读懂 GEO 多维评分:6 个维度、3 档评级,看清品牌在 AI 里的位置
报告里那个综合分到底怎么来的?本文拆解森辰 GEO 的 6 维评分体系——可见度、推荐力、竞争位势、榜单排名、信源引用、认知准确度,讲清每个维度量什么、权重多少、评级阈值怎么定,帮你把分数读成可执行的优化方向。
森辰 GEO 报告里最显眼的,往往是那个 0–100 的综合分和一句「高等可见 / 中等可见 / 少量可见」。很多人看完分数就翻篇了,其实真正能指导优化的,是分数背后的 6 个维度。这篇文章把评分体系彻底讲清楚。
为什么是「多维」而不是一个分
单看一个总分,你只知道「好或不好」,却不知道「差在哪」。两个品牌可能都是 60 分,但一个是「到处被提及却从不被推荐」,另一个是「被推荐但 AI 把它和同名公司搞混了」——优化方向南辕北辙。所以森辰 GEO 把可见度拆成 6 个相互独立的维度,分别打分、加权汇总。
6 个维度分别量什么
| 维度 | 权重 | 衡量的是 |
|---|---|---|
| 可见度 | 28% | 非品牌检测词在各平台中被提及的比例(已剔除品牌词,避免「自己问自己」虚高) |
| 推荐力 | 22% | 非品牌词中,被 AI 主动推荐(而不仅是顺带提到)的单元占比 |
| 竞争位势 | 18% | 同一问题下,我方与竞品的声量占比 |
| 榜单排名 | 12% | 上榜检测词的名次质量,越靠前得分越高 |
| 信源引用 | 10% | AI 回答带出真实信源(参考链接)的覆盖度 |
| 认知准确度 | 10% | AI 对品牌描述的准确程度,以及是否存在负面、不实、同名混淆 |
综合分 = 各维度得分 × 对应权重之和。权重的设计逻辑很清晰:可见度 + 推荐力占了一半,因为「被看见、被推荐」是 GEO 最核心的目标;竞争位势和排名反映你在赛道里的相对位置;信源引用和认知准确度则负责守住「质量底线」。
一个关键设计:品牌词不参与「可见度」
这是评分体系最讲究的一点。如果直接拿品牌名去问 AI(「森辰 GEO 怎么样」),AI 当然会提到你——但这说明不了你在真实赛道里的可见度。所以系统把品牌认知类问题从可见度、推荐力等维度中剔除,只让它服务于「认知准确度」这一维。
换句话说:可见度看的是「陌生用户问行业问题时能不能撞见你」,认知准确度看的是「AI 认识你之后,有没有说对、有没有说坏话」。两件事分开评,分数才不会自欺欺人。
认知准确度:5 档,负面会扣分
这一维不是简单的「准 / 不准」,而是由自有大模型综合「描述准确性 + 是否存在负面 / 不实 / 同名混淆」判定为 5 档。哪怕 AI 把你夸上天,只要混入了不实信息或负面表述,这一档就会明显下滑。对品牌方而言,这恰恰是最该盯紧的预警信号。
3 档评级阈值
- ≥ 80 分 · 高等可见——在所选平台与赛道里已具备稳定的 AI 曝光;
- 50–79 分 · 中等可见——有一定存在感,但覆盖或推荐力仍有明显缺口;
- < 50 分 · 少量可见——大多数提问场景下 AI 还提不到你,是 GEO 的重点投入区。
怎么把分数读成行动
拿到报告,别只看总分,按维度对症下药:
- 可见度低、推荐力也低:基础内容覆盖不足,先把行业问题的优质内容铺起来;
- 可见度高、推荐力低:AI 知道你但不推荐你,要补强差异化卖点和第三方背书;
- 竞争位势低:对照竞品报告,看对手在哪些问题上压过你;
- 认知准确度掉档:优先排查负面与同名混淆,这类问题对品牌伤害最直接,建议结合「口碑风险报告」深挖。
报告里的「GEO 多维评分」区块会用条形图展示 6 维得分,并给出各平台的分项表现。把它当成体检单——总分是结论,维度才是病因。