观察
建立可重复的问题集，确认品牌何时出现、缺席或被误解。
认真观察，明确行动，如实验证。
GEO 需要持续工作。AIARF 用可重复的研究流程，将回答中的表现与品牌的公开证据联系起来。
外部服务商无法保证品牌一定进入 AI 答案、获得排名或被引用。AIARF 记录可观察的变化，并改善品牌的公开信息基础。
解释
追溯可能影响已观察回答的来源、主体关系与内容模式。
行动
对自有页面、结构化事实和第三方证据中的具体改进排出优先级。
验证
持续重复同一组问题并记录变化，不承诺确定的排名。
能够重复的基线，才有比较价值。
固定以下条件，让观察更有用，同时保留 AI 回答本身的不确定性。
固定问题
保留明确的问题版本，按客户决策阶段与品类意图分类。
记录时间
每次采集都保留时间，因为回答系统、索引和界面会变化。
区分平台
各平台单独报告，避免混合不同检索机制的结果。
保留证据
区分直接观察与推断，并保留完整来源记录。
同一组事实，以智能体能够解析的格式呈现。
面向读者的页面与机器可读文件使用同一套说法，不另设隐藏内容，也不只向爬虫展示信息。
- 语义清晰的服务端 HTML
- Schema.org 结构化数据
- llms.txt 与 Markdown 摘要
- Robots 与 XML 站点地图
- 规范地址与页面元数据
- 可持续修订的公开研究记录
把这套方法用于你的品牌。
申请基线诊断统一监测口径
分别记录平台、问题版本、有效回答与失败请求。受控样本不是全部用户曝光，同期增长不等于因果证明。
- 提及率
- 正文包含品牌的有效回答数 ÷ 有效回答总数。仅在引用标题中出现的品牌另行记录。
- 推荐率
- 明确将品牌作为可选方案的有效回答数 ÷ 有效回答总数。中性提及不自动等于推荐。
- 位置
- 只在回答存在明确顺序时记录位置，不为无序的自然语言回答制造排名。
- 引用率
- 包含官网可点击来源的有效回答数 ÷ 有效回答总数，并保留具体 URL。
- 稳定度
- 观察同一问题重复运行时的一致程度，区分偶然出现与持续表现。