秀虎GEO 测量方法论

本页公开秀虎GEO 的测量口径与全部已知限制，供客户与同行核验。口径说不清的监测数字没有价值——这是本页存在的原因。

我们测什么

在中国五个消费级 AI 平台——豆包、DeepSeek、腾讯元宝、Kimi、通义千问——的网页版，用真实登录会话提交固定问题，采集 AI 生成的完整回答。指标是提及率、引用情况与情感倾向，即品牌提及在答案中的分布。

为什么是这五家：它们是中国用户拿生成式 AI 回答问题的主要入口，而这个「主要」有官方口径的底盘——生成式 AI 用户已达 5.15 亿，其中 80.9% 用它回答问题，规模与用途口径见中国生成式 AI 用户 5.15 亿。用户在哪里被回答，测量就要跟到哪里；平台清单跟随用户行为迁移复核，不在监测窗口内临时增删。提及与引用分开记两本账：提及看正文有没有说到你，引用看参考列表有没有链到你，两类资产错位存在，指标定义见引用率（Citation Rate）。

为什么是浏览器实采，不是 API

业界有两条监测路线：调模型厂商 API，或像我们一样用浏览器打开用户实际使用的网页/App。两条路线测出来的不是同一个东西——API 响应与消费端界面答案存在口径差异（联网检索范围、界面推荐位、会话上下文等因素），这一点在同业工具的文档中也被明确提示。中国五个平台没有开放「带联网检索的对话 API」，API 路线事实上测不到国内用户真实看到的答案，所以我们选了浏览器路线。代价是必须运维登录态、对抗平台风控、适配界面改版——这些成本换来的口径，是「用户真实看到的」。

这条取舍的边界也要说满。API 路线并非没有优点：稳定、可批量、不碰风控，适合做开发调试与粗粒度探针；我们自己也用 API 做辅助验证，但从不把 API 读数写进客户报表——报表里的每一个数字都来自浏览器实采。两轨并行、只用一轨出数，是我们对「口径」二字的执行方式。引擎侧的结构性差异（有的平台 API 与网页端差异小、有的差异大）我们不逐一披露判断，只守住「同一平台、同一采集面、同一时间序列」的底线，避免跨口径比较。

提问设计

三类固定探针，写作后冻结不改（改动即在新版本记录中声明断点）：

1. 品类推荐题：不点名任何品牌（如「分段绝缘器生产厂家」），看谁被 AI 推荐——对应AI SOV口径；
2. 品牌关联题：点名品牌问对比，看 AI 如何描述与定位；
3. 站点评价题：问某站点的行业地位，看 AI 的定性判断与信源。

品类题坚持不带品牌，是因为它测的是「无提示状态下的市场份额」——用户没提你，AI 有多大概率主动推荐你。这一层恰恰是中文场景里竞争最激烈的层：中文 AI 搜索引用中第三方内容约 80.9%、品牌自推约 19.1%，口径见中文 AI 搜索引用中第三方内容占 80.9%——AI 在品类题里推荐谁，很大程度取决于第三方内容怎么说你，而不是你怎么说自己。品牌关联题与站点评价题则分别校准「被点名后的叙事质量」与「行业地位定性」，三类探针各测一层，合起来才是完整的画像。

问句冻结是纪律不是偏好。问句一改，前后数据就断代——「分段绝缘器生产厂家」与「分段绝缘器厂家推荐」在用户眼里是同一个问题，在引擎的检索与生成里却可能是两条链路。想测新问法，正确做法是新增探针、并行跑够观察窗，而不是替换旧探针。

指标口径

• 提及率 = 提及目标品牌的回答数 ÷ 有效回答数；
• 无数据 = null，不等于 0%：当日采集失败（改版、限流、验证码）时该数据点记缺失，绝不把「没测到」冒充「没提及」；
• 情感为关键词规则判别口径（非语义模型，见限制 XG-05）；
• 跨工具数字不可比：各家分母、加权、平台集都不同，只能比自家趋势。

对分母多解释一句：有效回答指当次采集拿到了完整答案文本；引用被截断、页面改版导致采到空壳、触发风控拿到异常响应，都不算有效回答，也不算失败到 null 的边界由采集器按固定规则判定，规则随版本记录披露。null≠0 的纪律在实践中最容易被破坏的场景是汇报——「今天豆包没提你」和「今天豆包没测到」在报表里必须是两种颜色，混用任何一次，这条时间序列的可信度就清零。

采样与波动（一手数据）

每提问每日采 1 个样本。2026-10-01 我们做了一组出口对照实验（香港出口 vs 北京出口，3 平台 × 3 题，共 20 次采集）：同一问题两次回答的文本相似度仅 0.25 左右（同出口重测 0.251，跨出口 0.243）——单次回答的随机性远大于出口地区效应，头部推荐名单在两种出口下稳定，但长尾名单每次都在变。结论：任何单日数字都不构成结论，秀虎GEO 产品以 14 天趋势呈现，描述变化至少要求两次以上一致观察。

这组实验的归因值得展开：两次回答不一致的来源至少有三个——采样随机性（同一提问多次生成天然不同）、出口地区效应（不同地区检索供给可能不同）、时间效应（索引与热度的日常漂移）。实验的设计把三者拆开：同出口重测隔离采样随机性，跨出口对照叠加地区变量，同日完成压缩时间效应。读数 0.251 对 0.243 的含义是地区变量几乎没有贡献，噪声几乎全部来自采样随机性本身。因此我们的波动治理动作是「拉长观察窗」而不是「换出口」——把随机性摊平在 14 天窗口里，而不是徒劳地寻找一个「更稳定的出口」。头部稳定、长尾善变也顺带回答了一个常见问题：能横向比的是头部名单（谁被推荐），长尾名单（排第几）在单次回答里本就不是稳定量，对它做逐日解读是过度读数。

每日 1 次的频率同样是被纪律约束的选择：更高频率能压缩观察窗，但登录态实采的每一次提问都消耗账号的会话画像与风控余额，频率上去、账号生命周期下来，数据的连续性反而受损。单样本加长窗口，是我们对「口径连续性优先于单日精度」的取舍。

已知限制（XG 清单）

• XG-01 单账号视角：每平台一个登录账号，答案含该账号会话画像，不代表所有账号；
• XG-02 单日单样本：每日 1 样本、无置信区间，单日波动可达全文重写级（实测相似度 0.14–0.37）；
• XG-03 出口地区：采集出口位于香港；2026-10-01 双出口对照（20 次采集）未见出口效应超出重测噪声、未见结论翻转，大陆出口通道已验证可配置；
• XG-04 重试覆盖：瞬态失败自动重试 1 次，重试成功后保留的是重试结果，首试失败率被低估；
• XG-05 情感规则判别：情感为关键词规则判定，非 LLM 语义判定，反讽与隐性负面可能漏判；
• XG-06 引用未全量结构化：部分平台的引用角标保留在正文中，未全部抽取为结构化引用列表；
• XG-07 依赖平台界面：平台改版可致当日采集失败（dom_changed），恢复需更新适配器；
• XG-08 账号风控：账号可能被限流或触发验证码，当日数据缺失如实记 null；
• XG-09 仅网页版：测量的是网页版答案，与 App 端可能存在差异；
• XG-10 无显著性检验：不做统计检验，变化描述以「两次以上一致」为最低标准。

这份清单的用法是对外承诺的下限：任何引用秀虎GEO 数据的场合，都默认附带以上全部限制。其中 XG-02 与 XG-09 是最常被问到的两条，我们的回答也很直白——单日单样本意味着单日数字只能当「当日快照」用；仅网页版意味着与 App 端读数的差异未量化，跨端结论不在本方法论的承诺范围内。

版本记录

如何引用本页

引用本页或秀虎GEO 数据时请注明：「据秀虎GEO（服务商单源），YYYY-MM-DD 采集，口径见测量方法论页」，并附本页 URL。禁止将秀虎GEO 数字与其他工具数字并排比较。