阅读指引：三类角色，三条路径

本白皮书不是”读一遍就完”的资料，而是一本可随时回溯的操作手册。不同角色请按下表选择路径，避免时间浪费。

角色	建议用时	核心阅读路径	核心产出
企业决策者	10 分钟	第一、三、四、十章 + 附录 A 四问自检	明确是否投入、投多少、谁牵头、当前 L 几级
市场/品牌操盘手	60 分钟	全文通读，重点精读第二、五、六、七章	拿到一份可执行的 90 天落地排期
星火之光AI 团队 / 渠道伙伴	90 分钟	全文通读 + 第九章交付标准	具备独立诊断、方案设计、验收复盘能力

一、时代变局：为什么 GEO 是必答题

结论先行：流量时代的营销经验，不加审视地带入 AI 时代，会从资产变成负债。 不是流量没有价值，而是流量不再是入场券。

1.1 三个不可逆的结构性变化

变化一：用户入口从”搜索框”迁移到”对话框”。

传统搜索行为是检索式的——输入关键词、拿到链接列表、自己点击、自己判断。AI 搜索行为是对话式的——提出问题、AI 理解意图、AI 整合信息、AI 直接给答案、用户追问。前者单向被动，后者双向主动。

变化二：从”展示链接”到”生成答案”。

传统引擎把原始素材交给人消化；生成式引擎替用户完成阅读理解。有网页 ≠ 被 AI 引用。 如果你的信息没有被模型采信，即便官网索引正常、新闻稿全网可搜，也不会出现在最终答案里。

变化三：评价标尺从流量指标转向可信指标。

点击率、播放量、粉丝数，不能说服 AI 采信你的观点；信息前后矛盾、缺少权威来源佐证，即便铺遍全网依然会被过滤。营销话术、感性宣传、夸张口号，对大模型几乎不产生正向增益。

1.2 支撑判断的关键数据

维度	关键数据	对本白皮书的启示
用户规模	中国生成式 AI 用户规模达 5.15 亿，普及率约 36%	每 3 个中国网民中就有 1 个在用 AI 助手
消费决策	62% 消费者通过 AI 获取产品信息、比价、看评价；58% 购买前会向 AI 提问	AI 已成为消费决策链路的关键节点
B2B 采购	78% 企业采购通过 AI 做信息收集与供应商筛选；70% 在发出 RFI 前已用 AI 筛过供应商	ToB 企业缺席 AI 名单 = 销售线索趋零
市场规模	2026 年中国 GEO 市场规模约 111 亿元，年增长约 38%，为全球均速 2 倍以上	2026–2027 是最佳布局窗口期
企业渗透	大型企业 65% 已部署核心 GEO 应用；中型企业 40% 已布局、35% 计划 6 个月内启动	中型企业布局意愿最强，未来 1–2 年是爆发期

1.3 AI 失语症：看不见的业务损失

定义（认知锚点）

AI 失语症指品牌信息在生成式引擎的「答案生成环节」不被采信、不被引用、不被推荐的状态。边界说明：AI 失语不等同于”完全检索不到网页”——企业官网、新闻稿可能全网可搜、索引正常，但 AI 在组装答案时仍不采信该品牌信息。

AI 失语带来三类典型现实伤害：

伤害类型	发生机制	典型场景	严重度
选型出局	用户问”国内做 XX 领域有哪些靠谱企业”，AI 输出竞品名单跳过你	工业软件 / 专业服务 / ToB 制造，获客漏斗在最上游断裂	极高（ToB）
叙事失控	企业未输出标准化事实原子，AI 抓取论坛、自媒体、旧新闻拼凑答案	参数错误、业务范围误读、过时信息被反复复述	高
投入衰减	持续投放但无法转化为 AI 引用权重，出现”有曝光、无 AI 存在感”	预算花出去，在新一代用户入口没有回声	中高

核心判据

当用户向 AI 提问选型、对比、咨询时，AI 不提本企业，甚至引用过时、错误、第三方非权威的碎片化信息——这就是 AI 失语，而不是”还没做营销”。

1.4 范式转移：企业需要两套并行体系

范式转移不等于全盘否定流量营销。短视频、公关、社交媒体依然承担品牌情感沟通、用户运营、转化承接的职能，只是它们不再构成 AI 入口的底层地基。

体系	面向对象	核心动作	关键资产	企业现状
传播体系	人	做曝光、做共情、做转化	海报、短视频、公关通稿、社媒内容	多数企业已有成熟积累
知识体系	生成式引擎	供给事实原子、证据链条、结构化元数据	事实原子库、证据金字塔、人格宪法、意图词库	绝大多数企业缺失

1.5 本章自检：通用四问

用以下四问对照自身企业，每答”是”得 1 分：

维度	自检问题	不及格信号
战略	我们的营销 KPI 是否仍以”曝光量、粉丝数、播放量”为主？	目标仍停留在”被检索”，未升级为”让 AI 放心推荐”
数据	我们的核心产品信息是否完成了事实原子化拆解？	输出内容仍是主观营销观点，而非可验证事实原子
信任	当我们不在场时，AI 向用户描述我们品牌的依据是什么？	答案是”不知道”，需立即搭建证据链
进度	我们的品牌目前处于 L1–L5 的哪个阶段？	仍在 L1–L2 基础信息填充阶段，需推动向 L3–L4 跃迁

打分标准

0–1 分 = L1–L2（知识体系尚未建立）；2–3 分 = L3–L4（部分可信资产已就位）；4 分 = L5（知识资产体系完整，AI 优先推荐）。

二、GEO 是什么：定义、机制与边界

2.1 标准定义与四个关键词

依据《生成式引擎优化可信技术与服务规范》T/ZDMIA 002—2026 第 3.2 条：

这一定义包含四个关键词：系统性（全链路治理而非单点优化）、治理（不是操纵模型输出，而是让品牌信息本身达到可放心引用的标准）、可识别/可引用/可验证（三大核心能力目标，缺一不可）、正向呈现（多平台问答中稳定、准确、一致的正向表达）。

2.2 GEO 与 SEO：八维对比

拿着 SEO 的地图，走不通 GEO 的路。二者不是”升级关系”，而是两套底层逻辑。

维度	SEO	GEO
优化对象	网页、链接、关键词	内容、知识、结构、标识、元数据、技术承载、服务交付
核心目标	提升搜索结果页排名位置	成为 AI 构建答案的可信知识来源，支持智能体工具调用
评价指标	点击率、排名位次、收录量	可识别性、可引用性、可验证性、正向呈现
内容逻辑	关键词密度、外链权重	事实原子化、来源权威性、语义一致性
更新机制	快照抓取，周期性更新	持续心跳信号，动态相关性概率
排名属性	相对固定（首页/前三）	无固定排名，语境化动态生成
风险重心	被降权、被 K 站	被过滤、被标记不可信、AI 失语
底层哲学	让更多人看到你	让 AI 放心引用你、让智能体准确调用你

三种典型错误（SEO 团队直接转型 GEO 为何投入半年收效甚微）：

1. 仍在堆关键词密度——AI 做的是语义理解和事实核验，一段自然、准确、带来源的描述，胜过十次关键词重复。
2. 仍在买外链刷权重——生成式引擎评估的是来源权威性而非链接数量；一篇行业协会官网的技术白皮书，胜过一百条论坛回帖。
3. 仍在追”首页排名”——GEO 没有”首页”概念，同一品牌在不同提问语境下被引用情况完全不同。

2.3 底层机制：RAG 三阶段与对 GEO 的启示

检索增强生成（RAG）是当前 AI 搜索引擎的技术范式，包含三个阶段：

阶段	机制	对 GEO 的启示
检索阶段	将用户问题转为高维向量，在向量库中做语义相似度匹配	从”关键词覆盖”转向”语义空间布局”；优化内容结构，提升被检索概率
增强阶段	识别实体关系、验证时效性、评估信源权威度	确保内容语义清晰、意图匹配度高，让 AI 愿意采纳
生成阶段	基于增强后的信息构建答案	提供权威信源与可追溯证据链，降低生成错误率

三大关键技术要素：

• 向量数据库：语义理解的底层基础。一篇关于”工业机器人精度控制”的文章，即使不含”自动化设备定位准确性”等近义词，也可能因语义相近被检索到。
• 重排序算法：初步检索后对候选内容二次排序，综合内容质量、信源权威、时效性。逻辑因平台而异——DeepSeek 更重技术文档结构化程度，豆包更重与字节系生态的关联度，文心一言优先引用百度知识图谱中的权威信息。
• 上下文窗口：AI 能同时”阅读”的信息量有限。在有限窗口内争取品牌信息优先呈现，取决于内容密度、逻辑链条完整性与关联强度。

2.4 信任协议：AI 不是审核员，是校验器

这是理解 GEO 合规边界最重要的认知切换。

角色	运作逻辑	后果
审核员（传统平台）	人看一遍，判断能不能发；有主观判断、灰色地带、可申诉	可以删帖、改文案、发声明挽回
校验器（生成式引擎）	按预设规则自动校验，不通过就丢弃，不解释、不申诉、不商量	一旦被标记”不可信信源”，知识图谱权重系统性下调

生成式引擎对品牌信息的校验遵循四层递进结构，任何一层不通过，信息无法进入推荐链路：

校验层级	校验内容	不通过的后果	对应 IMPT 维度
第一层：格式校验	数据是否结构化、字段是否完整、Schema 标注是否正确	AI 无法解析，信息直接丢弃，等同于不存在	I 可索引
第二层：来源校验	发布主体是否可识别、来源是否权威、链路是否可追溯	进入”低权重池”，可被检索但几乎不被推荐	I → M
第三层：事实校验	核心数据是否与权威来源一致、是否存在矛盾表述	被标记”存疑”，AI 回答时主动规避引用	M → T
第四层：合规校验	是否触犯十五项禁止行为、是否符合行业特殊要求	触发熔断，品牌被移出推荐池，需走整改流程	T 可信赖兜底

核心结论

流量时代”合规”是道德底线——不犯法就行；AI 时代”合规”是准入门槛——不满足标准，连参赛资格都没有。这不是价值观判断，是技术架构决定的。

2.5 白帽与黑帽

依据 T/ZDMIA 002—2026 第 3.11 / 3.12 条：

• 白帽：以真实、合规、可验证和可持续为前提，通过改善内容质量、结构化程度、知识透明度和技术适配能力来提升 AI 可见性的规范化实践。
• 黑帽：通过隐藏指令、虚假引用、伪造来源、异常堆砌、批量操控、篡改标识等方式误导生成式引擎输出或扰乱信息生态的违规行为。

标准第 6 章明确：符合白帽要求的优化实践应建立在真实来源、合法授权、结构优化、知识透明、标识完整、风险可控和可持续维护基础上，不得以隐藏指令、伪造来源、异常堆砌或其他误导方式换取短期可见性。

三、双标准基线：度量底座与合规底座

星火之光AI 的 GEO 方法论建立在两套标准之上——一套解决”怎么量”，一套解决”什么能做”。二者不可互相替代。

3.1 双标准定位

标准	全称	定位	星火之光AI 的使用方式
T/CGCC 119-2026	《商贸流通业生成式引擎优化（GEO）智能营销技术服务规范》	度量与验收底座（2026-07-01 实施）	定义 AIV/FRR/T3R/CR 四维指标口径、优秀线、验收与退费规则
T/ZDMIA 002—2026	《生成式引擎优化可信技术与服务规范》	可信与合规底座（2026-07-15 实施）	定义十五项禁止行为、三级违规管控、六步服务流程、评价边界

3.2 四维指标口径与优秀线

星火之光AI 全部实测与交付，统一采用以下四维口径计算，不作口语化替代：

指标	英文全称	计算口径	A 级优秀线	说明
AIV	AI Visibility 可见度	品牌在有效回答中被提及次数 ÷ 实测总问句数	≥ 70%	必须用语义通用问句测，不含回显
FRR	First Recommendation Rate 首推率	品牌位列推荐第一位次数 ÷ 被提及次数	≥ 40%	真实短板往往集中于此
T3R	Top-3 Rate 前三率	品牌进入前三推荐次数 ÷ 被提及次数	≥ 70%	前三即进入主答案区
CR	Citation Rate 引用率	品牌自有来源被引用次数 ÷ 有效回答数	≥ 2 次/答	最能反映知识资产质量

判定规则

AIV < 30% 视为”AI 隐形”，即未做 GEO 或 GEO 不合格；AIV ≥ 70% 且 FRR ≥ 40%、T3R ≥ 70%、CR ≥ 2 次/答，达到 A 级优秀线。

3.3 回显陷阱：星火之光AI 的核心测量纪律

这是行业普遍踩坑、也是星火之光AI 方法论的关键差异点。

什么是回显

当实测问句本身包含品牌名（如”XX 品牌怎么样”），模型会顺势复现该品牌名，导致 AIV、T3R 虚高，形成假性合格。企业看到”AI 提及率 93%”便以为 GEO 已达标，实则只是问句把答案写在了题目里。

三条测量纪律：

1. AIV 必须用语义通用问句测——问句不嵌品牌名，模拟真实用户的高意图提问。回显命中不计入主动可见。
2. 问句池结构固定为 品类 : 对比 : 选型 : 区域 ≈ 4 : 3 : 2 : 1，且锁定后计算哈希值；复测沿用同一问句集，保证跨周期数据可比。
3. 重跑铁律——更换问句集重新实测前，必须清空历史结果文件，否则旧题与新题按”平台#题号”碰撞被误判为跳过，污染基线数据。

3.4 十五项禁止行为与三级违规管控

依据 T/ZDMIA 002—2026 第 8.2 条（a—o 项）与第 10.2 / 10.3 条，违规行为分三级，处置逐级加码。

违规级别	典型行为	处置措施	对 AI 可见度的阶段性影响参考
一般违规	内容边界/时效标注不规范；元数据、溯源字段不完整；日志疏漏但无故意隐瞒；宣传表述轻微不严谨	下发整改通知书，3 个工作日内完成整改；内部专项学习；记入自查台账	推荐率下降 20%–50%，L3 回退
较重违规	未执行真实性前置校验；实体口径跨平台不一致且经提醒未改；滥用自动化工具生成低质内容未人工复核；刻意简化诊断/审查流程	限期整改并提交书面报告；行业联盟内部通报；暂停评优/案例展示资格 6 个月；全员标准培训	推荐率趋近于 0，L4 断崖式下跌
严重违规	伪造论文/法规/标准/案例/证书/媒体报道/专家身份；删除篡改伪造 AI 标识与溯源记录；为虚假宣传/违法信息提供 GEO 服务；泄露客户数据或非法挪用知识资产；利用智能体漏洞恶意扰乱信息生态	立即停止服务并全面下线违规内容；行业公开通报批评；纳入失信名单；涉嫌违法移送监管部门；永久禁止参与标准相关活动	全网封禁，知识图谱权重清零，恢复周期 6–12 个月

分级判定依据不是”品牌自身受损程度”，而是”影响范围、紧迫程度、可纠正性”三个客观维度。

3.5 评价边界与禁止绝对化承诺

这两条是星火之光AI 对外沟通的刚性纪律，直接决定合规风险高低。

评价边界（对应标准第 9.5 条）：

• 评价结果应界定为特定时间范围、特定样本范围、特定平台范围内的阶段性观察结果，不得作为对未来表现的永久性保证。
• 对外使用评价结论时，应附带评价时间、平台范围、样本范围、统计口径、边界说明和不确定因素。
• 缺少边界说明的数据，不得直接用于对外能力背书。

禁止绝对化承诺（对应标准第 7.7 条）：

• 不得使用”保证上答案””保证主位引用””保证长期霸榜””保证模型推荐”等绝对化表述；
• 受平台、问题、竞争和客户协同程度影响的结果，应以区间化、条件化、阶段化方式表述；
• 不得以结果截图、单次问答命中、无法复核样本或不完整对比图作为唯一交付依据。

3.6 重点行业特殊要求

行业	特殊要求要点
医疗健康	不得优化未经临床验证的医疗建议；必须标注”仅供参考，不能替代专业医生诊断”；禁止优化药品疗效、器械功能夸大内容
金融投资	不得优化含投资建议、收益承诺的内容；金融产品信息必须标注风险提示；禁止优化虚假金融产品或非法集资内容
工业制造	确保技术参数、工艺流程内容准确；涉及安全生产的内容须经专业部门审核
教育	学历、资质、课程认证信息必须来自教育行政部门或授权机构；禁止 AI 生成虚假学历认证或夸大就业率
政务	政策解读、数据发布必须以政府官网原文为唯一基准；禁止二次加工改变原意
跨境 GEO	遵守目标国家/地区法律法规与文化习俗；建立多语言内容审核机制；避免文化冲突或政治敏感内容
民族宗教、公共议题、广告敏感场景	以权威公开来源为依据；严格标注适用范围、时间边界与引用出处；不得片面解读、情绪化引导、标签化表达

核心原则

在强监管行业，合规不是 GEO 的”加分项”，是”生死线”。T 阶不过审，后面一切归零。

四、GEO 运营体系总纲：道 · 法 · 术 · 器

本章是全书的坐标系。后续全部操作，都是这四层的展开。

4.1 四层框架

层	名称	核心内容	对应章节
道	认知底座	时代变局、AI 失语症、流量思维→可信资产、”机器可读，人心可信”	第一、二章
法	体系框架	IMPT 四阶刚性进化 + 证据金字塔 + L1–L5 成熟度 + 双标准基线	第三、四章
术	实战打法	落地五步法、AI 内容工厂、行业作战地图、熔断处置	第五、六、八章
器	工具与交付	实测工具链、报告体系、组织与岗位、服务产品与验收标准	第七、九、十章及附录

4.2 法之一：IMPT 四阶刚性进化体系

IMPT 是生成式引擎识别、匹配、采信、推荐品牌的底层运行逻辑。四阶严格遵循前置达标、后置生效原则——不可跳跃、不可逆转。

阶	维度	核心问题	一句话定义	解决什么
I	Indexable 可索引	AI 认识你吗？	让 AI 在知识层面准确识别你是谁	看得见
M	Matchable 可匹配	AI 选中你吗？	当用户有需求时，你是 AI 的优选答案	对得上
P	Personality 有人格	AI 像你吗？	所有 AI 触点的输出保持一致的品牌人格	记得住
T	Trustworthy 可信赖	AI 敢推你吗？	有可验证的证据，AI 推荐你不怕犯错	信得过

前置条件

未完成 I，无法进入 M；未完成 M，无法生成 P；未建立稳定 P，无法形成 T 的可信推荐权重。

I 阶 · 可索引——四大基础建设：

1. 主体标识唯一化：品牌名称、主体公司、统一社会信用代码、LOGO、主营范围无歧义、无混淆、无别名混乱；
2. 核心数据原子化：资质、产品参数、服务内容、成立信息、团队信息拆解为可核验事实原子；
3. 页面结构标准化：元数据、标题体系、栏目结构适配生成式引擎语义抓取规则；
4. 数据状态动态有效：通过协议心跳包持续更新，规避 AI 判定主体离线、信息过期。

M 阶 · 可匹配——两层标签体系：

• 人口学标签（静态）：企业规模、地域、成立年限、客户群体、行业属性；
• 意图标签（动态）：咨询、选型、对比、求助、采购、学习等场景下的核心需求标签。

落地四动作：梳理行业全场景提问体系并沉淀标准意图词库 → 将产品/服务/案例/优势与意图标签一一绑定 → 结构化输出场景化答案模板 → 清理错位、无关信息，提升整体信噪比。

P 阶 · 有人格——品牌人格宪法五模块：

模块	内容
语气词典	规定不同场景下的语气定位（专业但不晦涩、温和有同理心、坦诚不回避、自信但不贬低）
宣传红线	绝不承诺未证实功效、绝不贬低竞品、绝不制造焦虑、绝不虚构用户案例
价值主张	品牌核心定位的固定表达，所有 AI 触点统一输出
话术模板库	为高频用户问题预置标准答案模板，AI 可微调但不可脱离语义边界
禁忌表述清单	明确禁止使用的词汇、句式、夸大表述、违规承诺

T 阶 · 可信赖——五条达标标准

T1 权威事实完整齐全（无资质缺失、无信用瑕疵、无信息过期）；T2 第三方佐证多维覆盖（摆脱自说自话）；T3 案例体系结构化（可匹配各类选型场景）；T4 自有内容干净合规（无夸大、无矛盾、无违规）；四层证据相互印证、逻辑统一、时间线连续，形成闭环。

4.3 法之二：证据金字塔（信任权重）

依据 T/ZDMIA 002—2026 可信溯源规范，AI 采信权重严格遵循四级梯度，自下而上无法越级替代。

层级	名称	权重	具体形式
T1	权威事实	最高	官方资质、国标认证、权威公示、主体备案信息、司法信用记录
T2	第三方佐证	中级	权威媒体报道、行业协会背书、第三方检测报告、平台官方认证
T3	深度案例	场景权重	落地案例、客户证言、项目成果、行业解决方案
T4	自有内容	基础权重	品牌自有科普、解读、动态、宣传内容

核心策略

T1 与 T2 的投入占比必须足够高，不能只有 T4 的自说自话。单纯的内容铺量不解决信任问题，反而可能制造语义噪音。

4.4 法之三：L1–L5 成熟度（结果标尺）

等级	状态定义	核心特征	IMPT 对应
L1	隐形	实体混乱、信息孤岛，AI 无法解析品牌	未达标 I 阶
L2	可识别	基础结构化，可被索引，但推荐优先级低	基础完成 I 阶
L3	可匹配	意图覆盖，信噪比达标，可被纳入推荐候选	完整达标 M 阶
L4	可信赖	证据闭环，合规满分，AI 主动纳入推荐	完成 P 固化 + T 背书
L5	优选	情感共振，生态壁垒，AI 主动优先调用	四阶全达标 + 情感与生态指标达标

L4/L5 细化表现

T1/T2/T3 证据链 100% 闭环；≥12 个月无信任熔断记录；具备完善危机响应机制；实施行业标准；被竞品 AI 推荐时作为对比基准；具备跨平台情感一致性。

自测方法

绘制 I/M/P/T 四维雷达图，各维映射到 0–100 区间：

• I 轴：实体唯一性、结构化覆盖率、动态有效性
• M 轴：意图覆盖率、信噪比、场景匹配准确率
• P 轴：人格一致性、红线零触碰、话术合规率
• T 轴：T1–T4 证据覆盖率、证据链闭环率、信息过期率

4.5 三位一体：路径 × 标尺 × 权重

IMPT 是过程路径，L1–L5 是结果标尺，证据金字塔是信任权重支撑。路径、标尺、权重三位一体，让所有优化动作可落地、可量化、可校验、可复盘。

闭环链路：

AI 识别 → AI 匹配 → AI 推荐 → 用户信任 → 用户选择 → 交易转化 → 数据反哺 → AI 信任度提升 → AI 识别（新一轮迭代）

每一步都在为下一步积累信任资产：AI 识别你，因为你做了 I 阶；AI 匹配你，因为你做了 M 阶；AI 推荐你，因为你做了 T 阶；用户信任你，因为推荐带有权威背书；交易产生的新数据又反哺 AI 对你的认知——形成正向飞轮。

4.6 组织基因三分类：资源投入顺序可变，达标刚性不可变

重要区分

IMPT 四阶描述的是品牌可信资产建设的终态能力依赖——评估 L1–L5 时，I/M/P/T 四维必须全部达标方能晋级。组织基因差异只在于资源投入的先后顺序，先发力的维度是企业的”破局点”，而非”豁免项”。

组织基因	推进顺序	核心逻辑	适配类型
传统转型型	I → T → P → M	先统一实体止血，再搭建合规壁垒，最后打造人设、拓场景意图	传统制造、老牌快消、线下零售、本地门店、传统商超电商、传统文化 IP
AI 原生型	P → M → I → T	人格与场景是核心差异化，后期补齐实体与资质基建	新锐 DTC 品牌、AI SaaS、线上工具、AI 虚拟人 IP、AI 原生电商
强监管型	T → P → I → M（刚性）	持牌行业合规是唯一入场底线，AI 化程度不改变优先级	医疗健康、生物医药、金融、保险、教育、政务
跨境出海	原路径 + 跨境专项叠加	境内标准为可信底座，叠加海外本地化增量	所有行业出海企业通用

三步自检判定法

（不依赖行业标签主观归类）：

1. 交互入口：品牌核心获客、用户沟通渠道是否以生成式 AI、智能体、AI 对话工具为主？
2. 内容生产：品牌核心宣传、产品讲解、用户解答内容是否由 AI 批量生成、持续迭代？
3. 资产起点：品牌核心差异化资产是否自创立起就依托 AI 数字资产搭建，而非线下渠道/传统媒介沉淀？

至少两个”是” → AI 原生型路径；少于两个”是” → 传统转型型路径；边界模糊无法判定时，统一从 I 阶起步（I 阶为全行业通用底层基建，不会出现路径偏差）。

五、落地五步法：从诊断到迭代的完整施工图

本章是全书最”硬核”的操作章节。五步法对应 T/ZDMIA 002—2026 第 7 条的服务规范流程，同时内嵌星火之光AI 自有实测体系。

步骤一 · AI 可见性诊断（第 1–2 周）

目标

扫描品牌在主流大模型中的当前引用状态，定位 AI 失语程度与真实短板。

五平台实测矩阵

（星火之光AI 标准配置，顺序固定）：

平台	平台特质	核心信源	优化动作侧重	适用行业
腾讯元宝	社交闭环型	公众号、视频号、小程序	微信内容矩阵、小程序数据集成	社交电商、本地服务、教育培训
豆包	流量生态型	抖音、头条、西瓜视频	短视频关键词、达人测评、热点追踪	快消、美妆、生活方式
DeepSeek	技术逻辑型	GitHub、技术博客、学术论文	结构化文档、API 指南、证据链建设	硬科技、IT、制造业
阿里千问	电商交易型	淘宝/天猫、1688、行业白皮书	商品参数优化、电商评价、专业报告	B2B、跨境贸易、电商
文心一言	权威知识型	百家号、百度百科、百度知道	维护百科词条、百家号矩阵、SEO 协同	金融、医疗、法律、教育

实测配置：

• 规模：20 题 × 5 平台 = 100 次问答调用；
• 问句：语义通用问句池，不嵌品牌名；结构为 品类 : 对比 : 选型 : 区域 ≈ 4 : 3 : 2 : 1，共 20 条；
• 并发：按”题号 × 平台”交叉逐条并发（建议 5 并发），失败自动重试；
• 补强：对超时、网络异常、429、5xx 情况，同模型重试不超过 3 次（间隔约 1.5 秒），防止空答污染基线。

指标计算与判定

按第三章 3.2 计算 AIV/FRR/T3R/CR，并按 3.3 审查是否存在回显，输出主动可见值。

交付物：

1. 〈品牌〉_AI实测溯源报告.html——逐题逐平台原始回答留存，可溯源、可复核；
2. 〈品牌〉_GEO体检报告.html——四维指标得分、平台对比、短板定位、优化建议。

操作纪律（重跑铁律）

更换问句集或更换品牌重测前，必须先备份旧结果文件 → 清空 → 执行新测 → 另存 → 恢复旧数据。严禁在旧数据上增量重跑，否则历史题目与新题目按”平台#题号”碰撞被误判为跳过，数据不可用。

步骤二 · 事实原子化改造（第 3–4 周）

目标

把品牌信息从”篇章级内容”拆解为 AI 可独立直接引用的最小可信单元。

事实原子四字段

（缺一不可）：

字段	含义	示例
事实点 Fact	一条具体、可验证的陈述	该产品额定功率为 5kW
来源 Source	该事实的权威出处	国家电器产品质量监督检验中心 2025 年检测报告 编号 XXX
发布时间 Time	来源信息的公开发布日期	2025-08-12
验证状态 Status	当前是否通过真实性核验	已核验 / 待核验 / 已过期

五条质量标准：

1. 独立性——不依赖上下文即可被理解；
2. 可验证性——有对应的、可公开查阅的来源链接或文件；
3. 非营销性——只陈述客观事实，不含主观评价、情绪渲染、夸张修辞；
4. 时效性——发布时间在合理有效期内，过期数据需重新核验；
5. 一致性——同一事实在不同来源中的表述保持一致，冲突时标注”待核实”。

三化路径 SOP：

工序	核心动作	输出物	常见错误
① 原子化拆解	盘点信息资产 → 逐篇提取事实点 → 补全四字段 → 剔除营销杂质	事实原子清单（含四字段）	把营销主张当事实；来源写成”公司官网”；时间写”长期有效”
② 结构化标注	打上实体类型、属性名称、可信等级、适用场景、更新周期五类标签	带标签的结构化数据文件	标签粒度不一致；可信等级乱标
③ 动态更新	周期巡检 + 事件触发 + 过期预警 + 纠错留痕四步机制	更新日志 + 版本记录	拆完不维护；过期不预警

三档实施方案

（按企业资源灵活选择）：轻量档用表格管理，适合中小企业快速启动；标准档用数据库 + JSON-LD，适合中型企业系统化运营；企业档用 API 对接 CMS 与知识图谱平台，适合大型集团全链路自动化。

协议心跳包：向 AI 证明”我还活着”

生成式引擎会判断实体是否”活跃”。若品牌连续半年无新内容、新数据、新信号，AI 可能判定为”离线实体”并在引用优先级上自动降权。

四组标准心跳信号：内容信号（官网新闻、产品更新公告、技术白皮书）、资质信号（认证更新、检测报告续期、荣誉公示）、技术信号（数据标记更新、API 健康检查、结构化数据校验通过）、实体一致性信号（企业名称、地址、联系方式全平台一致）。

节奏	动作	对应信号
每周	官网新闻或技术博客至少 1 条	内容信号
每月	结构化数据文件更新并推送	技术信号
每季度	资质证书、检测报告状态核查	资质信号
每变更	企业基本信息变动后 48 小时内全平台同步	一致性信号

渠道优先级

（按 AI 抓取频率）：官网 > 行业垂直媒体 > 综合新闻平台 > 社交媒体。把最重要的心跳信号放在 AI 最常抓取的地方。

数据确权：谁有权定义”事实”

当第三方平台（百科、新闻、行业网站）信息与企业”官方事实原子”不一致时，四类冲突最常见：百科词条与官网简介不一致；新闻稿参数与技术白皮书矛盾；第三方评测与企业自测存在差异；历史旧闻仍被 AI 引用覆盖新事实。

三层确权框架：法律层（工商注册信息、官方资质证书为最高权威来源）→ 平台层（数据标注、robots.txt 声明、官方 API 接口）→ 技术层（数字签名、区块链存证等增强手段，非中小企业强制门槛）。

冲突处理三原则：官方优先（企业官方发布且带可验证来源的事实原子优先级高于第三方转述）；最新优先（同等权威等级下，发布时间更新者覆盖旧版本）；争议透明（无法快速裁决时标注”存在争议，以下为多方表述”，不强行统一）。

步骤三 · 证据金字塔搭建（第 5–6 周）

目标

构建 T1–T4 四级证据链，摆脱”自说自话”，提升 AI 采信权重。

T1 权威事实取证清单

营业执照与主体备案信息、行业许可证、ISO 等体系认证、产品检测报告（第三方机构出具）、司法信用记录、官方资质公示截图与编号。

T2 第三方佐证取证清单

权威媒体报道（可提供链接与发布时间）、行业协会背书或会员资质、第三方检测机构报告、平台官方认证（如企业号认证、地图商户认证）。

T3 深度案例要求

至少 3 个完整客户案例，含可核验的行业、规模、问题、方案、结果数据；客户证言需取得授权；涉密信息做脱敏处理。

T4 自有内容要求

无夸大、无矛盾、无违规表述；信息过期率为 0；全站内容审计通过。

权威信源矩阵

（按 AI 抓取与采信权重排序）：

信源层级	具体渠道	主要作用
第一梯队	官网（结构化部署）、工商/备案/资质公示平台	事实原点与法律层确权
第二梯队	权威媒体、行业协会官网、学术期刊、政府平台	第三方背书，T1/T2 主要来源
第三梯队	行业垂直媒体、专业社区、B2B 平台	场景覆盖与长尾意图承接
第四梯队	百科词条、地图商户、问答平台	实体校验与本地匹配
第五梯队	自媒体、社媒账号矩阵	心智触达与情感资产

步骤四 · 信任协议与结构化部署（第 7–8 周）

目标

部署机器可读的信任凭证与合规标识，通过格式校验与来源校验。

官网最小可用结构化配置：

Schema 类型	用途	部署位置
Organization	主体实体标识（名称、Logo、地址、联系方式、sameAs 社媒与权威平台链接）	全站通用（首页 + 页脚）
WebSite	站点标识与站内搜索	首页
Product / Service	产品与服务实体	产品页、服务页
FAQPage	高频问答结构化	FAQ 页、产品页问答区
LocalBusiness / Restaurant	本地属性（营业时间、人均、门店照片）	门店页、本地生活站
Event	活动信息（名称、时间、地点、主办方）	活动落地页
Certification / ClaimReview	资质与声明复核	资质页、荣誉页

结构化部署要点：

1. 采用 JSON-LD 格式内嵌于页面，便于 AI 解析、分块、向量化；
2. 关键实体使用统一 ID（@id）串联，形成 @graph 关联，让 AI 建立实体网络而非孤立页面；
3. 多语言站点必须部署 hreflang 明确语言与地区（如 en-us、de-de、ja-jp），优先使用目录式（/de/）或独立子域名，禁止使用 ?lang=de 参数式 URL，防止 AI 索引分裂；
4. 全语种同步部署多语言 JSON-LD；
5. 部署 robots.txt 与 AI 可读性声明，明确权威信源边界。

智能体适配（面向 AEO 的前置准备）

GEO 相关页面与知识库接口应满足生成式引擎抓取、解析、索引、分块、向量化和调用的基本要求；支持主流大模型平台的智能体接口与插件标准；提供工具调用的参数校验与结果验证能力；具备跨平台知识同步与版本管理功能。基础路径是将核心产品数据、服务可用性封装为标准化 API；进阶路径是将查询、计算、评估等核心能力封装为标准 Tool / Function 供智能体调用。

品牌人格宪法落地（P 阶交付）

按第四章 4.2 的五模块输出一页纸版本，明确”AI 可以怎么说””AI 绝对不能说””AI 必须固定输出”三组边界，并交付多触点一致性抽检清单。

步骤五 · 监测、预警与熔断（持续进行）

四维监测指标体系：

监测维度	核心指标	采集方式	预警阈值（参考区间）
I 可索引	实体识别准确率、知识图谱覆盖率、结构化数据完整性	多 AI 助手提问测试、Schema 校验工具	识别准确率 < 100% 黄灯；任一 AI 完全不识别 红灯
M 可匹配	核心意图覆盖率、场景匹配准确率、信息信噪比	意图词库批量测试、AI 输出人工抽检	覆盖率 < 60% 黄灯；< 30% 红灯
P 有人格	人格一致性得分、红线触碰次数、话术合规率	多触点输出抽样、人格卡对照	一致性 < 90% 黄灯；红线触碰 ≥ 1 次 红灯
T 可信赖	T1/T2 证据覆盖率、证据链闭环率、信息过期率	证据矩阵审计、信源交叉验证	T1 缺失 黄灯；T1+T2 均缺失 红灯

三级监测节奏：

层级	频率	核心动作	负责人	产出物
日快照	每日 / 自动	AI 可见度自动巡检、异常波动告警	技术岗/工具自动执行	每日健康快照
周复盘	每周一次	四维指标汇总、黄灯项原因分析、纠正动作执行	CMO 指定负责人	周度复盘纪要
季度全检	每季第一天	IMPT 全维度审计、对标 L 级成熟度、修订人格卡与证据矩阵	CEO 审批 + 跨部门小组执行	季度体检报告

预警升级机制

黄灯（单项指标低于及格线）需 7 天内完成纠正，连续 2 次黄灯自动升级为红灯；红灯（核心维度不达标或触碰红线）需 24 小时内启动熔断预案，CEO 直接知情，48 小时未纠正上报监管并启动全面整改。

信任熔断机制：24–72–14 黄金窗口

熔断的核心逻辑不是”防止犯错”（犯错不可避免），而是”在犯错后的黄金窗口期内，用标准动作最大化降低损失”。

触发条件	典型场景	紧急程度
AI 突然停止推荐品牌	昨日正常推荐，今日完全消失；多个 AI 助手同时不再提及	紧急
AI 输出错误信息	提及品牌但参数、业务范围、联系方式明显错误	较急
第三方平台警示	百科、企查查、地图等出现品牌信息异常或负面标注	较急
收到平台合规通知	AI 平台或监管机构发出整改、信用扣分、暂停服务通知	紧急
舆情异常集中爆发	社媒、论坛短期集中出现品牌负面信息	较急

时间窗口	核心动作	具体操作	交付物	责任人
0–24 小时	紧急自查	全网点名排查；定位问题源头；向 CEO/CMO/合规官同步	问题诊断报告	CMO 统筹 + 合规官核查
24–72 小时	修正处置	删除/更正问题内容；联系平台纠错；发布官方更正声明（结构化标注）；必要时向监管报备	更正记录 + 平台回执	CMO 更正 + 法务审核
3–14 天	AI 重校验	用 3 个不同 AI 助手测试品牌提及状态；确认错误信息是否消失；未恢复则提交正式申诉	AI 可见度恢复报告	CMO 测试 + 技术提申诉

熔断期间铁律

严禁”边出错边发新内容”。企业的本能反应是”多发正面内容压下去”，这在 AI 时代适得其反——你会同时向 AI 发送”错误信息”和”正面信息”两套矛盾信号，AI 的解法是”都不信”，结果比不处理好。正确做法是：先停、再查、再改、再发。

熔断后信任重建

持续发布 T1 级权威内容（新检测报告、新资质认证、协会最新背书）；恢复期将心跳包频率从月度提升至周度；主动邀请第三方重新评估并发布内容；建立熔断日志供后续复盘。

五步法速查

步骤	周期	核心交付物	完成判据
一、AI 可见性诊断	第 1–2 周	溯源报告 + 体检报告	四维指标出数，短板定位明确
二、事实原子化改造	第 3–4 周	事实原子清单 + 心跳包机制	核心信息 100% 拆解为带四字段原子
三、证据金字塔搭建	第 5–6 周	T1/T2 证据台账 + T3 案例库	T1 齐全无过期，每个核心主张至少 1 份 T2
四、信任协议与结构化	第 7–8 周	Schema 部署报告 + 人格宪法	Schema 校验通过，多触点人格一致
五、监测与迭代	持续	日快照 + 周复盘 + 季体检	黄灯 7 天闭环，红灯 24 小时响应

六、AI 内容工厂：把可信资产规模化

6.1 核心定义与价值公式

AI 内容工厂是专为生成式引擎优化逻辑设计的、将品牌知识资产进行标准化拆解 → 数智化生成 → 结构化输出的系统运营体系。

与普通 AI 写作工具的本质界限：普通工具产出”一篇文章”，写完即止；AI 内容工厂产出可被 AI 采信、可交叉核验、可长期沉淀的品牌可信资产——每条内容都是资产库的一个节点，彼此关联、互相印证、持续增值。

三件事必须认清：

1. 工厂的”客户”不是人类读者，是生成式引擎。人类看重”读起来爽不爽”，AI 看重”能不能确认这是真的、能不能放心引用”。
2. 工厂的”原料”不是灵感，是事实原子。未结构化拆解与核验的信息进厂，产出的是”看起来像那么回事但经不起交叉验证”的废件。
3. 工厂的”品控标准”不是主观审美，是信任协议。不是”写得漂亮就行”，而是”说得准、标得清、溯得到源”。

核心价值公式：

三者是相乘关系，不是相加，任一维度为零结果即为零：产能高但质量不一致 → 信噪比低 → 可见性归零；质量高但产能不足 → 缺乏持续信号 → 可见性趋近于零；产能质量俱佳但交付慢 → 心跳包断裂 → AI 判定”已失联” → 可见性衰减。

6.2 四层资产底座（原材料仓库）

垃圾进 = 垃圾出，这是工厂第一定律。

所有 AI 品牌偏差，本质都是四层资产库缺失或混乱。

层级	名称	对应 IMPT	核心内容
第一层	事实原子库（刚性底线）	I 阶	企业资质证照、产品技术参数、服务流程标准、历史里程碑、官方口径声明、检测报告编号与结论
第二层	品牌人格库（软性调性）	P 阶	品牌语气指南（正式/亲和/专业/幽默维度打分与允许区间）、话术红线清单、人设边界卡
第三层	用户意图词库（匹配引擎）	M 阶	核心意图、场景意图、对比意图、疑问意图、长尾意图、跨境意图六类
第四层	IP 素材资产库（规模化素材池）	支撑	产品图/场景图/架构图、脱敏案例库、权威背书素材、音视频素材

事实原子入库规则

唯一 ID（如 FACT-001）、来源出处（哪份文件/哪个 URL/哪个日期版本）、生效日期 + 失效条件、版本号（支持追溯变更历史）。

意图词库六类应对策略：

意图类型	用户典型问法	工厂应对策略
核心意图	“XX 品牌是什么？”	调用品牌定位原子，输出标准定义
场景意图	“XX 产品适合什么场景用？”	调用场景案例原子，匹配使用情境
对比意图	“XX 和 YY 哪个好？”	调用参数对比原子，客观陈列差异（不做优劣判断）
疑问意图	“XX 怎么安装/使用/维护？”	调用 SLA / 操作指南原子，给出步骤化回答
长尾意图	“XX 在 Z 条件下是否支持？”	调用边界条件原子，明确适用范围
跨境意图	多语种/多区域变体	调用本地化版本原子，匹配目标市场表述

6.3 五大核心组件（加工机床与流水线）

组件	核心功能	关键设计
知识资产库管理系统	四层资产的存储、检索、版本管理、权限控制、调用日志	通过 API/向量库接入大模型，确保生成基于”已核验事实”而非幻觉；只读区/可写区隔离防污染
AI 模型集群	文本生成改写、视觉素材、语音与虚拟人、精准知识调用	按工序配置模型组合——不是”用最贵的”，而是”用最合适的”
标准化工作流引擎	将”策划→生成→审核→优化→分发→复盘”固化为可编排流程	内容简报模板、企业专属提示词库、审批流配置三件套
质量管控体系	三道防线：AI 初筛（事实比对/禁止词扫描/质量评分）→ 事实校验（人工逐项对照原子 ID）→ 合规终审（对照十五项禁止行为）	合规官独立设岗，拥有一票否决权，未经终审不得对外发布
数据看板	产能数据、质量数据、效果数据三维度监测	周度复盘基于看板数据驱动迭代——边做边看、边看边改

6.4 六步标准生产链路

步骤	名称	输入	处理动作	输出物	责任人
Step 1	资产入库标准化	原始品牌资料	事实核验 → 结构化拆解 → 原子入库 → 打标签	已核验事实原子（带 ID/来源/版本）	内容工程师
Step 2	意图分层匹配	意图词库 + 目标场景	按六类意图分级，匹配对应原子集合	内容生产简报（含目标意图 + 可用原子清单）	GEO 优化师
Step 3	提示词工程标准化	内容简报 + 人格库 + 提示词模板	组装结构化提示词，调用模型集群	多版本初稿（每场景 2–3 版）	内容工程师
Step 4	AI 批量生成初稿	结构化提示词 + RAG 实时调用	模型执行生成，自动嵌入引用标记	初稿文件（含来源标注）	模型集群
Step 5	人工双层校验	初稿 + 原子库 + 红线清单	内容工程师事实校验 + 合规官红线终审	终审通过稿（带审核痕迹 + 合规签批）	内容工程师 + 合规官
Step 6	结构化输出与资产回流	终审稿 + 结构化标记	嵌入 Schema 标注 → 发布 → 回收表现数据 → 优质内容反哺原子库	已发布内容 + 数据回传 + 原子库更新	技术架构师 + 数据看板

闭环飞轮说明

Step 6 的”资产回流”是最重要的自迭代机制。优质内容发布后被 AI 引用，其表现数据（哪些表述被高频引用、哪些场景触发新提问）反过来验证原子库的准确性与完整性，推动下一次生成更精准。不是”做完就结束”，而是”越做越准”。

启动建议

不必追求一步到位。从轻量档开始，跑通 Step 1→5 的最小闭环（资产入库 → 生成 → 审核 → 分发），验证流程有效后再逐步扩展组件、升级工具。

6.5 五条生产红线

红线	禁止行为	对接标准条款	触发后果
红线 1	禁止无原子依据的 AI 自由创作	a) 隐藏提示词诱导引擎偏离正常理解	较重→严重违规
红线 2	禁止夸大疗效、收益、绝对性话术	b) 伪造证书 / d) 为虚假宣传提供 GEO 服务	严重违规
红线 3	禁止新旧事实并行、多版本冲突	c) 删除篡改伪造标识与溯源记录	严重违规
红线 4	禁止低质洗稿、同质化堆叠	h) 滥用自动化工具 / k) 以模型友好名义包装隐藏指令	较重→严重违规
红线 5	禁止无合规终审对外上线	e) 未授权资料外传 / n) 规避标识和版本记录	一般→较重违规

核心逻辑

这五条不是”建议”，是工厂的硬性门禁。任何内容在 Step 5 触碰任意一条，必须打回重做——不存在”先发了再改”的窗口期。

七、组织与人才：谁来干

没有一个 VP 级别的人牵头，方法论就是书架上的装饰品。

7.1 四维能力模型

能力维度	核心内涵	关键能力项
战略规划能力	理解 AI 时代品牌竞争逻辑，制定可信资产战略路线图	行业洞察、IMPT 方法论掌握、资源规划与预算管理、跨部门协调
技术实施能力	理解大模型运行机制、RAG 原理、结构化数据与 API 部署	结构化数据部署、监测工具使用、hreflang 跨境技术规范
内容工程能力	将品牌信息转化为 AI 可识别、可引用的知识资产	事实原子化拆解、人格宪法制定、提示词工程、内容工厂运营
合规与安全能力	识别合规红线与安全风险，建立防御与熔断机制	十五项禁止行为把控、行业特殊合规、主动安全防御、熔断响应

7.2 七类核心岗位

岗位	核心职责	汇报对象
首席 AI 品牌官（CABO）	统筹可信资产建设全链路战略，管理预算，牵头季度体检	CEO，横向协同 CMO/CTO
AI 品牌内容工程师	事实原子库建设、知识库治理、内容工厂运营、人格宪法维护	首席 AI 品牌官
GEO 优化师	GEO 策略制定与执行，意图词库建设，结构化数据部署，可见性监测	首席 AI 品牌官
AI 品牌合规官	合规审查、红线管控、主动安全防御、熔断响应	CEO / 法务部
AI 品牌技术架构师	Schema 部署、监测工具与 API 运维、hreflang 部署、RAG 对接、调用审计日志	CTO / 首席 AI 品牌官
AI 品牌运营分析师	三级监测执行、预警响应、数据分析与归因、报告产出	首席 AI 品牌官
外部 GEO 顾问（可选）	专项审计、技术实施、持续监测、前沿信息输入	首席 AI 品牌官

柔性配置原则：

阶段	团队规模	核心角色	里程碑
初创期（0–6 个月）	1–3 人，兼职或外部顾问为主	首席 AI 品牌官（兼任）+ 外部顾问代行合规	AI 能准确识别品牌实体（L2 达标）
成长期（6–18 个月）	3–8 人，核心岗位专职化	六岗位齐备	核心意图覆盖达标（L3）、首次季度全检通过
成熟期（18 个月以上）	8 人以上，GEO 卓越中心	全员专职 + 行业/产品线小组	证据链闭环（L4）、参与行业标准（L5 冲刺）

一人多岗合并建议

内容工程师 + GEO 优化师可合并（内容+优化一体）；运营分析师 + GEO 优化师可合并（监测+优化一体）；技术架构师 + 运营分析师可合并（技术+监测一体）。AI 品牌合规官任何阶段一旦设岗，建议独立，不可兼任——合规独立性是硬要求。

7.3 服务商选型：五维评估 + 高危红线

五维评估矩阵：

评估维度	核心问题	评估标准
标准理解力	是否精通行业政策与标准条款	能准确解读十五项禁止行为、三级违规、重点行业要求
行业经验	是否有同行业可验证案例	至少 2 个同行业可验证案例；涉跨境需具备目标市场合规经验
交付透明度	过程是否可审计、结果是否可复核	交付物含完整过程文档；不以”效果截图”作为唯一交付依据
安全合规能力	数据如何隔离、权限如何管理	签署 NDA 与数据保护协议；审计日志可追溯
长期服务能力	是否具备持续运营与迭代能力	有持续服务机制与复盘制度；能随平台规则与标准变化同步升级

高危红线清单（出现即建议直接排除）：

序号	高危话术	风险说明
1	保证 AI 优先推荐、保证上答案、确保主位引用	违反评价边界原则，存在结果操纵嫌疑
2	“官方认证服务商””白皮书推荐服务商”	标准与白皮书均未设立任何服务商认证或推荐名单，涉嫌虚假背书
3	包年霸榜、固定排名占位	GEO 不存在固定排名，只有动态相关性概率
4	AI 快速起量套餐（7 天见效）	短期刷量极易触发大模型反垃圾机制，造成域名长期降权
5	无需企业提供资料，我们全包	可能涉及伪造来源、虚构实体、编造案例
6	结果截图 + 单次问答命中作为唯一交付依据	缺少可复核样本与边界说明，无法验证真实性
7	低价几百元/月即可优化 AI 推荐	远低于行业合理成本，大概率依赖批量自动化工具生成低质同质化内容

责任边界

依据标准第 8.2 条 o 项，无论项目采用项目制、驻场或长期外包模式，品牌企业方（甲方）均为合规第一责任主体，不得以合作方、代理商、外包团队或工具服务商实施为由转移或规避合规责任；服务商仅承担执行层面责任。

服务商可以代运营，不能代决策

。企业必须始终保留四项控制权：战略决策（路径选择、预算分配、组织设计）、合规终审（红线最终判定）、品牌人格定义、核心知识资产（事实原子库、意图词库的知识产权与最终审核权）。

八、行业作战地图

8.1 十三大行业快速索引

行业	IMPT 重心	核心痛点	关键交付物
ToB 科技/高端制造	I + T	选型周期长，AI 推荐竞品不推荐我	品牌实体统一清单、T1 级资质证据台账、官网结构化部署报告
消费快消（传统老牌）	I + T	多渠道名称与参数混乱，AI 实体分裂	实体统一清单、质检认证台账、结构化部署报告
消费快消（新锐 DTC）	M + P	无专属 AI 记忆点，话术与竞品同质	场景意图词库（≥50 条）、品牌人格宪法、FAQPage 标注清单
本地生活/餐饮	I + M	AI 搜不到门店、地址电话错误、点评信息不全	全平台信息一致性核对表、LocalBusiness 结构化部署报告
医疗健康/医药	T + P	合规风险极高，AI 不敢推荐	T1 医学证据台账、话术风险提示模板、合规三重审核记录
金融服务/保险	T + P	监管严、容错率低，收益表述易违规	资质公示页（结构化）、风险提示话术模板、季度合规复核报告
教育	T + P	政策变动快，师资与升学率宣传易违规	教育资质合规台账、AI 话术红线清单、政策变动监测日志
政务	I + T	信息必须 100% 准确，政策解读不容偏差	政务事实原子清单、政策原文溯源对照表、官方信源结构化报告
文旅产业	M + I	季节性强、活动信息变化快、IP 辨识度低	文旅场景意图词库、文化 IP 人格卡、季节性心跳包更新日历
电商零售（传统商超）	I + M	多平台店铺名称与库存价格不一致	全平台店铺信息一致性核对表、价格库存 API 对接报告
电商零售（AI 原生）	M + P	海量 SKU 缺场景化讲解，人设模糊	场景化意图词库（≥100 条）、AI 主播人格宪法
SaaS/软件服务	M + P	功能复杂，AI 难理解差异化价值	场景化解决方案词库、AI 售前话术模板、功能-意图映射矩阵
新能源/双碳	T + M	技术参数新，公众认知度低，缺第三方验证	技术参数第三方检测台账、科普内容矩阵、T1/T2 覆盖报告
农业/食品	T + I	溯源难、产地信息模糊、认证真假难辨	全流程溯源数据台账、地理标志认证标注清单
文化/IP 产业	T + I / P + T	版权凭证未结构化 / 虚拟人人格易分裂	版权确权台账、虚拟人人格宪法、跨平台一致性监测报告

8.2 四个重点行业深度展开

星火之光AI 客户集中于以下四类，故做深度展开。

① 教育培训行业（强监管型，T → P → I → M）

痛点：政策变动快，师资宣传易违规，升学率承诺触犯广告法；同时家长与学员的决策高度依赖 AI 问答。

动作	具体要求
资质前置	教师资格证编号、办学许可证号、合作院校授权文件，全部结构化标注并定期核验
话术红线	AI 输出严禁出现”保过””必上岸””包就业””提分保证”等违规内容
场景覆盖	意图词库覆盖”XX 课程好不好””XX 培训多少钱””零基础能不能学”等高频问句
内容合规	课程效果表述以学员视角陈述，去除引流、转化、划线价等营销性语言
监测	建立政策变动监测日志，政策更新后 48 小时内完成内容复核

交付物：教育资质合规台账、AI 话术红线清单、政策变动监测日志、场景意图词库。

② ToB 专业服务/咨询（传统转型型，I → T → P → M）

痛点：客单价高、决策链长，AI 推荐名单直接决定线索质量；专业能力难以被 AI 理解。

关键动作：建立全网信源唯一的”统一实体 ID”（品牌名、服务名称、资质编号全平台一致）；将资质证书、行业协会会员身份、项目成果结构化部署为 T1/T2 级证据；将服务能力翻译为场景化解决方案（不是”我们提供 XX 服务”，而是”当企业面临 XX 问题时，我们的方案可以 XX”）；严禁杜撰”行业第一””首创””唯一供应商”等无法核实的宣传语。

③ 制造业/硬科技（传统转型型，I → T → M）

痛点：产品参数复杂，AI 无法准确理解差异化优势；行业排名与资质缺乏第三方背书。

关键动作：技术参数、工艺流程内容必须确保准确，涉及安全的内容经专业部门审核；白皮书、检测报告、ISO 认证结构化部署为 T1 级证据；在 DeepSeek 等技术逻辑型平台重点建设结构化文档与证据链；将复杂技术翻译为采购决策者能听懂的语言。

④ 本地生活/区域品牌（传统转型型，I → M）

痛点：AI 搜不到门店、地址电话错误、营业时间不准、点评信息不全——这是”30 天轻量启动方案”的最大受益群体，多数门店信息问题可在 3–4 周内解决。

关键动作：全平台信息一致性排查（地图、点评、百科、官网、公众号的品牌名、地址、电话、营业时间必须 100% 一致）；标记 LocalBusiness、Restaurant 等本地属性结构化数据；建立季节性/活动信息的高频心跳包更新机制。

8.3 跨境出海叠加层

跨境不改变企业原有 IMPT 推进顺序，所有出海企业在完成境内基础路径的同时，强制叠加三层增量动作。

痛点	具体表现	增量动作
实体分裂	不同语种站点品牌名、产品名不一致，AI 识别为多个实体	多语种实体统一：建立主实体词典，母语专家主导，杜绝机翻
机翻陷阱	简单机翻语义生硬，不符合母语用户搜索习惯	多语言语义本地化：每个目标市场由母语专家生产内容
信源缺失	仅靠国内背书，缺目标市场本地权威背书	构建海外信源网络：主流媒体、权威测评站、词条、行业社区
合规雷区	触犯 GDPR 或文化宗教禁忌，AI 信任资产清零	本地合规审查：P0 准入动作，应在内容生产前完成，避免”先做后改”的沉没成本

技术硬性规范

部署 hreflang 明确语言与地区；优先使用目录式或独立子域名，禁止 ?lang= 参数式 URL 防止 AI 索引分裂；全语种部署多语言 JSON-LD。

市场优先级

P0 英语系市场（美/英/澳/加）→ P1 日德等高客单价 B2B 市场 → P2 西语/东南亚新兴市场。

标准适用性说明

T/ZDMIA 002—2026 适用范围为中华人民共和国境内 GEO 活动。跨境企业以本标准作为”境内可信 GEO 底座”，叠加目标市场的本地化适配与合规要求。其中的真实性、可解释性、可追溯性、合规性原则是全球通用的 AI 品牌信任基石。

九、星火之光AI GEO 服务与交付标准

9.1 服务产品矩阵（L1 – L4）

矩阵按客户旅程四段递进：体验订阅 → 技能培训 → 运营全案 → 渠道合作，不夸大、不套路，按效果阶梯式合作。所有合作都从 L1 免费 AI 可见度体验开始——先看清”你在 AI 眼里是否存在”，再决定投入。

层级	板块	一句话定位	价格带
L1	体验订阅	从免费到持续监测	免费 / 1980 元 / 4980–9800 元·年
L2	技能培训	教方法 + 建能力	2980 元/人 – 5.98 万/场
L3	运营全案	运营指导 + 定制	8800 元/月起 – 10 万+/年
L4	渠道合作	零交付成本放大	0 加盟费 · 分成面议

SKU 明细：

层级	SKU	价格	核心内容
L1	免费体验	0 元	10 问句 × 3 平台，看清”在 AI 眼里是否存在”
L1	深度版体检	1980 元	五平台四指标报告（AIV/FRR/T3R/CR）
L1	监测订阅	4980–9800 元/年	持续盯盘五大平台，异常波动预警
L2	标准训练营	2980 元/人 · 2 天	面向个人与企业团队，方法论 + 基础实操
L2	进阶训练营	9800 元/人 · 3 天	完整方法论 + 手把手实操，能独立跑通流程
L2	企业专场	5.98 万/场 · 3 天	2 天培训 + 1 天企服，教方法并给能力，让品牌 GEO 自运转
L3	轻量代运营	8800 元/月起（3 个月起）	全流程托管：七步 SOP + 90 天对赌 + 信源投放 + 归因看板
L3	GEO 运营全案	8.8 万/年	全案运营与策略统筹
L3	GEO 运营定制	10 万起/年	多品牌、多区域、跨境等复杂场景定制
L4	行业合伙人	0 加盟费 · 分成面议	完成 3 个月产品试用后自启动
L4	生态合伙人	面议	面向孵化器、协会、媒体等资源方
L4	战略合伙人	面议	面向区域与行业战略资源方

抵扣与边界规则

深度版体检 1980 元，签约 L3 轻量代运营可全额抵扣首月费用。首年不收加盟费，不做全国招商、不做低价套餐——把资源压在每一个真能交付效果的客户身上。

七步交付 SOP

L3 全案的执行骨架，每一步都可验证、每一周都有数据。

步骤	环节	时间	核心动作	交付物
1	建问题池	D1–D3	梳理 100–200 条高意图问句（品类/对比/选型/区域四类），客户确认后锁定，全程不中途更换	问题池清单
2	基线采样	D4–D7	五大平台 × 每题 ≥10 次提问，记录原始回答与引用源，得出初始 AIV/FRR/T3R/CR	基线报告
3	纠错优先	D8–D10	先修正 AI 中的错误信息与负面归属，再谈增量——错误曝光是负资产	事实纠偏清单
4	资产改造	D8–D15	官网知识库结构化、公司介绍 GEO 化改写，让 AI 能准确抽取并引用	结构化数据包
5	内容与信源	持续	生成 + 人工复核，月产 8–12 篇结构化内容，分发至自有矩阵与权威渠道，回灌信源	内容 + 发布日志
6	复测归因	持续	第 2 / 4 / 8 周三次采样看趋势，关联线索来源，用数据解释每一项动作	趋势看板 + 归因表
7	复盘对赌	D90	90 天核算达成情况，达标续约、未达标按缺口比例退费，公开真实数据（含未达标）	季度复盘 + 结算单

四重承诺（写进官网与合同）：

承诺	内容
白盒交付	平台账号归客户所有，原始对话、引用溯源、发布日志随时自查
合规兜底	按 T/CGCC 119-2026 定义指标与验收，全流程日志留存可追溯
指标对赌	合同写明 90 天目标区间，未达标按缺口比例退费
拒绝黑帽	不注入虚假数据、不刷量、不伪造背书，破例一次信任归零

三条不可越过的红线

不注入虚假数据、不伪造专家背书、不刷量造假；不承诺”保证首推 / 包上榜”——AI 答案非任何一方能垄断，只承诺方法、流程与对赌；不使用来源不明站群与采集内容，客户素材真实性由客户负责。

服务区域

粤港澳大湾区（总部：广东省深圳市南山区）。

9.2 标准交付物清单

下表为资产类交付物（贯穿七步 SOP 各环节产出）；《问题池清单》《基线报告》《事实纠偏清单》《结构化数据包》《内容与发布日志》《趋势看板 + 归因表》《季度复盘 + 结算单》等过程类交付物见 9.1 七步交付 SOP 表。

序号	交付物	说明
1	《〈品牌〉_AI实测溯源报告》	逐题逐平台原始回答留存，可溯源、可复核，含问句池哈希与采集时间
2	《〈品牌〉_GEO体检报告》	四维指标得分、平台对比、短板定位、回显口径说明、优化建议
3	《基线确认单》	双方签字确认的起点指标与 90 天目标区间，作为后续对赌验收依据
4	《品牌实体统一清单》	全平台名称、地址、电话、产品型号一致性核对结果
5	《事实原子库（最小集）》	带 ID、来源、时间、验证状态的标准化原子清单
6	《T1/T2 证据台账》	权威资质与第三方佐证的结构化台账
7	《官网结构化标注部署报告》	Schema 类型、部署位置、校验结果
8	《品牌人格宪法（一页纸）》	语气词典、宣传红线、价值主张、话术模板、禁忌清单
9	《意图词库 V1.0》	六类意图分类，至少覆盖 50 条高频问句
10	《监测基线报告》	日/周/季三级监测机制与预警阈值配置

9.3 验收与效果承诺的合规表述

可承诺的

以基线为起点的指标改善区间；交付物与交付时间；过程可审计（原始数据留存、日志可查）；达标不退款条款。

不可承诺的

合规红线——不得使用”保证上答案””保证主位引用””保证长期霸榜””保证模型推荐”等绝对化表述；不得以结果截图、单次问答命中、无法复核样本作为唯一交付依据；不得将阶段性观察结果表述为永久保证。

退费规则（如约定对赌）

退费金额 = 实付 ×（1 − 实际达成率 ÷ 目标达成率）。指标权重：FRR 40% / T3R 30% / AIV 20% / CR 10%。基线确认单须附”小样本实测结果不构成效果承诺”的边界说明。

9.4 客户侧配合清单

GEO 不是服务商单方面能完成的事。客户必须提供以下六项配合，否则交付周期与效果无法保障：

序号	配合事项	责任方	时限
1	品牌基础资料（资质、证书、检测报告、产品参数原始文件）	客户	项目启动后 5 个工作日内
2	官网/管理后台的修改权限或对接人	客户技术方	项目启动后 10 个工作日内
3	品牌信息对外统一口径的确认（含对外称谓、禁用表述）	客户品牌负责人	事实原子化改造开始前
4	合规终审人（内部合规官或法务）	客户	内容上线前
5	案例授权（客户案例与证言的可引用授权）	客户商务方	证据金字塔搭建期内
6	信息变更同步（产品、资质、联系方式变更后 48 小时内通知）	客户	持续

十、90 天落地路线图与自检

10.1 90 天路线图

阶段	周次	核心任务	里程碑判据
急诊期	第 1–4 周	全网点名排查；基础结构化标注；品牌人格卡 V1.0；AI 可见性诊断	AI 能准确说出品牌是谁（L2 达标）
建设期	第 5–12 周	事实原子库建设；意图覆盖≥60%；T1/T2 证据采集；Schema 全站部署；合规审计完成	核心意图推荐率显著改善，首次季度全检通过（L3 达标）
深化期	第 13 周起	内容工厂飞轮启动；季度体检常态化；情感资产结构化；跨界协同	IMPT 全面闭环，可量化增长（L4 冲刺）

10.2 三类企业 30 天轻量启动

传统转型型

（启动信号：官网信息老旧、各平台品牌名不一致、AI 搜不到你或搜出来是错的）

周次	核心动作	交付物
Week 1（I 阶）	全网点名排查，统一品牌名称、地址、电话、产品型号	全平台信息一致性核对表
Week 2（T 阶）	整理 1 份权威资质/检测报告，部署至官网并结构化标注	T1 级资质证据台账
Week 3（P 阶）	制定一页纸品牌人格卡（语气 + 红线 + 话术模板）	品牌人格卡
Week 4（M 阶）	梳理 10 个核心用户意图问题，改写官网 FAQ 为 AI 友好版	意图词库 V1.0

强监管型

（启动信号：合规审查尚未完成，但业务已上线，AI 正在输出未经审核的内容）

周次	核心动作	交付物
Week 1–2（T 阶）	合规先行：完成所有宣传材料合规审查，锁定 T1 级权威证据	合规审查报告 + T1 证据台账
Week 3（P 阶）	人格定型：制定严谨的人格宪法与风险提示模板	强监管人格宪法
Week 4（I 阶）	实体校准：在确保合规前提下统一官方实体信息	实体统一清单

AI 原生型

（启动信号：品牌人格尚未固化，AI 输出五花八门，用户反馈”不像你们”）

周次	核心动作	交付物
Week 1（P 阶）	人格定型：先定义品牌 AI 人格，确保体验一致性	品牌人格宪法
Week 2–3（M 阶）	场景覆盖：构建场景化意图词库与 AI 友好内容	场景意图词库
Week 4（I 阶）	基建补课：补做结构化数据与实体统一	结构化部署报告

跨境出海型

（叠加在原有行业类型之上，优先级最高；启动信号：海外 AI 平台几乎不提及你的品牌，或信息完全错误）

周次	核心动作	交付物
Week 1（I 阶）	建立主实体词典，统一中英文及目标市场语种的品牌名与核心产品名	多语种主实体词典
Week 2–3（M 阶）	完成 P0 级目标市场核心落地页语义本地化与 hreflang/JSON-LD 部署	本地化落地页 + hreflang 报告
Week 4（T 阶）	启动首个目标市场的破冰背书（权威媒体发布/词条创建/行业媒体合作）	海外信源台账 V1.0

10.3 常见踩坑与自救

踩坑类型	典型症状	自救方案	恢复周期参考
传统转型型：跳过 I 直接做 M	花大价钱做意图覆盖和内容生产，但 AI 把所有内容当垃圾过滤——基础实体信息自相矛盾，AI 不信任这个品牌主体	立即暂停所有 M 投入，花 4–6 周做全网点名排查 + 实体统一 + 基础结构化，再重启 M	4–6 周
AI 原生型：人格未定型就开放 API	产品未定型就做 GEO 推广，用户涌入后发现产品与 AI 描述的人格严重不符	先冻结外部推广，用 2–4 周锁定品牌人格宪法，内部全员对齐后再重启；同时准备舆情应对预案	2–4 周 + 舆情预案
强监管型：合规未过审就做意图覆盖	未完成合规审查就大规模做意图覆盖，被监管责令整改，品牌可信度瞬间归零	立即下线所有 GEO 内容，配合监管审查，完成合规认证后按 T→P→I→M 顺序重建。切忌整改期间偷偷恢复推广	1–3 个月
跨境出海型：依赖机翻	海外 AI 零提及，或触犯 GDPR 被罚款	冻结非核心市场投放，聘请母语专家重构主实体词典与核心落地页，4 周内完成 P0 市场合规审查与基础背书	4–8 周（强监管出海延长）

10.4 季度体检自查表

维度	自测问题	及格线（参考）	指定负责人
I	用 5 个不同 AI 搜索品牌名，AI 能准确说出我们是谁吗？	5/5 正确	品牌部经理
M	核心意图覆盖率多少？（前 20 个高频问题）	≥ 60%	CMO
P	抽查 10 条不同 AI 触点，人格一致吗？	无重大偏差	品牌总监
T	本季新增几份可验证硬证据？	≥ 1 份	合规官

10.5 预算重构参考模型

投入方向	占比（参考）	具体内容	本质
可信基建	40%	数据清洗、结构化标注、证据采集、实体统一	变成越用越值钱的数据资产
意图覆盖	30%	场景内容生产、知识单元建设、意图词库维护	占领 AI 时代的流量入口
人格运营	20%	AI 触点管理、社群情感资产积累、多模型一致性审计	建立不可替代的壁垒
合规审计	10%	季度体检、风险监控、标准对标自查	防止瞬间归零的兜底

10.6 行动倡议

2026–2027 年是生成式 AI 入口红利的关键窗口期。当多数企业还在用流量时代的思维做 AI 营销时，率先完成 IMPT 建设的品牌将获得不可逆的信任资产壁垒。

三个立即行动：

1. 本周内：完成第四章 4.6 的三步自检，锁定组织基因类型；用 L1–L5 标尺评估当前所处等级。
2. 30 天内：选择对应行业的 30 天轻量启动方案，完成第一阶段的实体统一或人格定型。
3. 90 天内：建立四维监测体系，完成第一次季度全检，重绘 I/M/P/T 雷达图。

终极结论

流量时代的成功经验无法替代 AI 时代的品牌价值，可信资产是未来 10 年品牌的核心竞争力。

附录 A · 通用四问校验工具

面对任意 AI 品牌观点与营销方案，均可通过四维标尺快速校验：

维度	校验问题	不合格信号
战略维度	该思路目标是”被 AI 检索到”，还是”让 AI 放心推荐”？	仍在追求关键词排名与首页位次
数据维度	输出内容是主观营销观点，还是带来源、时效、核验记录的可验证事实原子？	仍是整篇新闻稿与营销文案
信任维度	执行思路试图人为干预算法，还是搭建完整证据链让推荐结果无可争议？	仍在买外链、刷权重、追排名
进度维度	该动作推动品牌从 L3 迈向 L4，还是停留在 L1–L2 基础信息填充？	只做曝光不做资产

附录 B · 协议心跳包月度自检清单

检查项	标准	本月状态
官网是否有 ≥1 条本月新内容	是/否	达标 / 未达标
结构化数据文件是否本月更新	是/否	达标 / 未达标
资质证书是否有即将到期项	是/否	达标 / 未达标（如有，列明到期日）
企业名称/地址全平台一致	是/否	达标 / 未达标
上月更新日志是否归档	是/否	达标 / 未达标
监测体系告警处理	已处理/未处理	达标 / 未达标

附录 C · 官网结构化数据最小集（JSON-LD 模板）

{
  "@context": "https://schema.org",
  "@graph": [
    {
      "@type": "Organization",
      "@id": "https://example.com/#organization",
      "name": "企业全称",
      "alternateName": "品牌简称",
      "url": "https://example.com/",
      "logo": "https://example.com/logo.png",
      "foundingDate": "2015-06-01",
      "address": {
        "@type": "PostalAddress",
        "addressCountry": "CN",
        "addressRegion": "广东省",
        "addressLocality": "深圳市",
        "streetAddress": "详细地址",
        "postalCode": "518000"
      },
      "contactPoint": {
        "@type": "ContactPoint",
        "telephone": "+86-000-00000000",
        "contactType": "customer service"
      },
      "sameAs": [
        "https://www.tianyancha.com/company/xxxx",
        "https://baike.baidu.com/item/xxxx",
        "https://weibo.com/xxxx"
      ],
      "identifier": {
        "@type": "PropertyValue",
        "name": "统一社会信用代码",
        "value": "91440300XXXXXXXXXX"
      }
    },
    {
      "@type": "WebSite",
      "@id": "https://example.com/#website",
      "url": "https://example.com/",
      "name": "站点名称",
      "publisher": { "@id": "https://example.com/#organization" },
      "inLanguage": "zh-CN"
    },
    {
      "@type": "FAQPage",
      "@id": "https://example.com/faq/#faq",
      "mainEntity": [
        {
          "@type": "Question",
          "name": "用户的真实高频问题（不嵌品牌名）",
          "acceptedAnswer": {
            "@type": "Answer",
            "text": "含来源标识的事实原子答案，不夸大、不绝对化"
          }
        }
      ]
    }
  ]
}

部署要点

@id 用于跨页面串联实体；sameAs 链接权威第三方平台，帮助 AI 完成实体消歧；FAQPage 的问句必须是真实用户问句（不嵌品牌名），答案必须是带来源的事实原子。

附录 D · 服务商甄别高危红线清单

见第七章 7.3 节「高危红线清单」。出现任一话术，建议直接排除或降为备选末位。

附录 E · 核心术语表

术语	定义
GEO	生成式引擎优化。围绕生成式引擎的检索、理解、整合、生成与引用机制，对内容、知识、结构、标识、元数据、技术承载与服务交付方式的系统性治理与优化
AEO	智能体引擎优化（Agent Engine Optimization）。品牌从”被动被推荐”走向”主动被智能体调用”的下一代优化范式
RAG	检索增强生成。先检索、再增强、后生成的三阶段技术范式
事实原子	由事实点 + 来源 + 发布时间 + 验证状态构成，AI 可独立直接引用的最小可信信息单元
三化路径	原子化拆解 → 结构化标注 → 动态更新，品牌原始信息转化为 AI 可用数据的三道标准工序
协议心跳包	品牌周期性数据更新公示，向 AI 发送主体持续运营信号，规避实体离线判定
AI 失语症	品牌信息在生成式引擎的答案生成环节不被采信、不被引用、不被推荐的状态
IMPT	AI 品牌四阶刚性进化体系：Indexable 可索引 → Matchable 可匹配 → Personality 有人格 → Trustworthy 可信赖
证据金字塔	T1 权威事实 → T2 第三方佐证 → T3 深度案例 → T4 自有内容，AI 采信权重逐级递减
信任协议	品牌与生成式引擎交互的底层准入规则，不满足规范则数据包直接被丢弃
品牌人格宪法	统一 AI 全触点输出的约束体系，含语气词典、宣传红线与标准化应答模板
回显	问句含品牌名导致模型顺势复现品牌名，使 AIV/T3R 虚高的测量偏差
AIV / FRR / T3R / CR	可见度 / 首推率 / 前三率 / 引用率，四维核心指标
重跑铁律	更换问句集重测前必须清空历史结果，否则旧题碰撞被误判跳过、污染基线

附录 F · 参考依据

• 《商贸流通业生成式引擎优化（GEO）智能营销技术服务规范》T/CGCC 119-2026
• 《生成式引擎优化可信技术与服务规范》T/ZDMIA 002—2026
• 《AI 品牌白皮书：GEO——从流量思维到可信资产》，中关村数字媒体产业联盟 · AI 品牌实验室，2026 年 9 月 V1.0
• 《中国GEO实践指南白皮书》，EC Innovations，2026 年
• 《人工智能生成合成内容标识办法》（2025-03-07）
• 《生成式人工智能服务管理暂行办法》（国家互联网信息办公室令第 15 号）
• W3C JSON-LD 1.1 Specification；Schema.org Structured Data Vocabulary
• Model Context Protocol（MCP）Specification