AI 可见度基线诊断怎么做？一份可执行的 10 步自测清单

凌亿启迪 GEO 研究组更新于 2026-10-10内容标注来源，可核查

直接回答

基线诊断分四块共十步：技术块（①robots 检查 ②CDN 检查 ③日志验证）、内容块（④答案段落检查 ⑤结构化数据验证 ⑥实体一致性检查）、测量块（⑦建立 20-50 个固定问题集 ⑧主流引擎逐一提问记录）、输出块（⑨汇总失分原因归类 ⑩形成基线报告作为后续对比依据）。一次完整自测通常 1-2 天可完成，产出直接决定后续优化优先级。

核心要点

先技术后内容：抓取不通时测内容没有意义
问题集必须来自客户真实问法，且固定下来可复现
每个问题多引擎提问并记录：提及/引用/位次/准确性
失分按抓取层、结构层、权威层归类，对应不同修复动作
基线报告存档，月度复测与它对比才有「效果」可言

一图速览：10 步自测四模块

技术块（第 1-3 步）

①查看 robots.txt 是否拦截检索类 AI 爬虫；②检查 CDN/WAF/安全插件的默认 Bot 策略；③用 curl 逐个模拟主要 AI 爬虫请求核心页面，并 grep 近期访问日志确认真实到访记录。任何一步失败，先修复再继续。

内容块（第 4-6 步）

④抽查 5 个核心页面：开篇是否有 2-4 句的完整答案段、关键事实是否在 HTML 文本中；⑤用 validator 验证结构化数据是否有效且与页面一致；⑥用「品牌 + 城市」「品牌 + 业务」组合提问，检查 AI 是否把你的信息安到同名主体头上。

测量块（第 7-8 步）

⑦整理 20-50 个目标客户会真实向 AI 提出的问题，固定下来；⑧在主流引擎（豆包、DeepSeek、Kimi、文心、百度 AI 搜索等）逐一提问，记录四项结果：品牌是否被提及、是否被引用、与竞品同台时的位次、描述信息是否准确。

输出块（第 9-10 步）

⑨把所有失分按三层归类并标注修复成本；⑩形成基线报告存档。之后每月用同一问题集复测，与基线对比——没有这一步，任何「GEO 有效果」的判断都不可信。

10 步自测清单

步骤	内容	通过标准
1-2	robots 与 CDN 策略检查	检索爬虫两层均放行
3	模拟请求 + 日志验证	curl 200 且日志有记录
4-5	答案段落与结构化数据	有答案段、validator 通过
6	同名实体检查	无张冠李戴
7-8	固定问题集 + 多引擎提问	形成结构化记录
9-10	失分归类 + 基线报告	报告存档可对比

常见追问

自测和找服务商诊断的差别在哪？

自测覆盖的引擎与问题广度有限，服务商的价值在多引擎采样规模、竞品对照与经验库。建议先用 1-2 天自测建立基线与判断力，再决定是否需要外部介入——先有基线，评估任何服务商的效果才不会被骗。

问题集写多少个合适？

20 个是下限，50 个是常用上限。太少趋势不稳，太多执行成本高。优先覆盖：品牌词、品类词（「XX 设备怎么选」）、地域词（「本地有哪些 XX 服务商」）三类。

信息来源

本页数据均来自上述公开信源，如与官方最新文档不一致，以官方为准。