分数不是估出来的，是查出来的
分数怎么来的
系统先抓取企业官网与全网公开信源，得到原始事实；再让 34 项检查项逐条判定； 通过项的权重之和构成维度分；维度分按维度权重加权后得到综合得分。 未通过项则按优先级生成问题清单，并附上取证说明。
由此得到两条硬保证
- 任何一分都能倒推到具体事实——报告中可以逐项展开"这 18 分是怎么来的"
- 分数与报告同源——二者读的是同一份事实，结构上不会出现"总分说官网很好、报告说你没有官网"的自相矛盾
固定基数 100
缺少事实时不标记为"未测得"，而是按最低分计并写明原因。 动态基数会让不同企业的总分无法横向比较，也更容易被误读为得分虚高。
采集失败就不给分
采集完全失败时不返回分数。宁可告诉访客"本次未能完成核查，请稍后重试"， 也不拿零条事实编一个数字出来——那是把系统的问题算到企业头上。
关于分数稳定性，我们把话讲清楚
同一份公开事实重复诊断，结果逐字相同；免费看到的部分与解锁后的完整报告必然一致， 二者本就是同一份评分的两个视图；30 分钟内的重复诊断走缓存，不会重新抓取。
但跨时间重新诊断，分数会变化——因为公开事实本身可能变了：媒体收录增减、 搜索排序变动、官网改版，都会让分数上移或下移。这不是评分不稳定，而是输入变了。 遇到分数变动，我们会逐项指出是哪几项公开信息发生了变化，而不是笼统保证"结果永远不变"。
六个维度与权重分配
企业会得到一张"信息体检表"。六个维度的权重合计 100%，权重高低反映的是该维度对"客户能否准确了解这家企业"的影响程度。
| 维度 | 评估内容 | 权重 |
|---|---|---|
| 官方网站信息完整度 | 是否存在官网、是否可被正常抓取、业务表述是否清晰完整 | 22% |
| AI 大模型收录 | 主流 AI 平台能否准确识别企业主营业务与核心能力 | 20% |
| 权威媒体与第三方覆盖 | 正规媒体报道数量、行业平台收录情况、可验证的公开背书 | 18% |
| 全网信息一致性 | 官网、工商、平台之间的名称、业务、联系方式是否口径统一 | 17% |
| 搜索引擎收录质量 | 企业名与业务关键词的收录结果是否指向有效信息 | 13% |
| 结构化信息完备度 | 企业事实信息是否以机器可读的结构化方式呈现 | 10% |
每个维度内部独立按百分制计分，再按上表权重加权得到综合得分。维度内部的等级划分为： 80 分及以上为良好，60—79 分为一般，60 分以下为不足。分数越低的方向，越是客户流失的隐患。
34 项检查项
以下按维度分组列出全部检查项，每项标注权重与核查内容。表中权重为该检查项在所属维度百分制中的占比，你可以拿自己的官网逐条对照。
维度一 · 官方网站信息完整度（10 项 / 维度权重 22%）
官网是搜索引擎与 AI 最权威的企业信息源，也是这一维度权重最高的原因。
| 编号 | 核查项 | 权重 | 核查内容 |
|---|---|---|---|
| W1 | 官网可正常访问 | 18 | 公网可访问，请求返回正常状态码 |
| W2 | 启用 HTTPS 加密访问 | 8 | 站点具备有效证书，访客不遇到安全提示 |
| W3 | 首页标题包含企业名称 | 10 | 浏览器标签与搜索结果标题能识别出企业 |
| W4 | 存在页面描述 | 10 | 具备 description 摘要，搜索结果中呈现有效介绍 |
| W5 | 首页存在 H1 主标题 | 5 | 页面有明确的主标题层级 |
| W6 | 首页正文有实质内容 | 14 | 有可读的业务说明，而非仅有图片或"建设中" |
| W7 | 公开可核实的联系方式 | 13 | 电话、邮箱或地址可公开查到 |
| W8 | 具备资质 / 案例类可信内容 | 10 | 有资质说明、服务案例或可验证的实力证明 |
| W9 | 移动端适配 | 7 | 手机访问不出现排版错乱 |
| W10 | 图片配有替代文本 | 5 | 图片有 alt 描述，便于机器理解页面内容 |
维度二 · 权威媒体与第三方覆盖（5 项 / 维度权重 18%）
模型判断一家企业是否可信，很大程度上依赖有多少独立信源在说同一件事。
| 编号 | 核查项 | 权重 | 核查内容 |
|---|---|---|---|
| M1 | 搜索引擎能检索到该企业 | 18 | 以企业名检索能返回与该企业相关的结果 |
| M2 | 存在权威媒体 / 百科 / 政府类信源 | 34 | 有正规媒体、百科条目或政府公示类信息 |
| M3 | 存在足够数量的独立信源 | 15 | 独立来源数量达到可交叉验证的水平 |
| M4 | 结果未被招聘 / 工商类平台主导 | 18 | 搜索结果不被招聘、工商查询类页面挤占 |
| M5 | 企业自有内容进入搜索结果 | 15 | 企业自有的内容页出现在检索结果中 |
维度三 · 全网信息一致性（4 项 / 维度权重 17%）
各渠道说法不一是最常见的隐性缺陷，客户往往察觉不到，但模型会因此降低对企业的采信度。
| 编号 | 核查项 | 权重 | 核查内容 |
|---|---|---|---|
| C1 | 企业名称被完整写出 | 30 | 各渠道使用完整工商名称，不出现残缺或异写 |
| C2 | 首条结果指向本企业 | 25 | 检索企业名时首条结果即本企业 |
| C3 | 未出现相似名称的其他企业 | 25 | 检索结果不混入名称相近的其他主体 |
| C4 | 官网提供可核对企业事实的字段 | 20 | 官网列明名称、地址、联系方式等可核对字段 |
维度四 · AI 大模型收录（5 项 / 维度权重 20%）
这一维度衡量的是企业信息被大模型采信的可能性，依据为可核查的公开信源基础，而非主观判断。
| 编号 | 核查项 | 权重 | 核查内容 |
|---|---|---|---|
| A1 | 存在可被模型抓取的官网 | 30 | 官网对 AI 抓取开放，内容可被读取 |
| A2 | 官网含结构化数据 | 18 | 页面带机器可读的结构化标记 |
| A3 | 存在可交叉验证的第三方信源 | 30 | 多个独立来源可印证同一企业事实 |
| A4 | 站点对 AI 爬虫友好 | 14 | 未屏蔽主流 AI 抓取，站点可正常解析 |
| A5 | 搜索引擎侧已有可见度 | 8 | 搜索引擎已有基础收录，为模型提供入口 |
维度五 · 搜索引擎收录质量（4 项 / 维度权重 13%）
| 编号 | 核查项 | 权重 | 核查内容 |
|---|---|---|---|
| S1 | 企业名可搜到结果 | 25 | 以企业全称检索有返回结果 |
| S2 | 官网出现在搜索结果中 | 25 | 官网在结果中可见 |
| S3 | 结果与企业业务相关性 | 25 | 结果内容与企业实际业务相符 |
| S4 | 结果未被无关内容淹没 | 25 | 无关内容未主导搜索结果 |
维度六 · 结构化信息完备度（6 项 / 维度权重 10%）
结构化程度决定机器"读得懂多少"。这一维度的投入往往最小，但对 AI 采信的边际影响明显。
| 编号 | 核查项 | 权重 | 核查内容 |
|---|---|---|---|
| T1 | JSON-LD 结构化数据 | 30 | 页面内嵌符合规范的结构化数据 |
| T2 | Open Graph 社交卡片信息 | 12 | 分享链接时能呈现正确的标题与描述 |
| T3 | 存在 robots.txt | 10 | 站点有抓取规则声明 |
| T4 | 存在 sitemap.xml | 15 | 提供站点地图，便于收录 |
| T5 | 提供面向 AI 的 llms.txt | 15 | 存在面向生成式引擎的信息摘要文件 |
| T6 | 关键事实字段可被机器提取 | 18 | 名称、地址、业务等字段以可提取形式呈现 |
缺陷分级：不是所有问题都值得马上修
| 级别 | 含义 | 典型情形 |
|---|---|---|
| P0 | 高优先级，影响客户信任的硬伤 | 官网不可访问、缺少官方信源、被误认为其他企业、企业名称表述残缺 |
| P1 | 中优先级，明显影响 AI 与搜索理解 | 缺少权威媒体覆盖、结构化数据缺失、联系方式不可核实 |
| P2 | 低优先级，体验与完备性优化 | 图片缺少替代文本、缺少站点地图、社交卡片信息不完整 |
报告不会把所有未通过项都列成问题。系统只把真正影响判断的项目单独成条并给出整改建议， 避免用二十条细枝末节稀释掉关键的那几条。
综合得分对应的五档评级
评级用于让客户理解自己所处的位置，不用于与同行做排名比较。
| 综合得分 | 评级 | 含义 |
|---|---|---|
| 85 分及以上 | GEO 表现优秀 | 企业信息基础扎实，AI 与搜索引擎对企业的认知较为准确。建议转入常态化监测，防止信息衰减。 |
| 70—84 分 | GEO 基础良好，仍有优化空间 | 企业已有可用的信息基础，但在部分关键渠道存在明显短板，补齐后 AI 认知完整度会有较大提升。 |
| 55—69 分 | GEO 基础一般，存在明显短板 | 企业信息可被检索到，但完整度与权威性不足。AI 对企业的描述偏模糊，难以支撑客户的深度了解。 |
| 40—54 分 | GEO 基础薄弱，多项关键信息缺失 | 企业线上信息存在结构性缺口。客户在决策阶段主动检索时，难以获得足以建立信任的信息。 |
| 40 分以下 | GEO 严重缺失 | 企业几乎无法通过互联网被准确了解。AI 与搜索引擎均缺乏可用信源，客户尽调环节存在明显风险。 |