第七章 · 执行纪律:九十天推进序列与公开的方法论红线

✓你正在读的就是完整正文,不是摘要 —— 全书 13 篇全部免费在线公开,无需注册。PDF 只是同一份内容的打印版。

7.1 顺序由证据决定,不由难易决定

大多数 GEO 方案的执行顺序是「先做站内改造,因为它最容易交付」。本报告的证据不支持这个顺序。

第 3.5 节的数据显示:站内 GEO 评分与被发现率不相关;呈现正相关的是引荐域名数与第三方社区存在度。第 5.3 节的数据显示:平台已经替商家做完了结算层,商家自己该做的是商品数据与应答就绪。第六章显示:在中国,决定引用的是垂类权威平台上的存在质量。

三条证据指向同一个结论:重心在站外,不在站内。

7.2 九十天序列

第 1–15 天 · 建立测量基线(不做任何优化)

预注册提示词面板:公布全集与生成规则,由不知道答案的人编写。跨引擎测量 —— ChatGPT、Gemini、Claude、DeepSeek 为最低集合;中国市场加豆包、千问、元宝。提及率取 2 轮,信源集合明确声明为抽样而非穷举。头牌证据为浏览器级带时间戳截屏。同时记录 AI 答案中关于本品牌的事实性错误陈述 —— 这是第 1.3 节法律线的证据基础。

第 16–45 天 · 实体与商品数据卫生

这一段是「必要卫生」,不是杠杆,但它是后续一切的前提:实体一致性(名称、品类、市场、关键事实在全网表述统一);商品结构化数据(第 5.3 节显示 81% 的品牌缺失);评价与问答结构化数据(缺失率超过 90%);核对平台前置条件(UCP 清单是否由平台派发、Merchant Center 是否具备可结账商品)。

第 46–75 天 · 站外权威(本序列的主要杠杆)

引荐域名与第三方提及是相关性最强的可操作变量。西方市场:行业媒体、Reddit 与专业社区、可被引用的原始数据。中国市场:按 6.7 节选定的两到三个垂类权威平台,按目标模型的生态归属排序。不做铺量,不做矩阵。

第 76–90 天 · 重复测量与归因诚实化

用同一个预注册面板重测。报告区间而非点值。明确区分「提及率变化」(可归因)与「信源集合变化」(样本波动,不可归因)。凡不能与优化动作建立时间对应关系的变化,标注为未归因。

7.3 公开的方法论红线

这一节存在的理由是:合法 GEO 与不可检测的操纵之间,技术边界是模糊的。

已有研究显示(GEO-Bench 相关工作,A−):黑盒式的内容改写,在提升排名上的效果可以匹敌甚至超过基于梯度的对抗攻击,同时能规避基于关键词和基于困惑度的两类检测。也就是说,一个足够精细的「内容优化」与一次成功的模型操纵,在检测层面可能无法区分。

在这种情况下,边界不能靠技术定义,只能靠声明。Canlah 的红线如下,公开以便被检验:

我们做:

• 提升真实内容的事实密度、可引用性与结构清晰度
• 在真实的第三方场域建立真实的存在与提及
• 修正 AI 答案中关于客户的事实性错误
• 公开测量方法、样本量与不确定区间

我们不做:

• 生成用于污染模型信源的低质或虚假内容(所谓「AI 投毒」)
• 伪造权威背书、专家头衔、机构报告或评价
• 构建仅供 AI 读取、屏蔽人类访问的「影子网站」
• 运营 AI 托管账号矩阵
• 出售「AI 排名位置」,或任何单次测量得出的排名承诺

我们披露:

• 每一条对外数据的证据等级
• 我们自有数据的样本量与已知局限(见附录 A)
• 当某项服务的价值依赖于尚未终局的法律裁定时,明确说明

最后一条尤其重要。在一个测量不可靠、因果效应尚未被稳定证明的品类里,可核验性是我们选择的差异化 —— 而它之所以可辩护,不是因为别人做不到,是因为做了就必须承担后果。

公开方法意味着我们的结论可以被推翻;公开禁引清单意味着我们不能再引用那些好用的数字;公开预注册意味着我们不能在结果不好看时改判据。任何同行都可以采用这套标准,我们也希望他们采用 —— 但采用它的代价是放弃这个品类里通行的话术空间。

本报告公开原始数据集与审计脚本,原因就在这里 —— 跨境 DTC 智能体就绪度那份数据在 canlah.ai/data/agent-readiness-2026(CC BY 4.0,含 CSV 与复核脚本),任何人都可以复跑第 5.3 节与第零章的审计,并告诉我们哪里错了。