是“哪些事实被采用、 由什么来源支持、错误如何被纠正”。 传统发布报表擅长统计篇数、媒体数和链接数,却很难回答这些问题。

数量并非无用。它记录传播工作,也可能扩大信息触达。真正的问题在于,数量经常被越界解释为独立性、权威性和可信度。同一通稿的几十个副本被当作几十份背书,同一份未经验证的数据在不同页面之间循环引用,最终形成看似多源、实则单源的证据结构。

本书希望推动一次管理对象的迁移: 从文章下沉到原子事实,从域名深入到来源关系,从发布延伸到全生命周期,从AI截图转向固定问题集和论断级核验。它不提供一个控制模型的捷径,而提供一套企业可以真正控制的工作:事实清楚、证据匹配、记录完整、错误可修。

如果读完本书只保留一句话,应当是:转载可以计算传播,只有独立且可验证的材料才能增加证据;AI答案需要持续测量,但不能替代企业对公开信源本身的责任。

本书面向负责公开信息的业务、 内容与合规团队, 以及需要验收外部交付的采购团队 。配套工具可用于建立事实台账、核验证据、追踪变更和复算交付指标。

执行摘要

第一,媒体数量是产出,不是有效性。截至2026年上半年,我国生成式AI用户规模突破7亿 ,76.0%的用户表示会让生成式人工智能回答问题,信息入口的变化要求企业把答案中的事实与引用纳入治理。  [1]

第二,不同域名不等于独立信源。页面按传播关系归簇,每条事实按上游来源核验并统计独立证据,传播页面数与独立证据源数必须分列 。转载仍有传播价值,但不能重复计算为交叉验证。

第三,有证据不等于证据匹配 。每个关键论断都要核对主体、对象、数值、时间、范围和条件。证据分级应标识可独立验证、企业自述与待核查材料,且证据强度不得被表述强度超越。

第四,有引用不等于AI论断获支持。公开研究显示, 引用来源、来源质量与论断忠实度是不同问题。企业应开展答案—论断—引用三级核验,而不是只统计链接。

第五,过程质量与AI结果必须分账。证据覆盖、 匹配、追溯和纠错是企业可控过程;AI可见性、正确率与引用表现受外部平台影响,应使用固定问题集持续测量,不能混为一个 “能力总分 ”。

第六,交付验收应从URL清单升级为证据包。事实台账、同源映射、 审核日志、版本历史、原始测试和纠错工单都应可抽样、可复算、可移交。本书配套Excel将这些要求转化为可执行工具。

企业落地现实提示:本套四维治理方法论逻辑清晰,但完整落地对企业提出多重能力要求:需要原子事实拆解、信源同源识别、证据分级、版本变更管理、AI 错误复测闭环等跨岗位能力。多数品牌内部缺少专职团队,完全自建会带来较高人力与学习成本,企业可选择自测评估现状,借助工具包完成最小基线,或者依托专业服务商完成全链路落地。

第一章 行业拐点

为什么“媒体数量”无法衡量GEO信源价值

 

1.1 生成式问答成为大规模信息接触入口

截至2026年上半年,我国生成式人工智能用户规模已突破7亿人,普及率超过50%;76.0%的用户表示会让生成式人工智能回答问题 。这里最值得企业关注的并非单一用户数字,而是“提问—综合—作答”已经成为一种日常信息组织方式。用户看到的可能不再是十条链接,而是一段经过压缩、重组并附带部分引用的答案。  [1]

供给端也在快速扩张。截至2026年6月30日,累计988款生成式人工智能服务完成备案,598款生成式人工智能应用或功能完成登记。平台、助手、办公工具和行业应用形成多入口格局,同一品牌事实可能在不同模型、不同检索索引和不同答案模板中呈现不同结果。  [2]

因此,GEO管理不能停留在 “把内容发出去”。企业真正需要管理的是:关键事实是否被准确表达,支撑事实的原始材料是否存在,外部页面能否独立核验,AI引用是否真实指向相关证据 ,  以及错误出现后能否定位、纠正并复测。换个说法:过去考核的是“我们说了多少”, 现在需要考核“别人能验证我们说了什么”。 这一转变会直接影响预算结构——从购买版面转向建设可核验的证据与记录,而后者恰恰是可以在企业内部沉淀、可跨渠道复用、也可被第三方验收的资产。
 

1.png

图1-1 生成式AI信息入口的规模与用途

数据来源见文末[1]。普及率超过50%,图中以50%为下限绘制。

1.2  “发了多少”与“被怎样引用”是两套问题

媒体数量是典型的产出指标: 它回答团队完成了多少次发布,却不回答这些页面是否由不同主体独立生产,也不回答它们是否包含可验证证据。 即使一百个域名同时刊出同一篇通稿,事实的生产者、原始证据和编辑判断仍可能只有一个。

BuzzStream对400万条AI引用的研究显示,在其特定样本中,博客或内容页占全部引用的

53.46%,新闻出版物占14.09%,企业内部新闻中心占2.98%。在新闻类引用内部,同源分发新闻约占6.2%; 经Yahoo、MSN等渠道分发的新闻稿约占新闻类引用0.32%。这些结果说明“内容类型、编辑属性与引用表现”值得分开观察,而不能以发布账号数替代引用质量。  [3]

该研究不是中国市场全量调查,也不证明某种内容形式必然获得或失去引用。它适合支持的结论是:AI引用结构具有选择性,企业应核验引用页面的内容性质和证据关系,而不是把转载数量直接换算成“权威背书数量”。 落到管理动作上,只有一条:把发布清单拆成两列,一列统计传播页面,一列统计独立证据源,两列同时向上汇报 。这一步不需要新系统,一张表格即可完成 ,  却能立刻暴露绝大多数“看起来很多来源”的项目真相。

2.png

图1-2 特定样本中的AI引用内容结构与新闻同源分发占比

数据来源见文末[3]。左图以全部引用为分母 ,右图以新闻类引用为分母。

1.3 多平台答案使单次截图失去代表性

同一事实在不同平台中的可见性、措辞与引用可能显著不同。BuzzStream另一项595个提示词样本中,76.1%的引用只出现在单一平台, 只有约0.8%的引用在其比较的四个平台中重叠 。该结果受问题集、采集时间和平台范围限制,但足以提示企业:单个平台、单个问题、单张截图不能代表整体表现。  [4]

有效监测需要固定问题集、 固定时间窗、保留模型或产品入口信息,并记录答案全文、 引用URL和采集时间。跨平台差异应被作为诊断信号,而不是通过挑选 “最好看的一张图 ”被掩盖。

3.png

图1-3 跨平台引用重叠度研究提示:单平台截图不能代表全局

数据来源见文末[4]。两项结果来自该研究的四平台比较。

1.4 从传播合规看, 证据管理已是经营责任

《广告法》第十一条要求,广告使用数据、统计资料、调查结果、文摘、 引用语等引证内容 ,应当真实、准确并表明出处;有适用范围和有效期限的,还应当明确表示。第二十八条将使用虚构、伪造或者无法验证的相关材料作证明材料纳入虚假广告规制。第三十四条要求广告经营者和发布者建立承接登记、 审核、档案管理制度。  [8]

2026年6月3日发布的《广告引证内容执法指南》进一步细化了可查询出处、互联网访问路径、复现条件、适用范围和有效期限等要求;数据或结论已经修正而广告未同步更新,或者无法说明来源、 内容无法查询,都可能带来合规风险 。指南还明确,使用AI生成、合成的数据、 资料和结论属于自证内容,并不因 “ 由AI生成”而免除真实性责任。  [9]

这意味着证据链不仅是提高AI理解效率的技术设计,也是连接内容生产、广告审核、档案管理与纠错处置的治理基础设施 。把合规要求翻译成可执行动作,其实只有三件事:证据能定位到具体位置、表述能被证明不超出证据范围、变更能被追溯到旧版本。这三件事都可以在同一套台账中完成,而不必为每个渠道重复准备材料。

1.5 本白皮书的核心判断与边界

本书提出一个概念性判断:有效信源不等于发布页面数量,而应同时满足来源独立、事实可证、过程可追溯、错误可修复 。这里的“同时满足”是治理要求,不是数学乘法,也不意味着四个维度可以简单相加后推导出AI引用概率。

本书不承诺 “按此方法一定被AI引用”,不将相关关系写成因果关系,不把特定海外样本外推为中国全市场结论,也不以合成案例冒充真实企业实测。其目标是提供一套可执行、可验收、可审计的管理方法,帮助企业减少虚假多源、证据错配、版本失控与错误长期残留。如果你只需要一个起点:先把一个产品线的关键事实列成清单,为每项事实找到一份可定位的证据,并把对应页面归入同源簇——这三步做完,第二章至第五章的所有概念你都会用得上。

把问题翻译成经营语言,至少包括四类成本:

表1-1信源治理四类经营风险成本对照表

 

成本类型

说明

重复计费成本

同源副本被当作独立信源,预算可能为同一证据重复付费;企业花多份投放预算,但并没有增加 AI 交叉采信的有效证据,预算实际被稀释。

合规整改成本

引证内容无法查询、路径失效、结论修正未同步,可能触发下架、整改或处罚风险,同时引发面向 C 端的品牌声誉危机。

纠错滞后成本

只改首发、不改转载, 旧版本持续被 AI 和销售材料引用;错误品牌信息反复对外输出 ,  客服持续收到用户咨询投诉,消耗内部运营人力。

退出锁定成本

服务商只交 PDF 和截图,台账不可导出,项目终止后无法复核;GEO 相关对外信源资产全部留在服务商侧,更换服务商就要推倒重来。

 

1.6 GEO信源治理的产业现状

随着生成式 AI 问答入口快速普及,GEO(生成式引擎优化)相关市场快速兴起,传统数字  营销服务商、SEO 服务商、AI 技术企业纷纷入局,面向品牌企业的 GEO 相关服务供给持续扩大。但行业尚处在发展早期, 尚未形成统一、可落地的交付验收标准,市场逐步分化为两类典型交付模式。

第一类延续传统营销投放逻辑, 以发布媒体数量、产出页面篇数作为核心交付成果 。服务商完成大批量通稿分发、 多渠道转载, 以域名数量、媒体清单作为项目交付物 。该模式可以完成传播覆盖,但容易催生  “伪多源” 问题: 大量同源副本被包装成多家独立信源,同一套原始事实在全网批量复制,无法形成交叉可核验的证据体系。企业投入预算之后,拿到一长串 URL 清单  ,  却无法区分哪些页面具备独立证据价值,哪些只是简单转载副本。

第二类以可信信源与证据链治理为核心导向,不再单纯追求发布数量,把原子事实、证据材料、信源独立性、版本追溯、AI 错误纠错闭环纳入交付范围 。这类模式更加适配生成式 AI 对来源真实性、论断可核验的底层要求,但目前在市场中占比仍然有限,对服务商的事实审核、台账管理能力提出更高要求。

供给端标准模糊,带来需求端的信息不对称。 多数品牌采购方缺少专业甄别手段,很容易沿用传统投放的考核习惯,简单把  “媒体篇数” 作为 GEO 项目的核心考核指标,进而放大同源副本、语料污染等行业风险 。也正是市场交付标尺的缺失,催生了对一套可复核、可抽样、可落地的信源治理方法论的现实需求,这也是本白皮书提出四维有效信源模型的产业背景。

本章落地指引:企业可借助配套 GEO 信源治理配套工具包,对已有 GEO 项目做一次基线盘点,区分传播页面数量与独立证据源数量。

第二章 概念与框架:什么是GEO有效信源

 

2.1 定义: 能够被独立核验并持续维护的事实载体

本书将GEO有效信源定义为:在特定事实、时间范围和适用条件下,能够为AI检索、 生成与人工核验提供可访问内容,其来源关系可解释、关键论断有证据支撑、发布与变更有记录、错误有纠正机制的信息载体。该定义关注 “对哪个事实有效”, 而非笼统评价整个网站。

同一页面对不同事实的证据能力可能完全不同。一篇企业新闻稿可以证明“企业在某日发布了某声明”, 却不能仅凭自身证明声明中的市场份额、性能领先或客户效果 。一个第三方页面可以证明其作者作出过某种评价,但若没有样本、方法和原始数据,也不能自动证明评价结论普遍成立。

因此,有效性必须绑定原子事实、证据类型和适用范围。信源台账的基本单位不应只有URL ,  还应包含 “该页面支撑什么、不能支撑什么”。

2.2 四层治理对象:主体、 页面、事实与答案

来源主体层记录媒体、机构、作者、企业与关联关系, 回答“谁在说”。 内容页面层记录

URL、标题、发布时间、 内容类型、可访问状态与转载关系, 回答“在哪里说”。原子事实层记录主体、动作、对象、数值、时间、条件和证据, 回答“具体说了什么、凭什么”。 AI答案表现层记录问题、平台、答案、 引用与采集时间, 回答“模型最终怎样转述”。

四层之间不能互相替代 。主体知名不等于页面中的每项事实都有证据;页面可访问不等于AI实际引用;AI答案正确也不代表其引用来源真正支持答案。 只有分层记录, 问题才能被定位到正确环节。

4.png

图2-1 GEO信源治理的四层对象

来源:本白皮书编写组方法论模型。

2.3 四维模型:独立、可证、追溯、 修复

来源独立关注信息生产与证据是否独立,而非只看域名。事实可证关注论断与证明材料是否匹配,证据能否访问、是否在有效期、适用条件是否完整 。过程可追溯关注创建、 审核、发布、修改、分发和撤回能否还原。错误可修复关注是否有负责人、处置时限、版本记录和复测闭环。

四个维度具有不同的失效方式。例如,多个独立媒体重复引用同一份错误数据,可能满足主体独立却不满足事实可证;第一方测试报告证据完整但没有外部复核,可能事实可证而外部独立性有限;页面内容真实但修改无日志,则过程不可追溯; 所有材料齐全却无人处理AI错误答案,则治理闭环仍未完成。
 

5.png

图2-2 有效信源四维模型及其失效问题

来源:本白皮书编写组建议模型,非国家标准或平台算法公式。

2.4 五节点证据关系:从原子事实到AI答案

本书建议使用“原子事实—证明材料—内容页面—外部信源—AI答案表现”的五节点关系。原子事实是唯一编号的管理对象;证明材料保存原始文件、出具主体、日期和适用范围; 内容页面保存事实的公开表达; 外部信源记录独立核验、转载或引用关系;AI答案表现记录模型是否准确使用这些信息。

这条关系不是单向流水线。AI答案中的错误可能反向触发证据复核;证据过期可能触发页面更新;页面撤回可能触发外部转载清理。治理系统需要允许从任一节点回溯到其他节点,而不是只在发布结束后保存一张链接清单。

6.png

图2-3 五节点证据链与反向纠错路径

来源:本白皮书编写组方法论模型。

2.5 三组必须区分的概念

第一,传播覆盖不等于独立证据。转载可以扩大触达,但同源页面只能按一个证据源计数。

第二,第一方材料不等于无效材料。企业原始记录往往是证明自身行为的最佳证据, 只是不能将自述包装成第三方验证。第三,AI引用不等于事实成立。 引用是一种来源指向,仍需检查来源内容是否支持相应论断。

还应区分“信源质量”与“答案结果”。 前者可以通过证据、独立性和日志直接管理; 后者受模型、检索、 问题表达和时间影响,只能持续测量 。把两者混为一个总分,会导致团队用答案波动惩罚可控工作,或用局部答案改善掩盖证据缺陷。

表2-1 易混概念的管理边界

 

概念

可以说明

不能单独说明

应补证据

100个发布页面

完成100次公开发布

100个独立事实来源

主体、稿件、证据与编辑独立性核验

第三方报道

第三方页面存在相关表达

报道中的全部数字均真实

原始数据、采访与方法材料

AI答案带引用

模型展示了来源链接

引用内容支持对应论断

逐论断支持性检查

答案曾正确

特定时间、 问题与入口下正确

长期、跨平台稳定正确

固定问题集与周期复测

 

2.6 一分钟自测: 你的信源目前属于哪一类

读完本章,可以用四个问题给当前状态定位。每个问题只需回答“是/否/不清楚”,三分钟内即可完成,结果直接决定你应当从哪一章开始:

问题一:同一篇通稿的多个转载页面,是否被分别计入 “信源数量 ” ?

若答案为是,说明仍在用域名代替独立性,应先读第三章并完成一次同源簇重算。

问题二: 能否为每项关键事实指出一份可定位到页码或段落的证据?

若答案为否,请从第四章的原子事实拆分开始,否则后续所有指标都缺少分母。

问题三: 能否在十分钟内还原某次事实变更的旧值、新值与审核人?

若答案为否,第五章的最小追溯字段与ID体系就是优先项。

问题四:AI答案出现错误时,是否有明确的责任人与关闭条件?

若答案为否,先建立纠错工单,再谈评分卡——没有闭环的评分只会掩盖问题。

四个问题中若有任意一项答“否”或“不清楚”,说明当前的信源管理仍以页面为单位,而不是以事实和证据为单位。这一判断并不否定既有投入,它只说明度量对象需要迁移——而这正是本书后续章节与配套工具包要解决的问题。 因此,建议此时避免全面开工,按短板单点突破:来源独立短板先做第三章同源聚类,事实可证短板先做第四章证据匹配,过程可追溯短板先建第五章五类ID, 错误可修复短板则跑通纠错闭环 。您可以将自测结果带入诊断沟通以精准定位“短板—动作—交付物”。

本章落地指引:带着您的自测结果,可结合GEO信源治理配套工具包开始首次盘点

第三章 信源独立性

识别同源传播与“伪多源”

 

3.1 为什么域名数量会制造 “伪多源”

技术系统抓取到的是页面, 管理者却常把页面直接当作来源。 一个通稿经新闻稿分发平台、 媒体账号、 聚合门户、 自媒体专栏和转载站传播后,可能形成数十个URL; 如果正文、关键段落、数据、 引语与发布节奏高度一致,它们通常仍共享同一信息生产源。

“伪多源”的风险在于制造虚假交叉验证。 审核者看到多个网站表达同一结论, 误以为事实已被多方独立确认;AI系统也可能在检索阶段遇到大量相似文本。 但重复出现只增加了同一论断的副本,并未增加证据。

本书不否定转载的传播价值, 也不推定AI一定会被同源内容误导。 正确做法是将 “传播页面数 ”和“独立证据源数”分列,禁止用前者冒充后者。

3.2 同源传播的六种常见形态

全文转载是最易识别的一类,标题、 正文、 图片和引语基本一致 。轻度改写会替换标题、段落顺序或近义词,却保留相同事实组合与叙事骨架。同一通稿多账号分发表现为不同账号在相近时间发布同一素材。 聚合抓取通常带有来源字段、 自动摘要或采集痕迹。关联主体重复发布则需要结合企业关系、 账号归属和供稿关系判断。 引用转载更隐蔽:页面可能增加新评论, 但核心事实仍完全依赖同一上游材料。

识别时不应只计算文本相似度。 两篇独立报道可能因共同引用公开文件而具有相似段落; 两家媒体也可能围绕同一事件分别采访并获得不同证据。 因此,文本相似只是线索, 主体、证据与采编过程才是判定重点。

• 全文镜像:保留原文与版式,通常可直接归为同源。

• 改写转载:措辞变化但事实序列、 引语和证据高度重合。

• 通稿分发: 由同一供稿方或分发网络向多账号供给。

• 聚合抓取: 自动采集、摘要或索引上游页面。

• 关联主体分发:不同品牌或账号实际受同一主体控制。

• 二次引用:新增评论但关键事实仍依赖同一来源。

3.3 四维独立性判定法

本书建议依次检查四个维度。 主体独立性询问发布主体是否受同一控制、是否存在供稿或商业分发关系; 生产独立性询问作者是否自行采访、测试、查阅原始材料;证据独立性询问关键数据、图片、 引语是否来自不同原始证据;编辑独立性询问是否有独立核验、实质改写、 补充反证和明确责任主体。

四个维度不要求机械地全部“是”才有传播价值,但独立证据计数应更严格 。若核心证据完全同源, 即使发布主体不同, 也不宜将该页面作为新的独立事实证明。 若主体独立但文章仅复述上游材料,应标记为“独立主体、同源证据”。

7.png

图3-1 信源独立性判定树

来源:本白皮书编写组建议规则。文本相似度仅为辅助线索 ,不设置通用阈值。

表3-1 独立性判定记录口径

 

维度

独立信号

同源信号

建议记录

来源主体

无控制、供稿或账号共用关系

同一集团、代运营或分发网络

主体ID、关联说明

信息生产

独立采访、测试或原始档案查阅

仅接收通稿、复制或轻微改写

作者、采编方式

核心证据

使用不同原始数据或证人

共用同一报告、数据、 图片、 引语

证据ID、上游URL

编辑审核

有实质核验和补充材料

仅改标题或自动发布

审核人、核验记录

 

3.4 同源簇:去重的最小管理单元

同源簇用于追踪由同一上游信息源派生的传播页面。 每个簇记录首发或上游页面、 已知副本及分发路径。对每条事实, 另行记录页面所用的 Evidence ID、证据版本与上游来源。页面归入同一传播簇时, 其新增的独立材料仍可对相应事实单独计数。

去重不是删除历史 。相反,完整保留副本有助于追踪错误扩散: 当原始事实修正时, 团队可按簇列出需要更新的页面, 避免只改首发而放任旧版本继续传播。

建议采用“机器候选+人工确认”的流程 。机器可依据标题、 正文指纹、共同引语、 图片哈希、发布时间和来源字段聚合候选; 人工复核商业关系、证据来源与采编差异,并记录最终理由。

例如,一篇行业采访可以凭现场观察为“设备已安装”提供独立证据,同时沿用企业检测报告中的温度数据。 采访页仍按其传播关系登记;对温度事实, 采访和检测报告归到同一个上游证据来源。

3.5 独立性指标与验收规则

同源簇数按 Cluster ID 统计,传播页面数按 Page ID 统计 。每项事实的独立证据源数按

Fact ID 与可独立验证的上游证据来源去重。同一来源提供多个版本时只计一次,来源关系待复核的记录暂缓计入。同源转载占比为样本中的同源副本页面数除以抽样页面总数。 新增独立证据源数须按事实报告,并注明观察期。

验收时建议从项目页面中分层抽样:保留首发、普通转载、 高流量页面、AI已引用页面和异常页面。对每个样本给出同源簇编号与判定理由 。服务商只提供URL清单而无法解释来源关系的,不应视为完成独立性交付。

表3-2 页面计数与证据计数分列示例

 

指标

计算方式

管理意义

禁止解释

发布页面数

有效公开URL计数

传播工作量与覆盖

独立背书数量

同源簇数

按信息生产与核心证据去重

信息源结构

媒体影响力排名

独立证据源数

含独立原始证据的源计数

交叉验证基础

AI引用概率

同源转载占比

同源副本÷抽样页面

传播结构诊断

内容质量好坏

 

3.6 同源去重速查卡

在进行信源独立性盘点时,建议按照以下 “五步法”操作 。您可以将此表打印出来, 作为内部内容团队和外部服务商自查的清单。

表3-3 同源去重五步速查卡

 

步骤

检查动作

核心判定标准

常见误区(避坑指南)

对应工具/产出

第一

找上

查明谁是真正的信息最初生产者(

只看发布域名不同,就误认为是多

首发 Page

步

游

首发源)。

个独立信源。

ID

第二

比证

比对核心数据、 引语、 图片、测试

文字虽然改了(洗稿) ,但核心数

核心证据

步

据

报告是否同源。

据一模一样,误判为独立。

对比记录

第三步

查增量

检查是否有独立采访、现场照片、原始档案或新增测试。

只增加了主观评论或排版变化,就当作有新证据。

证据增量说明

第四

步

看关

系

核查主体关联、是否属于同一集团、是否有商业供稿或分发关系。

忽略了代运营账号、通稿分发网络带来的“伪多源”假象。

主体关联图谱

第五

给结

给出 Cluster ID 和判定理由;信

证据找不全时,为了凑数量直接算

Cluster

步

论

息不足必须标“待复核”, 绝不默认独立。

作独立源。

ID 及判定理由

 

本章落地指引:GEO 投入是否健康可通过指标复算判断。建议结合本白皮书配套的同源簇识别与去重表,直接填入页面URL和核心证据。

第四章 事实证据链

从“有内容”到“有证据”

 

4.1 原子事实:内容治理的最小单位

原子事实是可独立判断真假的单一陈述,通常包含主体、动作或属性、对象、时间、数值、地域和适用条件。例如,“某产品适用于全国所有场景且性能行业第一 ”包含适用范围和比较结论两类高风险信息,不应作为一个未经拆解的宣传句直接入库。

拆分后,每项事实获得唯一Fact ID,并绑定证据、公开表述和负责人。 复杂文章可包含数十个事实,但治理资源应优先覆盖身份资质、产品参数、价格条款、客户案例、效果数据、 比较结论、健康金融等高风险领域。

原子事实还应区分事实、观点与预测。“已于某日获得证书”可核验;“技术领先”需要比较口径;“预计将增长 ”必须说明假设和时间。把观点写成事实,是证据错配的常见起点。

4.2 证据三级分类:验证强度而非媒体等级

本书建议将证据分为A、B、C三级。A级为可独立验证材料,如监管登记、可核验证书、正式标准文本、可复现测试及完整原始记录;B级为企业自述或第一方材料,如企业新闻稿、 内部统计、客户数量自述;C级为待核查或证据不足材料,如匿名截图、无出处转载、无法复现的测试。

该分级是编写组建议模型,不是国家标准,也不是对媒体权威性的排名。A级材料仍可能过期、与论断不匹配或超出适用范围;B级材料可以合法使用,但必须如实标识其自述属性;C级材料不应支撑确定性对外结论。

证据强度与表述强度必须匹配。 只有企业自测数据时,可以写“在企业自测的特定条件下观察到……”,不能改写为“经权威验证全面领先”。

4.3 证据匹配:证明的必须是同一句话

证据匹配检查至少包含六项:主体是否一致,对象与型号是否一致,数值与单位是否一致,时间是否覆盖,地域和样本是否一致,限定条件是否被完整保留。任何一项关键不一致,都可能导致 “证据真实但表述失真”。

《广告引证内容执法指南》要求引证内容与所依据材料的意思表达一致,互联网引证应表明访问路径,相关互联网内容或路径变化时应调整广告或停止发布;对实验复现条件、样品效力、地域行业范围和有效期限也提出了明确要求。

因此,证据链不能只保存文件名称。台账应记录证据中的原文位置、页码或段落、访问路径、证据日期、适用条件和可支撑的表述上限。

8.png

图4-1 原子事实与证据匹配的六项检查

图示为本书整理。合规依据见文末[8–9]。

4.4 证据时效、 版本与冲突

证据不是永久有效。证书可能到期或暂停,产品参数会换代,价格与优惠会变化,研究结论可能修正,原始网页也可能失效。每项证据应设置有效期或复核周期; 未标明法定有效期的,也应按事实风险设置内部复核日期。

当两份材料冲突时,不应优先选择对品牌更有利的一份。应记录冲突事实、材料主体、形成时间、方法和适用范围,判断是版本变化、 口径差异还是实质矛盾 。在冲突解决前,对外表述应降级为可确认部分,必要时暂停相关传播。

证据更新必须联动事实和页面。仅替换内部附件而不修改公开页面,或只改首发而忽略转载与AI答案, 都不算完成闭环。

4.5 AI引用仍需 “论断—来源”支持性检查

Xu等在2026年10月1日发布的v2中,分析了55,393次趋势查询及7,491份可核验的AI

Overview。98,020条经核验的论断中,11.03%归为不一致,具体分布见表4-1。部分网页内容未纳入采集,结果应在该样本和核验方法下解读。  [5]

这一发现的管理意义不是给平台贴上一个固定 “错误率”, 而是说明“有引用”和“引用支持论断”是两个检查项。企业监测AI答案时,应逐条抽取关键论断,再打开被引页面核对,而不是只统计是否出现品牌链接。

另有研究在712个英文真实查询、四个生成式搜索产品的样本中,使用AI文本检测工具判定约16%的唯一被引来源具有AI生成特征 。该结果为预印本且依赖检测器,不能外推为互联网信源的总体比例; 它提示企业还应记录内容生成与人工审核过程,避免把合成内容循环引用为独立证据。

把两项研究放在一起看,可以得到一个对采购与续约都直接有用的判断: 既然 “有引用”与“ 引用支持论断”是两个检查项,那么以 “我们被引用了多少次 ”作为交付标准的服务,天然无法证明其证据质量; 而以 “论断支持率”作为标准的交付,才可抽样复核。这也是本书第九章把AI结果与过程指标分账的原因——前者用于观察,后者用于验收。

表4-1 Google AI Overviews研究中的三种不一致情形

分类

所占比例

原研究的判定条件

未找到支持

6.98%

所引来源未提及该论断

来源明确反驳

2.66%

至少一个所引来源明确反驳该论断

来源之间分歧

1.39%

所引来源对该论断的支持存在分歧

数据来源见文末[5]的表2。分母为98,020条经核验论断。

4.6 证据匹配六项检查卡

表4-2 证据匹配六项检查卡

 

检查维度

核心核对项

常见错配风险

整改动作建议

主体

法定主体、 品牌归属是否一致?

张冠李戴,用子公司资质证明母公司。

更换为对应主体的证明材料。

对象/型号

产品、型号、版本是否一致?

以偏概全,用单一型号报告证明全系。

收窄表述至特定型号,或补充全系报告。

数值/单位

数值、单位、计算口径是否一致?

夸大效果,如把 “约100”写成“150”。

核对原始数据,统一单位与计算口径。

时间

期间、日期、有效期是否覆盖?

使用已过期或旧版本的证明文件。

更新至最新有效证据,或删去过期声明。

范围

地域、行业、样本是否一致?

把 “部分区域测试”写成“全国适用”。

在表述中补充明确的适用范围限定词。

条件

实验、优惠、使用限制等是否完整保留?

断章取义,隐去了不利的前提条件。

在公开页面或表述中补齐限定条件。

本章落地指引:如有条件 ,预约 “关键事实证据匹配30分钟诊断”, 需带1项高风险事实和1份证据原件;输出 “可支撑表述上限”建议。

第五章 可追溯治理

让每一次发布与变更都有记录

 

5.1 全生命周期:从创建到归档

信源生命周期至少包括创建、事实审核、合规审核、发布、分发、监测、更新、纠错、撤回和归档。传统项目往往在 “发布”节点结束,导致后续页面变更、证据到期和AI错误无人负责。

每个阶段应有输入、动作、 责任人和输出。创建阶段输出内容草稿与事实清单; 审核阶段输出证据匹配记录;发布阶段输出URL、时间和版本;监测阶段输出可访问性与AI表现; 变更阶段输出差异和原因; 归档阶段输出最终版本、历史链和保留期限。

撤回不等于删除本地记录。对外页面可能需要下线,但内部必须保留原版本、撤回原因、 审批和影响范围, 以便审计与防止旧稿再次流出。

9.png

图5-1 信源全生命周期与反馈闭环

来源:本白皮书编写组方法论模型。

5.2 最小追溯字段与唯一编号

建议至少设置五类ID: Source ID对应主体,Page ID对应页面,Fact ID对应原子事实,

Evidence ID对应证明材料,Test ID对应AI测试批次 。一次变更另设Change ID,一次纠错另设Issue ID。编号保持永久,不因URL或标题变化而重用。

最小字段包括责任人、创建时间、 审核人、 审核时间、证据版本、公开版本、发布时间、访问状态、有效期、变更原因和关联ID。 涉及外部服务商时,还需记录交付批次、合同条款和验收结果。

“追溯字段完整率”应按必填字段逐项计算,不应以一个模糊的“已归档”替代。关键字段缺失时, 即使文件存在,也可能无法重建事实依据。

5.3 版本差异与变更影响分析

变更分为事实性变更与非事实性变更。修改产品参数、时间、数据、 比较结论、 引语或适用范围属于事实性变更,必须重新进行证据匹配与合规审核;修正错别字且不改变含义,可进入轻量流程,但仍保留记录。

变更影响分析需要回答: 哪些页面引用旧事实,哪些外部页面已经转载,哪些AI答案仍显示旧信息,哪些广告或销售材料使用同一数据。影响范围应按Fact ID反查,而不是依赖项目成员记忆。

对数据或结论已修正的内容,《广告引证内容执法指南》 明确将 “未按修正后的数据、结论更改广告内容,足以影响消费者判断 ”列为虚假或引人误解的情形之一。版本联动因此具有直接合规意义。

5.4 权限、 日志与档案

内容创建、事实审核、合规批准和发布应尽量分离权限。 高风险事实不应由同一人员无复核地完成起草、 审核和发布。外部账号应最小授权,离项或离职时及时回收。

日志至少记录时间、操作者、对象、 旧值、新值和原因。对于AI辅助生成内容,还应记录使用的生成环节、人工审核人和事实核验结果。《人工智能生成合成内容标识办法》 自2025年9月1日起施行,规定显式与隐式标识以及用户发布时的主动声明等要求;企业应根据具体产品和传播场景落实适用义务,不得恶意删除、篡改、伪造或隐匿标识。  [11]

档案保存期限应综合适用法律、合同、争议风险和企业制度确定,不在本书中设置统一法定期限。对于高监管行业,应由法务或合规部门制定更严格的保留策略。

5.5 生成式服务与信息生态治理的衔接

《生成式人工智能服务管理暂行办法》要求提高生成内容准确性和可靠性,并规定投诉举报、违法内容处置等机制。对开展相关服务或运营相关系统的主体,信源台账、投诉处置和纠错记录可作为落实责任的重要基础,但具体义务需结合主体角色与业务适用性判断。  [12]

GEO团体标准已形成术语、服务商评估、计价与测量、可信语料、流程合规与安全的系列框架。全国团体标准信息平台对第1部分分别列示2026年9月9日发布、9月10日实施、9月14日公布  ;本书引用时严格区分这些日期。系列标准为行业提供参考,但本书四维模型、字段和评分均为编写组建议,不应冒充标准原文。  [13 – 15]

5.6 追溯审计的最小抽样程序

每个季度可从高风险事实、近期变更、AI错误和外部交付四类对象中抽样。 审计人员从公开页面出发,反查Fact ID、证据版本、 审核记录与发布日志; 再从原始证据正向检查所有关联页面是否一致。

发现断点时,应区分“记录缺失”和“实际未执行”。 前者可能通过补录系统日志恢复,后者必须重新执行审核或纠错,不能用事后填表掩盖。 审计结论应形成整改项、 责任人、期限和复核结果。

本章落地指引:下载GEO信源治理配套工具包,用变更版本记录表和AI纠错复测表管住旧版本残留。

第六章 评价体系:如何衡量“有效信源”

 

6.1 指标设计的五项原则

第一,每个指标必须对应管理动作; 无法触发诊断或改进的数字不宜进入核心看板。第二,明确分子、分母、时间窗和去重单位。第三, 区分可控过程与外部结果。第四,保留原始记录,使指标可复算。第五,不将不同样本、平台和时间的数据直接拼接。

指标还应避免 “越大越好”的机械解释。同源转载占比升高可能意味着一次成功传播,也可能意味着独立报道不足; 纠错数量增加可能源于监测更全面,而不是质量突然恶化 。看板必须与结构性说明同时呈现。

6.2 四维过程指标

来源独立维度建议关注传播页面数、同源簇数、同源转载占比, 以及按事实统计的独立证据源数及新增数。事实可证维度关注关键事实证据覆盖率、证据匹配率、过期证据占比和高风险事实A级证据覆盖率。过程可追溯维度关注追溯字段完整率、变更记录完整率和页面—事实关联率。错误可修复维度关注纠错闭环率、中位关闭时长、逾期问题数和复测通过率。

关键事实证据覆盖率的分母应是已识别的关键事实,而不是全部文章字数。证据匹配率只统计有有效证据且接受检查的关键事实,检查所抽取的公开表述能否得到证据支持; 两项结合可避免 “每个事实都有附件,但附件并不能证明”的假性高覆盖。

同一 Fact ID 在一批次抽查了多条在用表述时,所有受检表述均通过才将该事实计为匹配。有效指证据真实可核验、在有效期内且版本可用; 支持具体表述的程度在匹配环节判定 。所有比率均披露分子、分母和排除项,分母为零时记为“不适用”。

10.png

图6-1 有效信源指标树:过程质量与AI结果分账

来源:本白皮书编写组建议指标体系。

6.3 AI结果指标: 固定问题集与答案级标注

AI结果层可使用指定信息正确率、指定信息覆盖率、 引用来源有效率、论断支持率、跨平台差异和错误复发率。每次测试应记录问题文本、产品入口、模型或版本(如可见)、时间、地区与登录状态等可得条件。

指定信息正确率的分母是“答案中出现的指定事实实例”,不是全部问题; 指定信息覆盖率的分母是“预先定义应覆盖的关键事实—问题组合”。 引用来源有效率需检查URL可访问、来源与答案相关;论断支持率进一步检查来源是否支持具体论断。

Google AI Overviews研究显示, 问题式查询触发率64.7%,非问题式查询为9.5%,整体触发率13.7%。这提示问题表达会显著影响答案形态,测试集不能随项目阶段任意更换,否则前后结果不可比。  [5]

11.png

 

图6-2 Google AI Overviews触发率随查询类型显著变化

数据来源见文末[5]。样本为2026年3月13日至4月21日采集的55,393次趋势查询。

6.4 指标定义与防误读口径

同源转载占比应按页面样本计算,并同时披露同源簇数。过期证据占比为已过期在用证据数除以全部在用证据数; 待复核但尚未判定过期的证据另列 。纠错闭环率按观察窗内到期工单计算。分子为同批中已完成可控处置的工单,须留存原因定位、公开修正、必要的外部处置与复测记录。 AI复测是否通过单列。

跨平台差异不宜压缩成一个无解释的分数。可以按事实列出各平台“正确、缺失、错误、冲突 ”矩阵,再统计各状态比例。平台数量变化时必须重述分母。

研究还发现,29.8%的被引域名未出现在同一查询第一屏传统结果中,说明传统搜索可见性与生成式引用并不等同;但这项结果不代表传统SEO无关紧要,也不提供任何单一优化因果结论。

6.5 评分卡:用于验收,不用于预测算法

企业可将四维过程质量各设0—100分,用于内部验收,但应公开权重、锚点和证据要求。建议设置 “关键红线不与平均分抵消”: 伪造证据、 隐瞒同源关系、重大事实错误未处置等情形,不能靠发布数量或其他高分抵消。

AI结果指标单独列示,不与过程分相加形成“GEO能力总分”。 如果管理层确需综合指数,应把其定义为内部管理指数,并声明不能用于预测引用、排名或商业转化。

本书配套Excel采用可修改权重与自动计算,仅为编写组建议工具。所有示例值均为合成数据,不构成企业评级或行业基准。

表6-1 核心指标速查

 

指标

分子

分母

去重/时间口径

关键事实证据覆盖率

有有效证据的关键事实数

全部关键事实数

Fact ID; 期末

证据匹配率

通过六项匹配的事实数

有有效证据且已检查的关键事实数

Fact ID; 按核验批次

追溯字段完整率

已填写且有效的必填字段数

应填必填字段数

记录字段; 期末

纠错闭环率

同批到期且已完成可控处置的问题数

到期应关闭问题数

Issue ID;观察窗

指定信息正确率

正确指定事实实例数

答案中出现的指定事实实例数

答案事实实例;测试批次

论断支持率

获被引来源支持的论断数

完成核验的可核验论断数

Claim—Citation对;测试批次

本章落地指引:可结合配套工具包 ,在指标看板表中填入底层记录,用真实的分子分母复算您的证据覆盖率与匹配率。

第七章 公开研究、合成案例与企业试点方案

 

7.1 公开研究复原: 哪些结论可以说,哪些不能说

BuzzStream样本显示,新闻类引用中真正新闻或编辑内容占约81.4%,同源分发新闻占6.2%  ,  经Yahoo、MSN等渠道分发的新闻稿占0.32%。这些数据可以说明,在该问题集与平台范围内,编辑内容与被分发的同源新闻在引用结构上存在明显差异;不能据此证明“新闻稿没有价值”,也不能推导出任何单一企业的引用提升幅度。  [3]

Xu等的AI Overviews研究将11.03%的经核验论断归为不一致,其中6.98%在所引来源中未找到、2.66%被来源明确反驳、1 .39%涉及来源之间的分歧 。在7,491份可核验的AI Overview中,

3,141份(41.9%) 的全部论断按研究口径获得支持 。上述比例分别以论断和答案为单位,均受样本及采集条件限制。  [5]

合成信源研究可以支持 “建立内容生成、人工审核与来源透明度记录”的建议, 但AI文本检测存在误判与漏判,不能据16%这一数字推断所有行业或中文互联网。  [7]

12.png

图7-1 公开研究的管理含义与禁止外推

研究资料见文末[3–5、7]。

7.2 合成案例设定: 一家工业设备企业的产品事实治理

以下为完全合成案例。假设 “ 甲公司”发布一款工业传感器,需要在官网、新闻稿和外部页面中表达关键事实,包括产品检测完成时间、工作温度范围(-20℃至60℃)  、客户支持时间、

企业客户数量与产品适用范围等6项。初始台账共有8个公开页面; 团队原以为这代表8个独立信源。

案例不对应任何真实企业,页面数、证据状态与AI答案均为演示数据,不构成行业基准或项目效果承诺 。我们只用这组数据演示如何从URL清单转向同源簇、Fact  ID和纠错工单。

合成案例声明:本节全部企业、事实与数值均为说明方法而设,不对应真实企业,不构成实测结论。

7.3 第一步:同源去重,分开计算传播与证据

演示台账将8个页面聚合为5个同源簇:企业官网产品页1个,产品原始新闻稿1个,该新闻稿经门户全文转载与经销商改写形成3个同源副本(C02簇) ,独立行业媒体采访1个,检测机构公开记录1个,社区讨论页1个 。按同源簇去重后,传播页面仍为8个,但传播关系归并为5个同源簇 ;有两个来源分别为其能够核验的事实提供新增独立材料(行业媒体采访与检测机构公开记录) ,  另有1个社区讨论页属于独立生产但核心证据同源。

经销商改写虽然文本不同,但参数全部来自原始新闻稿, 因此属于同源证据。行业媒体采访若包含新的工程师访谈和现场照片,可形成新的生产源;但其引用企业参数的部分仍应绑定原始检测材料。

这个阶段的结果不是“删除3个同源副本页面”, 而是建立8个Page ID与5个Cluster ID的映射,为后续纠错提供完整影响清单。

7.4 第二步:关键事实证据覆盖与匹配

首次检查的六项事实见表7-1。 F02和F06所用材料可核验且在有效期内,但公开表述超出材料支持范围。F04和F05缺少有效证据,暂不进入匹配率分母 。初次证据覆盖率为4/6(66.7%),证据匹配率为2/4(50.0%)。

典型错配包括:检测报告只覆盖某一型号,却被用于整个系列;工作温度在特定试验条件下测得,公开页面删除条件;证书已经更新,但经销商仍使用旧图。修正方法不是把覆盖率直接改高,而是补检测材料、 收窄表述、更新证据并重新审核。

第二次检查中,假设6项事实均有有效证据且全部通过匹配,覆盖率与匹配率才分别变为100%。这属于合成演示的过程变化,不代表任何真实项目周期或效果。

表7-1六项关键事实首次核验底表(合成数据)

 

Fact ID 与公开表述

证据状态及依据

匹配结论

F01 某型号于指定日期完成检测

有效。检测记录含型号和日期

通过

F02 全系列工作温度为   20℃至60℃

有效。E02 v1仅覆盖S100及规定工况

不通过 。范围超出证据

F03 工作日9:00至18:00提供支持

有效。现行服务条款载明时段

通过

F04 服务客户数为200家

缺失 。无可核验的客户统计底表

暂不计入

F05 适用于所有工业环境

失效。仅有旧型号已过期的适用性材料

暂不计入

F06 全系列达到报告所列防护等级

有效。报告仅覆盖送检型号

不通过。型号范围不符

说明:按 Fact ID 去重。覆盖率为有有效证据的关键事实数除以全部关键事实数;匹配率为通过匹配的关键事实数除以有有效证据且已检查的关键事实数。

7.5 第三步:AI错误纠正与复测闭环

假设固定问题集包含4个固定问题、覆盖4个平台入口 。首轮答案中出现 “全系列均支持某温度范围”“提供7×24小时支持 ”“适用于所有工业环境”等错误表述,监测人员将每个答案拆为事实实例,绑定对应Fact ID,并发现被引页面是经销商旧稿或同源转载页而非企业最新产品页。

工单记录错误答案、采集时间、 引用URL、正确事实、证据版本、受影响页面、处置记录和复测结果 。完成自管页面修正、外部页面处理并执行约定复测后,标记 “可控处置完成”。 无法修改的外部页面须留存沟通记录、残余风险与获批替代措施 。另列 “AI复测通过/未通过/无法判定”, 并按预先约定的平台、 问题和轮次判定。

同一观察窗内,假设4个到期工单中1个已完成可控处置、3个尚未完成,则纠错闭环率为1/4 (25%)。截至报告日仍未完成的该批工单均列为逾期。AI复测通过情况单独报告。

以F02为例,检测报告E02 v1仅支持S100在规定工况下的温度范围。官网P01、新闻稿P02及其C02簇经销商副本P04均需核对。工单I01记录AI引用P04误答“全系列”;官网修为“S100在检测报告规定工况下的工作温度为   20℃至60℃”,发布新版本,经销商同步更新,随后按原问题复测。

F02验收记录:E02 v1第3页 → F02 → P01/P02/P04 → I01。 按表7-1复算初检。若本轮仅完成F02的全部受检表述修正,覆盖率仍为4/6,匹配率为3/4(75.0%) 。采购方抽查原件、发布版本、外部改版和原始复测记录; 若AI仍误答,可控处置可完成,AI复测记为未通过。

7.6 企业实测方案:八周可复现设计

第一周确定范围:选择一个产品线、20—50项关键事实和不少于30个固定问题。第二周建立基线:完成页面采集、同源聚类、证据分级和首轮AI测试。第三至四周实施修正:补证据、 收窄表述、更新页面并保留版本。第五至六周观察:重复固定问题测试,记录答案与引用变化。第七周开展独立复核: 由未参与执行的人抽样。第八周形成报告:同时披露过程指标、AI结果、失败样本和限制。

为降低季节与随意选样影响, 问题集、平台入口、采集时间和标注指南应在测试前冻结。若中途必须调整,应另设新版本,不把前后结果直接连成趋势。

测试前约定每个 “ 问题  × 平台  × 轮次”的重复次数, 固定账号类型、地区、语言、会话重置方式及采集时段 。拒答、无引用、入口不可用和引用无法访问分别登记 。入口不可用计入执行异常,无法访问计入待核验,不纳入已完成核验的论断分母,并另报排除数。若需估计治理动作的作用,可设置同期未更新的事实组,或分批上线; 普通前后对比只报告观察变化。

企业报告至少公开样本量、 问题类型、时间窗、平台、去重规则、证据分级和错误处理。没有这些信息的“提升百分比”不应进入验收或对外宣传。

表7-2 企业实测最小记录集

 

模块

必须记录

复核重点

范围

产品线、事实清单、 问题集版本

是否事前冻结

信源

URL、主体、Cluster ID、证据ID

去重理由是否可复核

AI测试

平台、时间、答案全文、 引用

是否保留失败与空结果

纠错

Issue ID、版本、责任人、复测

是否真正闭环

报告

分子分母、限制、原始索引

第三方能否复算

该八周可复现方案建立在团队具备事实拆解、同源识别、AI 测试标注人力前提下。对于多数市场部、 品牌部,很难持续调配跨岗位资源:产品提供事实、 内容处理页面、合规审核证据、运营完成 AI 复测,任一岗位缺位,整套流程就会中断 。很多企业尝试自行试点,往往卡在事实台账维护、同源簇人工复核、AI 错误复测闭环三个环节。

本章落地指引:如需外部支持,可申请 “案例共创工作坊”,用企业真实但脱敏的数据跑一遍四维模型。

第八章 企业实施指南:建立有效信源治理体系

 

8.1 先确定治理范围,而非先采购工具

建议从一个业务单元或产品线起步,列出对购买决策、合规与声誉影响最大的关键事实。范围过大会导致台账长期不完整,范围过小又可能遗漏真正风险。优先纳入资质、参数、价格、效果、 比较、客户案例和有效期敏感事实。 随后盘点已有官网、帮助中心、新闻稿、经销商素材、媒体发布和AI监测数据。 盘点目标不是立刻增加发布,而是识别事实冲突、证据缺口、同源副本和无人维护的旧页面。项目发起人应确认四项边界:谁有权认定事实,谁有权批准公开表述,谁负责外部账号,谁处理AI错误投诉。

为了降低启动门槛,建议直接使用配套工具包的“使用说明”工作表,按步骤清单,在30分钟内快速框定您的第一批关键事实与公开页面。

8.2 角色与职责:事实负责人不可缺位

业务部门通常最了解产品,却不能独自完成全部审核。建议设置事实负责人、 内容负责人、证据管理员、合规审核人、发布负责人、监测分析人和纠错负责人。 小团队可以兼岗,但高风险事实的起草与批准应保留必要分离。

事实负责人维护Fact ID和有效表述;证据管理员保存原始材料、有效期和访问路径; 内容负责人确保公开文章不超出证据上限;合规审核人处理广告、个人信息、知识产权和行业规则;监测分析人维护固定问题集; 纠错负责人协调页面更新与复测。

服务商可以执行许多动作,但企业对自身事实与公开表述的责任不能因外包而消失。合同应明确材料提供、 审核、账号权限、日志交付和退出移交 。如果内部暂时无法配齐完整的角色体系 ,  可以先通过外部“基线诊断服务 ” 由专家协助代跑一轮,在实战盘点中培养内部的第一批 “事实负责人”。

8.3 十二周实施路线图

第1—2周完成范围与基线,输出关键事实清单和页面总账。第3—4周完成同源聚类与证据分级,输出风险清单。第5—6周建立审核与版本流程,先处理高风险错配。第7—8周上线固定问题集监测与纠错工单。第9—10周开展外部交付验收和内部抽样审计。第11—12周复盘指标、冻结制度并决定系统自动化范围。

每一阶段都应形成可验收产物,而不是以 “持续优化 ”代替完成标准。路线图可按企业规模调整,但不建议跳过事实清单和证据匹配直接扩大发布。

13.png

图8-1 十二周有效信源治理实施路线图

来源:本白皮书编写组建议路线;具体周期应随事实风险与组织资源调整。

8.4 最小可行治理: 一张主台账加四条流程

资源有限时,可先用配套Excel建立主台账,至少包含事实、证据、页面、同源簇、变更和纠错六类记录。四条必建流程为: 高风险事实发布前审核、证据到期复核、事实变更影响分析、 AI错误纠正复测。

最小方案不追求复杂评分,而追求每项关键事实都能找到负责人和证据,每次公开变更都能找到版本,每个高风险错误都能有关闭状态 。待记录稳定后,再通过内容管理系统、数字资产系统或监测平台自动化。

自动化不得跳过人工确认。文本相似度可推荐同源簇,AI可辅助抽取事实,但最终表述与证据匹配应由具备责任能力的人审核。

8.5 风险分级与服务水平

建议按事实错误可能造成的法律、财务、健康安全和声誉影响分为高、中、低三级。 高风险事实发布前必须完成证据匹配和合规审核;证据到期、页面冲突与AI错误设置更短响应时限。低风险编辑性事实可采用简化流程。

响应时限应由企业结合业务设定,不在本书中给出通用法定小时数。可分别约定 “确认时限、临时处置时限、页面修正时限、复测观察期”, 避免一个模糊SLA掩盖不同阶段。

无法立即改正AI答案时,应先修正可控公开信源、保留证据与提交适用反馈,并在看板中如实标记外部结果尚未恢复 。在评估外部服务商或内部团队时,建议直接使用工具包中的“服务商验收”工作表,通过权重打分与“一票否决 ”红线,确保服务水平不掺水。

8.6 制度落地的审计证据

制度是否运行,不取决于是否有一份流程文件,而取决于能否拿出事实清单、 审核记录、版本差异、到期提醒、纠错工单和复测记录。 内部审计应按真实项目抽样,避免只检查模板。

管理层复盘应同时看 “ 问题发现能力”和“问题发生数量”。监测覆盖扩大后,发现更多问题可能是积极信号; 若单纯以错误数考核团队,容易诱导少报、 晚报或选择低风险样本。

当需要向管理层汇报时,工具包中的“指标看板”和“成熟度自测”工作表可一键生成直观的现状图表与短板诊断,让您的复盘有据可依。

本章落地指引:不必等待内部立项大型系统,可先下载GEO信源治理配套工具包,用一张主台账开启第一步。

第九章 服务商交付与验收

从“发了多少”转向“交付了什么”

 

9.1 合同先分清三类承诺

过程承诺包括事实梳理、证据归档、 审核、发布、日志和纠错,是服务商可直接控制的工作。传播产出包括有效页面、 内容类型、同源关系和可访问状态,可以验收但须真实披露。AI结果表现受平台和模型影响,可按约定方法测量,不宜被写成“百分之百霸屏”“保证前三”或绝对控制答案。

《反不正当竞争法》(2025年修订)第九条规制虚假或引人误解的商业宣传,第十二条规制编造、传播虚假或误导性信息损害竞争对手。GEO项目中的虚假案例、伪造评价、恶意竞品信息并不会因使用新渠道而失去法律约束。  [10]

合同还应明确数据与账号权属、素材知识产权、个人信息处理、保密、 subcontracting (转委托) 、退出移交和争议证据。建议在起草SOW(工作说明书)时,直接将配套工具包中的事实证据台账表与同源识别表列为过程承诺的必交底稿,从源头规避 “ 只承诺结果、不承诺过程 ”的霸王条款。

9.2 交付物清单:链接只是其中一项

基础交付应包括事实清单、证据索引、 内容版本、页面台账、同源簇映射、 审核记录、发布日志、监测原始数据和纠错工单。对每一项交付,应约定格式、字段、时间范围和抽样方式。

页面台账必须披露付费发布、转载、供稿、 聚合和关联账号属性,不得把同一通稿的多个副本包装成多家独立评价。AI监测必须交付答案全文与引用,不只提供精选截图。

最稳妥的做法,是直接要求服务商按照配套工具包中的Sheet结构(如信源资产台账、表述证据检查)交付Excel底表 。如果服务商只能提供PDF报告或汇总仪表盘,拒绝提供底层记录,应直接视为透明度不足。

9.3 验收评分卡与一票否决

本书建议验收评分卡分为来源独立20分、事实可证30分、过程可追溯25分、错误可修复15分、报告透明度10分,总分100分。该权重是编写组建议,采购方可按风险调整;AI结果单列,不混  入过程总分。

评分必须有锚点。例如,事实可证高分不仅要求证据覆盖,还要求高风险事实通过匹配、证据有效且公开表述未超范围 。追溯高分要求能从任一抽样页面还原事实、证据、 审核与版本。

伪造证据、 隐瞒关联分发、篡改监测结果、未经许可使用账号或发生其他重大合规违约,应设置为一票否决或合同约定的重大不合格,不允许被平均分抵消。

为了便于采购团队直接落地,这套评分卡已内置在配套工具包的“服务商验收”工作表中。表中不仅设定了各维度权重,还自带 “一票否决”和“权重须为100”的自动校验公式,填入得分即可自动测算最终结论。

14.png

图9-1 服务商交付验收的证据化流程

来源:本白皮书编写组建议流程;评分权重为内部验收建议 ,非行业标准。

9.4 抽样验收与复算

采购方应按风险分层抽样,而非只抽查服务商推荐的“优秀案例”。样本至少覆盖高风险事实、同源副本、近期变更、失效链接和AI错误。对每个样本复核原始文件、URL、时间与记录。

所有百分比应可复算。采购方从原始台账重新计算覆盖率、 匹配率、完整率和闭环率,核对分子分母是否与合同一致 。服务商如果只提供汇总仪表盘而拒绝交付底层记录,应视为透明度不足。

采购方按约定问题集、时间窗及运行次数核对全部原始结果,并分别验收可控处置记录和报告AI复测结果。AI复测通过条件应在开测前约定; 以第7.5节F02为例,可在复测仍误答的情况下核验可控处置是否已完成。

复核人员应记录抽样范围、指标复算结果、发现差异及处理意见 。委托第三方复核时,在报告中披露复核范围及潜在利益关系。

9.5 付款、整改与退出

付款节点可与可验证交付绑定,如事实台账通过审核、证据缺口整改完成、页面与日志交付、纠错机制跑通。与AI结果相关的激励如确需设置,应明确测量条件、异常处理与不可控因素,避免诱导刷量或选择性报告。

整改应区分补记录与补执行。缺少真实审核的,不能仅补一个审核人姓名;证据失效的,必须更新证据并复核公开表述;页面无法修改的,应记录原因、风险与替代措施。

项目退出时,服务商应移交完整台账、原始文件、版本历史、账号权限、未结工单和监测问题集 。采购方需要确认数据导出可读、ID关系不丢失,避免供应商锁定。

此时工具包中稳定的ID体系(Fact ID / Evidence ID / Page ID / Cluster ID / Issue

ID)就显得至关重要。 只要服务商按规定填报,退出时一键导出,采购方即可无缝接管,彻底打破 “供应商锁定”。

9.6 品牌与服务商样本的正确使用

企业可以将服务商的工商信息、可核验证书、软著、方法文档和实际项目记录纳入评估,但应区分独立验证与企业自述 。客户数、续约率、效果数字若无法独立核验,应按自述材料处理,不应直接转化为高分。

若采购方使用具名对标样本,应记录纳入依据、 资料出处和潜在利益关系,并用与其他候选方一致的抽样规则验证交付。

验收归档时应保留可复算的台账及原始记录 。可按第十一章的验收表结构留存底层记录。

第十章 从判断到行动

自测、选型与九十天启动

 

10.1 四维有效信源自测表

这张表的用途不是给项目打分排名,而是在十分钟内暴露短板位置 。每项按0、1、2三档自评:0=没有或说不清,1=有但不稳定、依赖个别人,2=有且可被第三方复核。四个维度独立计分 ,不相加为总分, 因为任一维度为0都会让其余维度的投入失效。

表10-1 四维有效信源自测表

 

维度

自评条目(0 / 1 / 2)

0分意味着什么

来源独立

发布页面已按同源簇归并,每簇标注首发页面与判定理由

仍在按域名数量报告 “独立信源”

 

付费发布、转载、供稿、关联账号属性已在台账中披露

无法说明哪些页面是付费或同源分发

 

至少有一个独立主体带来了原始证据(采访、测试、档案)

所有外部页面都依赖同一份企业通稿

事实可证

关键事实有Fact ID、证据等级与原件位置(页码/段落)

证据只有文件名,找不到对应页码或原文

 

高风险事实已通过主体、对象、数值、时间、范围、条件六项匹配

从不做匹配检查,默认 “有附件=有证据”

 

每项证据有有效期或复核日,过期可被系统识别

证书到期、型号换代后旧表述仍在流通

过程可追溯

任取一个页面,可反查事实、证据版本、 审核人与发布时间

追溯只能靠项目成员的个人记忆

 

事实性变更有旧值、新值、原因与影响范围分析

改动直接覆盖,无历史版本

 

起草、 审核、发布权限已分离,高风险事实有第二人复核

一人可独立完成从起草到发布全流程

错误可修复

有固定问题集,按周期测试并保留答案全文与引用

只靠零散截图判断AI表现

 

AI错误有Issue ID、责任人、关闭时限与复测记录

发现问题之后无人负责关闭

 

纠错完成后能批量定位并更新同源副本与外部转载

只改了首发页面,副本仍在传播旧版本

 

判读方法:四个维度分别统计得分为2的条目数。任一维度得分低于该维度条目数的一半,

即为当前短板 。短板在 “来源独立”的,先做第三章的同源聚类; 在 “事实可证”的,先做第四章的证据匹配; 在 “过程可追溯”的,先建第五章的五类ID; 在 “错误可修复”的,先跑第九章的纠错闭环。不要四项同时开工——同一时间只修一个维度,其余维度保持现状运行,是这套方法在资源有限时最有效的推进方式。

10.2 服务商评估清单:六个必问问题

这份清单的设计原则是:每个问题都有一个 “无法用话术通过”的验证动作。 只要对方能当场拿出对应材料,信任就有依据; 只能给出承诺、案例故事或口头保证的,应当记录为不确定项 ,  而不是直接采纳为能力证明。 以下六个必问清单,企业在招投标、服务商沟通阶段就可以直接复制使用,用于快速甄别服务商交付能力 。清单只提供判断标尺,企业可以将对应交付物作为合同附件。

表10-2 服务商评估六个必问问题清单

 

必问问题

验证动作(要看到什么)

危险信号

对应章节

一、你们报的“信源数

随机抽3个页面,请当场说明它们的上游信

按域名回答“都是不同

第三

量”, 去掉同源后是多少?

息生产者与核心证据是否相同,并给出判定理由

媒体”,不区分通稿、转载、付费发布与关联账号

章

二、每个关键事实的证据原件在哪一页?

指定一个高风险事实(如产品参数或客户案例),30秒内点开证据原件的对应页码或段落

只能提供文件名、 网盘链接或“我们有报告 ” ,  无法定位到原文

第四

章

三、你们的表述是否超出证据范围?

请对方演示一次六项匹配检查(主体、对象型号、数值单位、时间、范围、条件) ,指出哪项不通过

表示“发了就是对的” ,  从不做匹配检查,或认为匹配是客户的责任

第四章

四、页面改了以后, 旧版本和转载怎么处理?

要一份真实的变更记录,含旧值、新值、原因、受影响页面清单与完成状态

只能提供截图对比,无版本号、无影响范围分析、无历史留档

第五

章

五、AI答案错了,你们怎么关掉它?

要一份已关闭的纠错工单,含错误答案、 引用URL、正确事实、公开修正与复测结果

表示“提交平台反馈就算处理完”,或承诺 “保证答案变成正面”

第五、九章

六、如果我们明天终止

要求提供台账导出样例,确认ID关系 (

交付物只有PDF报告和

第九

合作,能带走什么?

Fact/Evidence/Page/Cluster/Issue)可读、可迁移、不丢失

截图,数据留在对方系统内不可导出

章

使用规则有三条。第一,六个问题必须全部问到,不能只问应答得好的那几个——第五节和第六节的问题最容易被跳过,而它们恰好决定项目能否纠错、 能否移交。第二,答案分“有材料、有说法、无回应”三档记录,只有“有材料 ”计入能力项;“有说法”保留为待验证项,不作为淘汰依据,但必须写入合同附件。第三,任何一项出现伪造成本低于造假收益的迹象(例如宣称拥有无法查证的第三方评测、拒绝提供交付物样例),应直接中止评估,不进入价格谈判。

10.3 九十天启动路径: 先修一个短板

第八章的十二周路线是完整治理体系的建设顺序 。如果企业现在只想启动、不想立项一个大工程,可以按下面九十天的最小路径推进 。它的特点是:每一步都有一个可交付物,做完就能向管理层汇报,而不是等到三个月后才知道成败。

表10-3 九十天短板优先启动路线:阶段任务与交付物清单

 

阶段

要做的事

交付物(可验收)

负责人

第1—2周定级

完成10.1自测;选定1条产品线、不超过50项关键事实;确认四个授权边界(谁能认定事实、批准表述、管理外部账号、处置AI错误)

自测得分表+关键事实清单+授权确认单

市场负责人

第3—4周清账

盘点全部在传播页面; 按同源簇归并;标出付费、转载、供稿与关联账号属性; 识别证据缺口与无人维护的旧页面

页面总账(含Cluster ID)+证据缺口清单

内容/运营负责人

第5—6周补证

只处理高风险事实:补原始材料、收窄超出证据范围的表述、更新过期证据;每项修正留版本记录

整改后的事实证据台账+变更记录

事实负责人+法务

第7—10周建闭环

冻结不少于30个问题的固定问题集; 完成首轮基线测试;建立纠错工单与关闭条件; 完成至少1项可控处置并记录AI复测结果

基线原始数据+1份可控处置完成并附AI复测结果的工单

监测分析人

第11—13周复盘

重跑自测对比变化;用10.2清单复核现有服务商 ; 形成下一季度的预算口径建议

前后自测对比+服务商复核结论+预算建议

项目发起人

九十天后,企业手里应该有三样东西: 一份能说清同源关系的页面总账,一份能点开原件的证据台账,一条已经跑通的纠错闭环 。它们不解决模型会不会引用你,但能解决一个更要紧的问题——当预算被质询时,你能拿出一份别人挑不出毛病的交付记录 。这就是把 “发了多少 ”换成“交付了什么”的实际含义。

本书配套的GEO信源治理工具包可以直接承接上述动作。建议的使用顺序是:先用自测表定位短板,再把工具包中对应的那张表单独跑一遍,最后才考虑扩大发布规模。

章节落地指引:GEO 投入是否健康可通过指标复算判断 。立即下载《GEO信源治理配套工具包》进行首次盘点。

第十一章 落地工具包

 

11.1 工具包结构与使用顺序

工具包以 “说明与看板—信源资产—同源识别—独立性判定—事实证据—表述匹配—变更版本—AI纠错—服务验收—成熟度—Sources”组织 。首次使用先维护事实和证据ID, 再登记页面与同源簇,最后接入AI测试与验收。

各表通过Fact ID、Evidence ID、Page ID、Cluster ID和Issue ID关联。不要因页面标题变化而新建ID, 也不要把不同事实共用一个含混编号。

蓝色字体通常表示输入或假设,黑色表示本表公式,绿色表示跨表引用。企业可扩展字段,但应保留公式口径与来源列。

11.2 信源资产与同源识别表

信源资产台账记录Page ID、URL、主体、页面类型、发布日期、可访问状态、首发页面、

Cluster ID、关联Fact ID和上游来源; 独立性复核记录须保留 Evidence ID、版本、判定状态及理由。有效页面计数不等于独立信源数。

同源识别表提供文本相似线索、共同引语、共同图片、共同核心证据、主体关联、编辑增量和最终判定 。最终判定保留“同源副本、独立生产同源证据、独立证据源、待复核”等选项,并要求填写理由。

独立性判定清单把主体、生产、证据和编辑四个维度分开,避免仅凭文本相似度自动去重。

11.3 事实证据与表述匹配表

事实证据台账记录事实文本、类型、风险、证据等级、证据位置、有效期、 负责人和状态。公式可提示证据是否到期或需要复核,但证据等级和事实风险必须由人判断。

表述匹配检查表逐项核对主体、对象或型号、数值单位、时间、地域样本和限定条件。 只有所有关键项通过,才可判定为“匹配”;任何一项不通过,都应进入整改,而不是以多数通过抵消。

对互联网来源,应保存访问路径与访问日期;对实验或调查,应保存方法、样本、条件和版本。

11.4 变更、 纠错与复测表

变更版本记录表保存Change ID、关联对象、 旧值、新值、原因、是否事实性变更、 审核人、受影响页面和完成状态。事实性变更应触发重新审核与影响分析。

AI错误纠正表保存问题、平台、答案、错误事实、 引用URL、正确事实、证据、页面修正、反馈、复测和关闭状态。 闭环状态由完成条件控制,不能仅凭 “ 已联系平台”关闭。

看板将纠错闭环率、证据覆盖率与匹配率分开显示, 防止单一数字掩盖流程断点。

11.5 服务商验收与成熟度自测

服务商验收表按建议权重设置评分锚点,保留证据索引、抽样结果和一票否决项。评分用于内部验收,不用于预测AI引用或排名 。采购方应调整权重并保留版本。

成熟度自测分为初始、可记录、可关联、可闭环、可持续五级, 围绕事实、证据、独立性、追溯、监测与纠错评估。成熟度反映管理制度运行程度,不代表企业产品性能或市场地位。

Sources工作表集中列出外部数据、法规、标准与研究的名称、URL、日期和使用限制。新增外部数据时必须补充来源,不得只保留一个无法追溯的数字。

表11-1 工具包交付索引

 

工作表

核心用途

主要输出

信源资产台账

统一页面与主体记录

Page ID、Cluster ID、有效状态

同源识别/独立判定

去重与独立性复核

同源簇、判定理由

事实证据台账

管理事实与证明材料

覆盖率、有效期、负责人

表述证据检查

逐项核对公开表述

匹配/整改结论

变更版本记录

追踪修改与影响范围

Change ID、 审核与完成状态

AI纠错复测

管理错误答案闭环

Issue ID、 闭环率、逾期项

服务商验收

证据化抽样验收

过程评分、红线、整改

成熟度自测

评估制度运行阶段

成熟度等级与改进清单

本章落地指引:方法论需要落地才能产生价值。可结合GEO信源治理配套工具包 ,替换示例数据,跑通您的第一份台账。

第十二章 未来展望与行动倡议

企业落地可信 GEO 信源治理,可结合自身人力、预算选择两种实施路径。 自助工具包模式适合内部具备内容、合规人员的企业,依托配套《GEO 信源治理配套工具包》完成事实梳理、同源识别、证据核验与纠错台账建设, 自主掌握全部信源资产,但需要投入人力维护台账、开展周期性 AI 复测。专业服务落地模式适合缺少跨职能专职团队、希望快速落地的企业, 由外部团队完成事实拆解、信源梳理、证据链建设、AI 监测复测闭环,交付可导出完整证据包,企业聚焦业务事实确认与合规终审 。无论选择哪条路径,都可使用本书自测表、服务商验收评分卡作为项目基线和验收标尺。

展望行业发展,GEO 信源治理将呈现三大核心趋势:治理导向从  “发布数量导向 ” 转向

“事实证据导向”;工作模式从纯人工操作逐步走向工具辅助的系统化管理; 管控边界从事后纠错,延伸至内容生产的全链路事前治理。配套工具包正是顺应上述趋势,把方法论转化为可直接填报执行的表单模板。

企业开展信源治理可遵循简明实施步骤:划定业务治理范围,梳理关键事实; 借助工具包搭建事实证据基础台账; 完成首轮 AI 基线测试; 针对高风险项开展证据补全与表述修正,建立审核、纠错闭环; 持续定期复盘评估,再逐步扩大治理覆盖范围。

GEO 信源治理并非一次性项目,而是需要持续迭代的长期管理体系。伴随生成式 AI 应用普及与监管要求升级,可信信源治理会逐步从企业的可选项转变为经营刚需 。期待行业共同推动从“流量思维” 迈向  “信任思维”,实现从  “关注发布数量 ” 到  “关注实际交付质量 ” 的

行业转变。

附录A 核心术语

 

A.1 术语速查表

表A-1 核心术语与使用提示

 

术语

本书定义

使用提示

有效信源

在特定事实与适用条件下,来源关系可解释、事实有证据、过程可追溯、错误可修复的信息载体

不是媒体权重标签,不保证AI引用

原子事实

可独立判断真假的单一陈述

包含主体、时间、数值与条件

同源簇

由同一上游信息源派生的一组传播页面

传播页可多个,独立证据计数需谨慎

独立信源

对特定事实提供可核验材料,且材料不依赖已计入上游来源的信源

不同域名不必然独立

证据匹配

证据能够支撑特定公开表述及其全部关键限定

有附件不等于匹配

追溯

能够还原事实、证据、 审核、发布、变更与责任关系

需要稳定ID和日志

纠错闭环

完成定位、修正、必要沟通与复测的处置过程

提交反馈不等于关闭

论断支持率

被引来源实际支持AI论断的比例

不同于引用链接可访问率

 

附录B 证据等级与事实类型

 

本章导读

证据等级是本书建议模型,衡量可核验程度 ,不替代具体法律审查 ,也不构成媒体或机构排名。

 

B.1 证据分级与可用表述

表B-1 证据三级分类

等级

典型材料

可用方式

主要风险

A级:可独立验证

监管登记、可核验证书、正式标准、完整可复现测试

按材料范围和条件准确引用

过期、错型号、超范围

B级:企业自述/第一方

企业公告、 内部统计、 自测、客户数自述

明确自述主体、方法与边界

包装成第三方验证

C级:待核查/不足

匿名截图、无出处转载、无法复现材料

仅作核查线索

不得支撑确定性宣传

 

B.2 高风险事实类型

表B-2 事实类型与核验重点

事实类型

必要字段

优先证据

主体与资质

法定主体、证书号、范围、有效期

监管或发证机构可查询记录

产品参数

型号、单位、测试条件、版本

对应型号原始测试与技术文件

效果与性能

样本、基线、时间、环境、统计方法

完整研究/测试与原始数据

市场与比较

地域、行业分类、期间、 比较对象

科学调查与可验证客观信息

客户案例

授权、主体、期间、 口径、可披露范围

合同/验收/授权与项目记录

价格与优惠

适用对象、期限、限制条件

正式价格条款与版本记录

 

附录C 信源独立性判定规则

 

C.1 判定步骤

先按页面登记上游生产者和 Cluster ID,再逐条关联 Fact ID、Evidence ID、证据版本及上游来源。核对材料是否独立取得、 能否支持该事实,并记录主体关联、采编方式和判定理由 。按 Fact ID 对通过核验的上游来源去重。

当信息不足时标记 “待复核”,不要默认独立 。新增独立评论不必然使核心事实获得独立证据; 反过来,同一公开文件被多方独立分析时,可以将 “文件事实”和“各方评价 ”拆成不同事实管理。

C.2 分类规则

表C-1 同源与独立性分类

 

分类

判定要点

独立证据计数建议

同源副本

全文或实质复制,无新增原始材料

不新增

改写副本

措辞改变但事实、证据和结构同源

不新增

独立主体、同源证据

发布主体独立,核心事实仍依赖同一上游

核心事实不新增;评论另行管理

独立生产、新增证据

独立采访/测试/档案并产生新原始材料

可新增,需验证材料

待复核

主体、证据或采编信息不足

暂不计入

 

附录D 指标定义与计算口径

 

本章导读

所有指标必须保留分子、分母、去重单位和时间窗。比率提升不得脱离样本变化单独解释。

 

D.1 计算公式

表D-1 指标公式与解释边界

指标

公式

解释边界

同源转载占比

同源副本页面数÷抽样页面总数

描述传播结构,不是质量高低

关键事实证据覆盖率

有有效证据关键事实÷全部关键事实

需先验证证据有效

证据匹配率

匹配事实数÷有有效证据且已检查的关键事实数

分母不同于覆盖率

过期证据占比

已过期在用证据÷全部在用证据

需维护有效期/复核日

追溯字段完整率

有效必填字段÷应填必填字段

空字符串不算完成

纠错闭环率

同批到期且已完成可控处置的工单数÷观察窗内到期的工单数

按期完成与逾期完成分别披露; 未到期工单另列

指定信息正确率

正确指定事实实例÷答案中指定事实实例

不等于问题正确率

论断支持率

来源支持论断÷完成核验可核验论断

须披露无法采集情况

 

附录E 样本和测试方法

 

E.1 固定问题集

问题集应覆盖品牌认知、产品参数、 比较选择、使用条件、售后与风险问题 。每类记录问题ID、文本、目标事实、预期答案要点和不可接受错误 。冻结版本后再开始基线测试。

每次测试记录平台入口、模型或版本(如可见)、日期时间、地区、账号状态、答案全文、引用URL和原始截图 。无答案、拒答和无引用也应保留。

E.2 标注与复核

先对预定义的“问题  ×  目标事实”组合标注出现、缺失或不适用,再将实际作答拆成原子论断,标注正确、错误或冲突 。逐条核验引用的可访问性、相关性及对该论断的支持程度。保存判定依据,高风险样本由第二人复核,分歧经复核后记录最终标签。

报告必须披露样本量、采集限制、平台变化、无法访问页面及排除规则。不能因结果不利而事后删除问题或只报告平均值。

E.3 公开研究使用边界

表E-1 本书外部研究样本

 

研究

样本与时间

本书用途

限制

BuzzStream AI引用研究

400万引用、3600提示词; 2026年1月起一周

观察内容类型与同源分发结构

商业研究,非中国全市场

BuzzStream跨平台研究

595提示词

说明跨平台固定测试必要性

平台与问题集有限

Xu等AI Overviews研究

55,393查询;2026-03-13至04-21;v2

触发率、 引用与论断支持性

预印本、采集限制

Allaham等合成信源研究

712英文查询、4产品; 2026-05

提示合成来源治理

预印本、检测器误差

 

附录F 法规与标准使用说明

本附录概述正文使用的法规与标准。具体义务应结合主体角色、业务场景和正式文本判断。完整出处见文末 “参考资料”。

F.1 法规与标准使用摘要

《广告法》与《广告引证内容执法指南》构成引证内容真实、准确、出处、范围、期限和档案审核的重要依据。尤其是互联网访问路径变化、结论修正与AI生成自证内容等规则,应纳入证据和版本流程。

《反不正当竞争法》约束虚假宣传、虚假评价与损害竞争对手的误导性信息。《人工智能生成合成内容标识办法》及GB 45438—2025涉及生成合成内容标识。《生成式人工智能服务管理暂行办法》涉及数据来源、 内容准确可靠性与投诉处置等要求。  [10 – 12]

T/CAACCHINA 001—005—2026为GEO系列团体标准。本书引用其系列框架与公开元数据,不将自研四维模型、评分权重或成熟度等级表述为标准要求。第1部分官方平台页区分2026年9月9日发布、9月10日实施和9月14日公布。  [13 – 15]

附录G 工具包索引与填报检查

 

G.1 填报前检查

• 已明确项目范围、关键事实和负责人。

• 已替换全部合成示例, 未将示例评分用于真实企业。

• 外部数据均填写来源名称、URL、日期和适用限制。

• ID唯一且跨表一致,未因标题或URL变化重用编号。

• 公式单元格未被手工覆盖,分子分母与测试版本一致。

• 高风险事实经人工审核,AI辅助判断未被直接视为事实。

• 核对公开修正、外部处置记录及复测记录,分别填报可控处置与AI复测状态。

G.2 交付前审计清单

表G-1 最小审计清单

 

检查项

通过条件

常见失败

事实—证据

每个高风险事实可定位有效证据

只有文件名,无对应位置

页面—同源

抽样页面有Cluster ID和理由

按域名直接认定独立

版本—变更

事实变更有旧值、新值和审核

覆盖旧记录,无历史

AI—引用

答案、论断、 引用与采集时间齐全

只有精选截图

纠错—复测

Issue ID关联修正与复测

提交工单即关闭

来源—限制

外部数字有出处、日期与限制

跨样本拼接为统一结论

 

编号与引用一致性

标题、目录、 图表编号与参考文献编号一致

编号跳号或与目录不符

绝对化表述

无 “第一、唯一、绝对领先”等绝对化或夸大表述

警示他人的表述出现在自身宣传语中

文档可用性

PDF元数据、文中链接与二维码全部可访问

链接失效或元数据缺失

版本与传播口径

封面版本号、发布日期完整,对外传播口径与终稿一致

多渠道口径不一或版本混乱

 

参考资料

正文、 图表和方法说明中的方括号编号对应以下资料 。外部研究结论及法规、标准的引用范围见各条说明和相关章节。

[1] 新华网:《我国生成式人工智能用户规模突破7亿人》 ,2026-09-29 。数据引自中国互联网络信息中心(CNNIC)政策与国际合作所。

http://www.news.cn/tech/20260929/4e380491b6fd45778bac20f63c84c6ad/c.html

[2] 国家互联网信息办公室:《关于发布生成式人工智能服务已备案信息的公告》 ,2026-07-10。 https://www.cac.gov.cn/2026-07/10/c_1785427810632554.htm

[3] BuzzStream,  “News Publications in AI Citations,” 2026 。样本为400万条AI引用、3600个提示词、 10个行业,采集自2026-01-27起一周; 属特定样本商业研究。

https://www.buzzstream.com/blog/news-publications-ai-citations/

[4] BuzzStream,  “AI Statistics,” 2026 。跨平台重叠数据基于其595个提示词研究样本,不能外推为全部生成式搜索流量。

https://www.buzzstream.com/blog/ai-statistics/

[5] Xu, H., Iqbal, U., & Montgomery, J. M.,  “Measuring Google AI Overviews : Activation,

Source Quality, Claim Fidelity, and Publisher Impact,” arXiv:2605.14021v2, 2026-10-01。预印本。

https://arxiv.org/abs/2605.14021v2

[6] Washington University in St. Louis,  “WashU research finds gaps in Google AI Overview

citations, claims,” 2026-09。

https://source.washu.edu/2026/09/washu-research-finds-gaps-in-google-ai-overview-citati ons-claims/

[7] Allaham, M., & Diakopoulos, N.,  “Synthetic Sources? : Auditing Generative Search Engine Citations for Evidence of AI-Generated Sources,” arXiv:2605.23684, 2026-05-22 。预印本  ; 检测结果受AI文本识别误差影响。

https://arxiv.org/abs/2605.23684

[8] 《中华人民共和国广告法》 , 国家市场监督管理总局全文页面,重点参见第四条、第十一条、第十四条、第二十八条、第三十四条。

https://www.samr.gov.cn/zw/zfxxgk/fdzdgknr/fgs/art/2023/art_5474cf75173c45d6a0379730fb4 e8d97.html

[9] 市场监管总局:《广告引证内容执法指南》 ,市场监管总局公告2026年第20号,2026-06-03; 商务部全球法规网转载,信息来源为市场监管总局。

https://policy.mofcom.gov.cn/claw/clawContent.shtml?id=106104

[10] 《中华人民共和国反不正当竞争法》(2025年修订) ,2025-10-15起施行,重点参见第九条、第十二条、第十三条。

https://www.csrc.gov.cn/beijing/c105536/c7582544/content.shtml

[11] 国家互联网信息办公室等:《人工智能生成合成内容标识办法》 ,2025-09-01起施行; 配套强制性国家标准GB 45438—2025。

https://www.cac.gov.cn/2025-03/14/c_1743654684782215.htm

[12] 国家互联网信息办公室等:《生成式人工智能服务管理暂行办法》 ,2023-08-15起施行。

https://wap.miit.gov.cn/gyhxxhb/jgsj/cyzcyfgs/bmgz/xxtxl/art/2023/art_4248f433b62143d8a 0222a7db8873822.html

[13] 全国团体标准信息平台:T/CAACCHINA 001—2026《生成引擎优化(GEO)第1部分:通论及术语与定义》 。页面列示发布日期2026-09-09、实施日期2026-09-10、公布日期2026-09-14。

https://www.ttbz.org.cn/standardDetail.html?id=0047401fbeff49148ed25291fc75c245

[14] 全国团体标准信息平台:《生成式引擎优化(GEO)可信信息传播与信息生态治理规范》标准详情页。 https://www.ttbz.org.cn/standardDetail.html?id=8617629717344255b65b44426dc77ce8

[15]  中国商务广告协会T/CAACCHINA 001—005—2026系列标准公开信息及标准元数据 。系列包括通论及术语、服务商评估、计价评估与测量、可信语料、服务流程合规与安全五部分; 具体适用以标准正式文本为准。

https://www.ttbz.org.cn/standardDetail.html?id=0047401fbeff49148ed25291fc75c245