GEO 实验方法论：科学测量 AI 引擎的品牌提及率
直接答案
测量不准，优化就是盲打。本文公开 AIHonest 的测量方法论：口径定义、回声污染剔除、采样与统计设计——以及一个真实站点的 0% 基线记录。所有引擎数据均来自实测。
这是 AIHonest 的第一个公开实验：用我们自己的监测工具，追踪并提升 aihotrank.com 在中文 AI 引擎中的可见性。全程公开数据与方法。
基线（2026-09-13）
| 指标 | 数值 |
|---|---|
| 自然提及率（DeepSeek/豆包/Kimi） | 0% / 0% / 0% |
| 认知度（带品牌词提问） | 三引擎均能准确描述定位 |
| 自有域被引用次数 | 0 / 100 条引用 |
结论：品牌已进入模型知识与检索视野（问「类似 aihotrank 的站」能对上定位），但在自然推荐里完全缺席。
第一轮优化动作
llms.txt 品牌自述实质化（2026-09-13 已上线）
原 llms.txt 是目录式（页面列表）。本次增加「品牌事实」段：
- 明确品类锚点：中文世界专注 AI 领域的实时热榜聚合站
- 数据口径：聚合源列表、热度算法说明、更新频率
- 与 Toolify/futurepedia 的差异声明
搜索型引擎（豆包/Kimi）的爬虫抓取 llms.txt 后，即获得引用该站时的标准答案。
后续动作（按见效预期排序）
- 权威媒体提及培育（36氪/量子位投稿）
- 知乎「AI 导航站推荐」类问题答题
- 上榜工具页实体化 + ItemList JSON-LD
追踪方式
每周五用 AIHonest 仪表盘复测三引擎提及率，数据更新在本文。12 周目标：至少 2 引擎自然提及率 > 0 且 SOV 进入品类前 5。
本文记录的是方法论与基线，不做效果承诺——数据会说话。测量你自己的站点，Free 档即可开始。