我们怎么做 GEO 诊断：15 关键词漏斗 × 3 平台 × 3 次采样的实测方法论
核心观点：GEO 诊断的本质不是"看看 AI 提没提你"，而是用统计学方法模拟真实用户的决策旅程，测量品牌在每一个决策环节的存在感。这篇把我们的完整方法论公开——包括我们踩过的坑。本文为未来引擎GEO研究院（wlyqgeo.com）原创方法论，转载请注明出处。
一、选词：按决策旅程选，不按搜索量选
传统 SEO 选词看搜索量，GEO 选词看对话旅程。我们把用户在 AI 里的提问路径拆成 5-6 个阶段：认知（这是什么）→ 预算（多少钱）→ 细节（参数/成本）→ 对比（X vs Y）→ 口碑（靠谱吗）→ 决策（怎么办/推荐谁）。每个阶段选 2-3 个用户真实会这么问的词，凑成 15 词矩阵。
其中两类词必须标红：
- 对比词（X vs Y 哪个好）——用户已经进了决赛圈，AI 的回答直接决定订单归属
- 信任词（靠谱吗 / 有什么套路 / 会不会被坑）——金融、医疗、教育等高决策成本行业的生死线
这两类词我们叫「生死线词」，它们的命中率权重高于一切。
二、采样：为什么是每个词 3 平台 × 3 次
AI 回答有随机性，问一次就下结论等于抛硬币。我们的设计：
- 3 个平台：DeepSeek、豆包、千问——国内 C 端AI 搜索的主战场，且三家的信源偏好差异极大（千问偏直接推荐、豆包偏结构化知识、DeepSeek 偏科普解释）
- 每词每平台 3 次独立采样：15 词 × 3 平台 × 3 次 = 135 次真实 API 调用。3 次是成本与置信度的平衡点——能识别"稳定命中（3/3）""不稳定（1-2/3）""稳定盲区（0/3）"三种状态
- 全部强制联网搜索：千问开 forced_search，豆包/DeepSeek 挂 web_search 工具，确保拿到的是带真实引用的答案，不是模型记忆
三、判定：品牌词匹配的水有多深
"回答里有没有提品牌"听起来简单，做起来全是坑，分享两个我们真实踩过的：
- 单字匹配灾难：早期版本把品牌名按字符遍历匹配，"福田"拆成"福""田"两个字——"田"字几乎出现在任何中文文本里，导致提及率严重虚高。发现后全部改为完整品牌词组匹配，并重跑了历史数据
- 歧义品牌词：客户品牌名如果是通用词（比如"乐行"可能出现在"快乐出行"里），必须在报告里标注误判风险，并把命中证据原文贴出来供人工逐条核对——我们的报告里每个"✓"都能点开看原文
原则：宁可少报，不可虚报。给客户看的每一个数字都要能溯源到原始 JSON。
四、信源分析：比提及率更重要的是"AI 在引用谁"
提及率只是结果，信源才是杠杆。每次诊断我们把全部引用 URL 做四层拆解：
- 类型分布：官方信源 / 竞品官网 / 垂直媒体 / 门户资讯 / 问答百科——官方信源占比低于 5% 说明品牌叙事权不在自己手里
- 高频阵地：被引次数最多的域名，就是下一步投放的靶点
- 共性稿型：被引文章是避坑类、对比类、价格类还是政策类——照方抓药，不盲目写稿
- 竞品占位：标题里明确推荐竞品的被引文章单独拉清单，逐篇产出同题对标稿
五、产出：一份能直接执行的报告
诊断报告不写正确的废话，每一节都对应动作：整体提及率（定基线）→ 词组热度不均（定优先级）→ 平台差异（定投放策略）→ 信源格局（定阵地）→ 90 天路线（定节奏）→ 验收指标（定KPI）。报告全部数字由原始采样 JSON 直接计算生成，文末附数据文件清单，客户可以复核任何一个数。
六、这套方法论的边界
- 3 次采样是筛查级精度，不是计量级——重要决策词可以加采到 10 次
- AI 平台算法持续迭代，今天的结论 3 个月后要复测
- 提及率高 ≠ 说你好话，所以配套舆情哨兵做正负面二审（这是另一套系统，改天单独写）