TL;DR / 核心要点总结
- GEO 不是动作清单，而是四层漏斗：抓取 → 采信 → 摘录 → 推荐。 前一层没通过，后一层的投入不会出现。
- 前三层决定「能不能被用」，第四层决定「能不能被选」。 引用是页面级证据，推荐是品牌级判断。
- 建设从下往上，排查从上往下。 排查从症状往下找第一个断点，别一上来改内容。
- 诊断单位是「问题 × 站点」。 同一品牌，事实题可能过了三层，推荐题卡在第四层。
- 预算最容易错配。 多数钱花在摘录层，瓶颈常在采信或推荐层。
一、为什么需要一张统一框架
站内已有四篇方法论文章，但回答的是四个不同问题：GEO 优化怎么做 讲建设顺序；如何让 AI 引用我的网站 讲引用断在哪道关；品牌如何被 AI 搜索推荐 讲推荐名单靠什么进去；品牌 AI 可见度诊断 用 8 个问题量位置。
四篇都对，放在一起却有个副作用：团队各拿一篇当行动纲领。写内容的说段落要改，做技术的说爬虫要放行，做市场的说第三方要铺——都没错，却没人回答「先做哪层、做到什么算通过」。
框架补的就是这个缺口：给四篇共同的对象、顺序与记录方式。本文是方法模型，不是实测结论。
二、框架 1.0：四层漏斗
四层依次发生，判断对象与症状各不相同。
| 层 | 判断对象 | 引擎在判断什么 | 通过标准（可检查） | 失败症状 | 主要责任方 |
|---|---|---|---|---|---|
| 1 抓取 | 页面 | 能不能进入检索池 | 检索型爬虫 200；正文在 HTML 里；无错误跳转与软 404 | 答案里完全没有你 | 技术 / IT |
| 2 采信 | 来源 | 有没有资格当证据 | 实体一致；数字带来源与时间；第三方有印证 | 引用竞品却没引用你 | 品牌 / 内容 |
| 3 摘录 | 段落 | 能不能摘出可直接用的话 | 遮住上下文，段落仍能说清「谁、什么、凭什么」 | 被引用，锚点落在页脚 | 内容 |
| 4 推荐 | 品牌 | 能不能被选进名单 | 品类问题里被想起；能填进对比表；第三方说法一致 | 有证据，名单里没有你 | 市场 / 公关 |
前三层让 AI 愿意用你，第四层让 AI 愿意选你。 引用看「证据能不能用」，推荐看「品牌能不能选」——有些企业被引用充分，名单里却没有它。
与站内三关的对应：抓取≈检得到，采信≈信得过，摘录≈摘得走。第四层「推荐」把判断对象从页面换成品牌，是本框架唯一的增量层。
三、第一层 抓取：先确认 AI 看得到你
抓取层只回答两个问题：爬虫进不进得来，进来之后读不读得懂。
前者是配置问题——robots.txt 声明、CDN/WAF 执行、状态码与跳转；后者是渲染问题——正文是否在 HTML 里、是否纯 JS 渲染、爬虫与用户拿到的内容是否一致。
通过标准：检索型爬虫拿到 200，正文在 HTML 源码里可见，关键内容没有藏在脚本或图片里。训练型与检索型爬虫用途不同，放行策略要分开定，不要一条 Disallow 全禁。
Search Engine Journal 用带探针的浏览器实测 50 个大型网站，可抓取层平均 74.4% 已及格——卡在第一层多半是配置事故，不是能力问题（三层断层数据）。
逐项排查见 AI 抓不到、也读不懂；想先看自己的站点，用 GEO 诊断工具 的爬虫探测跑一遍。
四、第二层 采信：AI 敢不敢拿你当证据
抓到了，不代表 AI 敢用。采信层判断来源资格：你是谁，说法是否一致，别处有没有同样的证据。
实体一致。 官网、第三方档案、社交主页上的品牌名、定位、创始人信息必须是同一个对象。自测方法：把品牌名单独丢给 AI 问「这是谁」，看描述与官网定位是否一致。
口径完整。 可被采信的数字要有来源、时间、统计口径三件套。缺一件，模型要么不用，要么用错——用错更糟，你控制不了它把哪个数字放进答案。
交叉印证。 官网自述在采信阶段不是主力：Shero Commerce 对 1,851 个引用来源的分析显示，只有 2.8% 是品牌自有网站、59% 是第三方媒体（完整拆解）。
结构化数据在这一层的作用常被高估：它让机器读懂页面讲什么，不替你说服模型「凭什么信你」。SEJ 实测里，语义标注层平均只剩 38.5%——这一层才是多数网站的分水岭（数据）。
自夸也不构成采信理由。Lily Ray 的 100 个 B2B 查询实测显示，AI 引用了企业自家的「最佳/对比」文章时，69% 仍推荐竞对，只有 21% 把该企业评第一（细节）。
五、第三层 摘录：段落能不能被整段拿走
采信之后，AI 还要从页面里摘出一句话放进答案。判断单位不是网页，而是段落。
Google 开发者文档把 Gemini grounding 的引用颗粒度描述为「段落对段落」；Anthropic 的 Citations API 同样是逐句引用。问题不是「这一页写得好不好」，而是「这一段单独拿出来还成不成立」。
通过标准三条：主语完整（不靠「这一点」「前者」）、结论前置、结构可搬（定义句、对比表、步骤列表、带口径的数字句）。
这一层最可控：7,387 次引用的实测中，88.3% 落在品牌可控内容上，产品页以 24.1% 成为最大单一来源（页型分布数据）。但实体没对齐，段落再漂亮也不会被采信。
写法见 GEO 时代的内容策略；段落自包含的检验见 如何让 AI 引用我的网站 第三关。
六、第四层 推荐：为什么被引用不等于被选择
到第四层，判断对象换了：AI 问的不再是「这个页面能不能用」，而是「这个品牌能不能选」。引用是页面级证据，推荐是品牌级判断；Shero Commerce 还发现，即便 AI 点名推荐了某品牌，其官网被引用的概率也只有 31%。
推荐层要三件事同时成立：品类归属（该想起谁）、可比事实（拿什么维度和竞品比）、第三方共识（还有谁用同一套说法说你）。顺序是硬的：先有归属才有比较资格，先有比较才有共识的意义。在还没有归属时猛攻第三方提及，得到的是一堆「知道但不推荐」。
这一层的主要动作发生在官网之外：统一对外表述、持续供给第三方、让具体的人出面。官网能做的，是把品类归属句和可比事实写清楚，供第三方复述。
完整方法见 品牌如何被 AI 搜索推荐。
七、使用顺序：建设从下往上，排查从上往下
框架的价值在顺序，不在分层。
| 用法 | 方向 | 起点 | 停止条件 |
|---|---|---|---|
| 建设 | 从下往上：1 → 2 → 3 → 4 | 先修通道、资格、段落，最后做品牌共识 | 每层留下可验收产出再往上 |
| 排查 | 从上往下：4 → 3 → 2 → 1 | 从症状往下找 | 找到第一个不通过的层就停 |
| 复测 | 先版本，后层 | 确认引擎与模型版本 | 版本不同不比较层间变化 |
建设必须从下往上：爬虫进不来，段落改得再好也摘不到；实体不一致，数字再全也不被采信；没有可信证据，名单不会有你。
排查必须从上往下，因为只能从结果看到症状：症状是「没进名单」，先查第三层有没有被引用；没有引用，再查第二层；连抓取日志都没有，才回到第一层。从症状往下找，比从第一层往上猜快得多。
复测要先固定版本：AI Mode 底层模型已进入「三周一换」的节奏，不记版本，你会把换代噪声当成层间变化（观测方法）。
单页排查另有六步顺序，见 排名第一也不被引用；本文给跨问题的层间定位。
八、一条问题一张卡：把断点记下来
框架落地的最小单位是「问题」，不是「站点」。同一品牌，事实题可能已过前三层，推荐题却卡在第四层——按站点打分会把两种问题平均掉。
记录卡八列：
| 问题原文 | 引擎 + 模型版本 | 抓取 | 采信 | 摘录 | 推荐 | 断点层 | 下一步 |
|---|---|---|---|---|---|---|---|
| 推荐几家做 X 的公司（示例） | ChatGPT（版本待填） | 通过 | 通过 | 未测 | 不通过 | 推荐 | 统一品类归属句，补第三方 |
三条纪律：每个问题至少测三次并写明日期；每层只记「通过 / 不通过 / 未测」，不急着打分；断点层只填第一个不通过的层，后面的先不管。
这张卡与 品牌 AI 可见度诊断 的 8 个问题配套：那套卡量「位置」，这张卡记「断在哪一层」。
九、三种起点，三种起手式
| 你的现状 | 最可能的断点层 | 先做的一件事 | 暂时不要做 |
|---|---|---|---|
| 新站，AI 里几乎不出现 | 抓取或采信 | 跑爬虫探测，再做品牌实体测试 | 大规模写内容 |
| 有内容，AI 只引用竞品 | 采信 | 查实体一致性、数字口径与第三方印证 | 重写整站 |
| 有引用，名单里没有你 | 推荐 | 统一品类归属句，检查第三方说法 | 在官网继续加自夸 |
三种起点共同点：先确认断点，再投入。 没有断点判断的优化是在赌，赌输了会得出「GEO 没用」。
常见错配是把「有引用、没推荐」当内容问题改官网：推荐层的主要证据来自第三方，官网改到满分也只影响那 31%。
十、行动清单
今天做
- 选 5 个真实客户问题，按第八节建四层记录卡，每层标「通过 / 不通过 / 未测」
- 把品牌名单独丢给 AI 问「这是谁」，核对描述与官网定位是否一致
本周做
- 拉一周日志，按检索型爬虫 UA 看状态码，确认抓取层
- 抽 10 个页面里的数字，统计有几个带来源与时间
- 抽 5 个高价值页面做「遮住上下文」测试，标出摘不走的段落
本月做
- 按断点层排序，先只修第一个不通过的层
- 把品类归属句与 2–3 条可比事实做成对外统一表述
- 固定问题集按周复测，记录引擎与模型版本，先比版本再比层
结语：先定位层，再谈投入
GEOVA GEO 框架 1.0 只做一件事：把 GEO 从「该做什么」变成「现在断在哪一层」。
四层里最难接受的一条是：内容写到满分，也修不好一个没被采信的实体；官网做到极致，也换不来一个不在第三方共识里的推荐位。
如果今天只做一件事，就做第八节那张卡：选 5 个真实问题，四层各标一次。断点会告诉你下一步该把预算放在哪。
📩 需要帮助？GEO 咨询团队可以为你做什么
按四层框架落地，卡在哪层就从哪层开始：
第一步 · 先自己看 —— 免费工具 30 秒检测 AI 爬虫访问、结构化数据与内容可读性：GEO 诊断工具 →
第二步 · 再找人落地 —— 需要按四层顺序做断点定位，并补齐采信层与推荐层的证据：GEO 优化服务 →
本文为方法说明类内容。GEOVA GEO 框架 1.0 是方法模型，不是实测结论；文中引用的数据均来自站内已发布报道的公开来源，并已在对应位置给出内链。AI 搜索产品的机制与命名变化较快，本文结论截至 2026 年 10 月。