基线测量（Baseline） Baseline Measurement

基线测量（Baseline Measurement）指在动手优化之前，用固定的提问集、固定的口径、固定的引擎清单，把当前的提及、引用与份额读数系统性记录下来，作为之后所有对比的参照点。它的逻辑一句话说完：没有「改动前」的读数，「提升」就无从谈起——你不能对着一张没拍过的底片讲对比度。GEO 工作闭环里基线排在内容改动之前，顺序不能颠倒，先改再测的团队最后只能对着曲线猜因果。

为什么没有基线就没有提升可言

「我们的 AI 可见度变好了吗」这个问题里藏着两个必须分开的量：变好前是什么、变好后是什么。缺了前者，第二种常见的惨剧就是拿着一张漂亮的现势报表当起点——过了三个月发现数字涨了，却说不清是内容起效、引擎波动还是竞品退出，因为起点本身就是一笔糊涂账。基线的价值不在数字本身，而在它给时间序列装上原点，让后续每一次读数都有「相对谁」的答案。

基线还兼着校准预期的作用。第一次系统测量常常推翻团队的直觉：以为稳固的品类词可能全线缺席，以为没戏的长尾问句可能已有第三方内容替你占位。这些认知修正只有基线能给——它是诊断书，不是成绩单。起点难看是常态，难看的基线恰恰说明测量做对了地方。

基线怎么采：与复测一模一样的动作

基线不是粗略看一眼，它必须与之后的复测完全同构：同一组冻结的提问、同一种分母口径、同一批引擎、同一种统计规则，唯一的变量是时间。基线要覆盖分层提问集上的三层读数——提及、引用与份额——并且分引擎记录，因为引擎之间的引用格局高度分裂，混在一起的平均数没有解释力（这个前提的实证依据见跨引擎引用重合（Cross-Engine Overlap））。指标定义、分母选择与归一化规则在采样之前写进口径文档，事后补规则等于让基线失效一半。

采样密度上要给足耐心。单次回答的随机性远超多数人直觉，把某一天的快照冻成基线，等于把噪声装订成「起点」；稳妥的做法是让基线期本身有一段观察窗，用多日数据确认波动范围之后，再取中心值与波动带一起记录——之后复测读数落在带外才算「变了」，落在带内都是噪声。波动为什么大、带怎么定，机制展开见采样方差（Sampling Variance）。

基线期还要把失败样本原样留档。哪些题在哪天没测到、失败原因是改版还是限流，这些记录在日后归因时是排除干扰的依据——某一周的读数塌了，翻出采集期的事件记录，才能区分「内容问题」与「采集问题」。测量体系的诚信是从基线期养成的习惯，不是出事之后再补的制度。

基线的寿命：三件事会作废它

基线有保质期，而且比多数人预期短。第一杀手是口径变更：换工具、改分母、调品牌名匹配规则，任何一条都等于换尺子，序列必须断代重建；跨工具的 AI SOV 读数互不可比，换工具后的新基线与旧基线之间没有换算公式。第二是提问集变更：增删改写问句就是变更被测对象，冻结纪律与版本记录是基线长寿的前提。第三是引擎侧变更：模型静默升级、界面改版、引用策略调整，都会让同一提问的行为在时间上不平稳，这类「尺子自己变了」的情况见模型版本漂移（Model Version Drift），应对办法是在趋势图上标注引擎变更时间点，必要时重跑基线。

作废不可怕，可怕的是作废了还接着比。我们的纪律是：任何一条序列断代，就在报表里明确标出断点，断点两侧各自起新序列，宁可报表难看，不造一条假的连续曲线。基线的版本记录与提问集的版本记录应当放进同一本账，谁变了、哪天变的、为什么变，三行字就够。实务上建议给基线定一个复核节奏：每季度对照版本记录巡检一遍口径、提问集与引擎清单有没有动过，动了就当场断代——一条被悄悄缝合的曲线，会让之后所有归因建立在不存在的时间轴上。

从基线到归因：对比的同构性

基线的最终用途是归因。复测与基线的每一次对比都要能回答「除了时间，还有什么变了」：动作上线时间、内容改动范围、引擎侧事件，都要标在时间轴上，读数变化只有与动作在时间和主题上都能对上，才谈得上直接归因，对不上的宁可写无法归因。这套纪律的报表落法见监测指标体系实操。反过来说，归因的可信度上限就是基线的质量上限——起点糊，终点再清楚也推不出因果。

基线还有一个容易被忽略的用途：给外部数据定标。工具读数、行业报告、竞品宣称，都可以拿自家基线的同题读数做对照，判断这些外部数字与自家现实差多远。数字可以来自外面，坐标系必须来自自己的基线，这也是我们处理一切第三方口径的一贯做法。

对第一次建监测的团队，务实顺序是：先钉口径，再冻提问集，然后采基线，最后才谈优化动作。基线期间的读数全部原样留档，包括失败与缺失——null 记 null，不许记零，这条纪律从基线期就要执行（口径见秀虎GEO 测量方法论）。基线铺得扎实，后面每一步优化才有对账的资格；AI 声量份额这类核心指标的完整口径，也应当在基线期就锁定，而不是读到一半再回头改。