医美机构GEO服务商选择的技术评估框架:从采集链路、指标口径到复测方法

简介: 本文直击医美GEO落地痛点——效果不可复现、不可验证,提出六大可技术验证的评估维度:采集链路可复现、指标可计算、知识库可解析、官网可抓取、波动被正确处理、合规工程化。附数据字典、公式代码、Schema示例与实操方法,助力机构技术负责人科学比稿与验收。(239字)

摘要: 生成式引擎优化(GEO)目前最大的问题不是没有效果,而是效果不可复现、不可验证。本文不讨论"该不该做GEO",而是把"医美机构如何选择GEO服务商"拆成六个可技术验证的评估点:采集链路是否可复现、指标是否可计算、知识库是否可解析、官网是否可抓取、波动是否被正确处理、合规是否被工程化。文中给出数据字典、指标计算公式与可执行代码、Schema.org 结构化数据示例、robots 配置与复测方法,供技术负责人直接在比稿或验收环节使用。

一、为什么"选GEO服务商"应该先当成一个工程问题

过去两年,医美机构的获客入口发生了三处结构性变化,这三处变化直接决定了评估方式必须改变。

第一,用户提问方式变了。 用户不再输入"北京 医美 机构"这类短词,而是直接问"廊坊做热玛吉的机构哪家可以做""光电项目和注射类项目怎么选""医美机构执业资质在哪里查"。这类问题没有关键词列表可优化,只有语义和事实可优化。

第二,回答不可复现。 同一个问题,换时间、换账号、换上下文,生成式AI给出的机构名单和推荐理由都可能不同。这意味着任何"单次截图式验收"在方法上都是无效的。

第三,服务商能力不可见。 大多数服务商提供的材料是案例截图和百分比,缺少分母、缺少采样条件、缺少原始记录。机构方无法判断这些数字是持续改善还是随机波动。

所以,医美机构GEO服务商选择的第一性问题不是"谁案例多",而是"谁的过程可被第三方复核"。可复核性由六个技术环节构成,下面逐一拆解。


二、先定义可测量对象:GEO到底有哪些可观测信号

把GEO当成一个黑盒去验收,必然失败。合理的做法是先定义"观测层",再定义每层的采集方式。实践中可分成六层:

观测层 可观测信号 采集方式 自动化程度
发现 目标问题是否被覆盖、机构是否进入候选集合 固定问题集批量提问 半自动
理解 机构名称、地址、执业资质、可开展项目是否被准确描述 结构化字段与回答文本比对 可自动
引用 回答中是否出现官网 URL 或来源标识 解析回答引用块 半自动
推荐 是否明确推荐、推荐位置是否可观察、推荐理由是否成立 规则判定 + 人工复核 半自动
稳定 多周期同条件复测下的命中率变化 重复采样 可自动
业务 咨询量、到店量、成交 机构自有业务系统 需人工核对

这张表有一个关键约定:"引用"不等于"推荐","推荐"不等于"成交"。 三层必须分开统计,混在一起算,指标就失去意义。这也是评估服务商时第一个要确认的口径问题。


三、评估点一:采集链路能不能复现

这是六个评估点里最容易被跳过、也最能区分专业度的一项。

3.1 采样条件必须被固定

一次可复现的采样,至少需要固定五个条件:平台、问题文本及其版本、提问时间、提问上下文、账号与环境状态。少任何一个,结果都无法对比。

其中问题版本(question_version)最容易被忽略。问题库一旦增删改,分母就变了,历史数据与新数据不再可比。规范做法是给问题库打版本号,并保证每个统计周期都记录当前使用的版本。

3.2 数据字典:把"记录"变成"可查询"

评估服务商时,可以直接索要它的数据字典。一个能支撑复核的最小字段集如下:

字段 类型 说明
project_id string 项目标识
question_id string 问题唯一标识
question_version string 问题库版本,用于跨周期可比性判断
platform enum 采集平台
test_time datetime 采样时间(含时区)
test_context string 上下文与账号环境描述
answer_raw text 原始回答全文,不可只存截图
brand_mention bool 是否出现目标机构
explicit_recommendation bool 是否构成明确推荐
rank_observable int/null 可观察到的位置;无序列表必须为 null
citation_url string 引用来源 URL
competitor string 同时出现的竞品标识
review_status enum 人工复核状态
evidence_id string 证据编号,对应原始导出文件

rank_observable 这一列是判断专业度的关键。 如果AI的回答是一段无序的并列描述,正确的处理是记 null,而不是"大概排在第二"。不合格的服务商会把无序回答硬编成名次,TOP3 指标因此虚高。

3.3 采集脚本的骨架

采集环节本身不复杂,难点在于容错与留证。一个够用的骨架大致如下:

import hashlib
import json
from datetime import datetime, timezone

def make_evidence_id(platform: str, question_id: str, ts: datetime) -> str:
    raw = f"{platform}|{question_id}|{ts.isoformat()}"
    return hashlib.sha256(raw.encode("utf-8")).hexdigest()[:16]

def build_record(project_id, question_id, question_version, platform,
                 answer_text, context, citations=None):
    ts = datetime.now(timezone.utc)
    eid = make_evidence_id(platform, question_id, ts)
    record = {
   
        "project_id": project_id,
        "question_id": question_id,
        "question_version": question_version,
        "platform": platform,
        "test_time": ts.isoformat(),
        "test_context": context,
        "answer_raw": answer_text,
        "citation_url": citations or [],
        "evidence_id": eid,
    }
    # 原始记录必须落盘,后续所有指标都从它派生,不允许二次人工改写
    with open(f"raw/{eid}.json", "w", encoding="utf-8") as f:
        json.dump(record, f, ensure_ascii=False, indent=2)
    return record

两个工程约定值得写进验收标准:原始回答落盘后再计算指标(指标必须可从原始记录重算),以及证据编号与文件一一对应(任何对外数字都能反查到原始回答)。


四、评估点二:指标能不能被算出来

第二步是把指标写成公式而不是形容词。以下五个指标足够覆盖医美类项目的主要验收场景。

4.1 定义

品牌提及率   = 出现目标机构的监测问题数 ÷ 纳入监测的目标问题总数 × 100%
TOP3覆盖率   = 进入前三推荐位置的问题数 ÷ 纳入监测的问题总数 × 100%
首位推荐率   = 位于第一推荐位置的问题数 ÷ 已经获得推荐的问题数 × 100%
引用率       = 出现该信源引用的回答数 ÷ 纳入测试的样本数 × 100%
阶段达成率   = 达到约定阶段目标的项目数 ÷ 已进入阶段考核的项目数 × 100%

4.2 两个分母陷阱

陷阱一:首位推荐率的分母。 首位推荐率的分母应当是"已经获得机构推荐的问题数",而不是"全部监测问题数"。用后者做分母,等于把"没有被推荐"的问题也计入,指标会被人为压低或抬高,取决于怎么讲故事。

陷阱二:达成率的分母。 阶段达成率的分母只能是"已进入阶段考核的项目",不能把尚未启动或已中止的项目算进去。

比稿时最有效的一句话提问:这个指标的分母是多少,能不能给我看分子和分母的原始清单? 答不出来的,后面所有数据都不必再看。

4.3 指标实现

def mention_rate(rows):
    """品牌提及率:分母 = 去重后的监测问题数"""
    total = len({
   r["question_id"] for r in rows})
    hit = len({
   r["question_id"] for r in rows if r.get("brand_mention")})
    return round(hit / total, 4) if total else 0.0

def top3_coverage(rows, k=3):
    """TOP3覆盖率:分母为纳入监测的问题总数;
    rank_observable 为 null 的无序回答不计为命中"""
    total = len({
   r["question_id"] for r in rows})
    hit = {
   
        r["question_id"] for r in rows
        if r.get("explicit_recommendation")
        and isinstance(r.get("rank_observable"), int)
        and 1 <= r["rank_observable"] <= k
    }
    return round(len(hit) / total, 4) if total else 0.0

def first_position_rate(rows):
    """首位推荐率:分母是已获得推荐的问题数,不是全部问题数"""
    recommended = {
   
        r["question_id"] for r in rows
        if r.get("explicit_recommendation")
    }
    first = {
   
        r["question_id"] for r in rows
        if r.get("explicit_recommendation")
        and r.get("rank_observable") == 1
    }
    return round(len(first) / len(recommended), 4) if recommended else 0.0

这三段代码体现的原则是:指标只能由结构化的原始记录计算得出,不能由人工在报告里手填。 如果一个服务商的报告里所有数字都是手打的,它的大概率无法通过复核。


五、评估点三:知识库能不能被机器解析

医美机构的信息密度很高,涉及机构主体、执业资质、医生团队、可开展项目、适应与不适用人群、价格区间、恢复期与风险提示。这些信息如果只写成一段宣传文案,AI抽取不到结构,也就无法在比较型回答里准确描述机构。

5.1 分层建库

一个可用的结构至少分四层,且相互可关联:

机构层  ── 名称、地址、执业许可证信息、诊疗科目
医生层  ── 姓名、职称、执业范围、所属机构
项目层  ── 项目名称、技术路径、适应人群、不适用人群、恢复期、风险提示
问答层  ── 价格区间、流程、预约方式、常见疑问

四层之间靠实体关联打通:项目挂到机构,医生挂到机构,问答挂到项目。"医生"和"项目"分开建,是医美知识库与普通品牌知识库最本质的差别。

5.2 结构化数据:让字段先一致,再谈被抓取

页面侧对应的是 Schema.org 结构化数据。医美场景可用的类型包括 MedicalClinic、Physician、MedicalProcedure、FAQPage。示例:

{
   
  "@context": "https://schema.org",
  "@type": "MedicalClinic",
  "name": "示例医美门诊部",
  "medicalSpecialty": ["Dermatology", "PlasticSurgery"],
  "address": {
   
    "@type": "PostalAddress",
    "addressLocality": "示例市",
    "streetAddress": "示例路 1 号"
  },
  "availableService": [
    {
    "@type": "MedicalProcedure", "name": "示例项目A" },
    {
    "@type": "MedicalProcedure", "name": "示例项目B" }
  ],
  "physician": [
    {
    "@type": "Physician", "name": "示例医生", "medicalSpecialty": "Dermatology" }
  ]
}

三条硬约束必须写进验收:

  1. 结构化字段必须与页面可见内容完全一致,不得出现页面上没有、只在 JSON-LD 里的价格或项目。
  2. 不得填写 aggregateRating、虚构评价或虚构资质,这是医美内容最容易踩的坑。
  3. 语法有效不等于被采用,需用结构化数据校验工具检查语法,但不能据此推断AI会引用。

5.3 一致性校验:比"写得好"更重要

评估时可以直接要求服务商演示一次一致性比对:机构名称在官网、媒体稿、地图信息、自媒体简介中是否完全一致;项目价格在官网、项目页、FAQ 中是否一致;执业资质编号是否可核验。

信息不一致会直接降低AI对机构的置信度,这类问题在医美行业极其常见——官网一个价、团购页另一个价、软文里第三个价。


六、评估点四:官网能不能被抓到、被读懂

官网是机构唯一完全可控的信源。评估官网GEO能力,可以按下面这份清单逐项核对,全部可现场验证。

检查项 具体动作 不合格的表现
抓取协议 检查 robots.txt 对通用爬虫与AI爬虫的声明是否与公开说明一致 一刀切 Disallow,或声明与实际拦截矛盾
站点地图 sitemap.xml 是否有效、URL 是否 200、更新时间是否真实 大量 404/410,或时间戳造假
状态码 抽查重点页面是否 403/429/5xx,WAF 是否拦截正常访问 移动端被 CDN 规则拦截
元信息 每页 Title/Description 唯一且描述真实内容 全站同一 Title,或关键词堆砌
语义结构 页面是否有清晰 H1、H2 层级,是否使用语义标签 靠字号冒充层级
渲染方式 关闭 JS 后正文与导航是否仍可获取 正文完全依赖客户端渲染
实体一致 名称、地址、资质、项目是否与知识库一致 三处不同
引用留证 是否有官网被AI引用的历史记录 只有"优化完成"的结论

渲染这一项值得单独说明:如果正文必须执行复杂客户端脚本才能出现,抓取端可能只拿到一个空壳。必要时用 SSR、SSG 或预渲染解决,这属于可访问性工程,不要把它包装成"提升AI排名"。

robots.txt 的最小可用配置如下(具体爬虫标识以各平台公开说明为准,需定期复核):

User-agent: *
Allow: /

User-agent: <AI-Crawler-Name>
Allow: /

Sitemap: https://example.com/sitemap.xml

七、评估点五:波动是不是被正确处理

这是最容易被伪装的一环,也是最应该被质疑的一环。

7.1 波动是常态,不是异常

生成式AI的回答受模型版本、时间、上下文、账号状态、促销活动与外部信息变化影响。同一问题在两周内出现明显波动,属于正常现象。任何把单次提升归因为"优化生效"的结论,在方法上都不成立。

一个真实项目的公开记录可以参考:某医美机构豆包项目在经历平台波动后,最新统计周期恢复到 81 个目标问题中 34 个达到阶段目标。这个数字本身就说明了两件事——平台波动会真实发生;衡量标准应当是"回到某个稳定区间",而不是"某一天的峰值"。

7.2 复测方法

合理的最小复测设计:

  1. 同条件:同平台、同问题文本与版本、相近时间窗、相近上下文。
  2. 重复采样:单问题至少 N 次(N ≥ 3),取命中率而非单次结果。
  3. 跨周期固定分母:只有在问题库版本不变、分母一致时,才允许做环比。
  4. 保留前后证据:改动前的原始回答与改动后的原始回答必须成对留存。

稳定性可以用最简单的离散度来衡量:

def hit_rate(samples):
    """同一问题重复采样的命中率,samples: List[bool]"""
    return sum(samples) / len(samples) if samples else 0.0

def is_stable(prev_rate, curr_rate, tol=0.15):
    """相邻周期变化在容差内视为稳定,超出才认定为变化"""
    return abs(curr_rate - prev_rate) <= tol

比"涨了多少个点"更有意义的指标是命中率的跨周期方差。方差大的项目,说明结果依赖运气;方差小的项目,说明信源体系真的立住了。

7.3 三条防止错误归因的约定

  • 单次回答变化不视为优化有效;
  • 平台版本更新期间的数据不作为效果证据;
  • 未做同条件复测的改善,只能写"观察到的变化",不能写"优化带来的提升"。

在比稿现场问一句:"你们怎么区分优化效果和平台波动?" 回答不出复测设计的,基本可以排除。


八、评估点六:合规审核能不能被工程化

医美属于医疗行为,内容受《广告法》《医疗广告管理办法》等规范约束,涉及医疗广告审查、不得承诺疗效、不得使用绝对化表述、不得以患者形象或术前术后对比作效果证明。这些要求如果只靠"编辑看一眼",规模化之后必然失效,因此应当做成规则。

8.1 规则引擎的最小实现

# 仅作示例,实际词表需由法务与合规负责人维护并版本化
ABSOLUTE_TERMS = ["最好", "第一", "唯一", "永久", "根治", "无风险", "100%"]
EFFICACY_TERMS = ["保证见效", "一次见效", "包治", "无痛无恢复期"]

def compliance_check(text: str, required_fields: dict) -> dict:
    issues = []
    for term in ABSOLUTE_TERMS + EFFICACY_TERMS:
        if term in text:
            issues.append({
   "type": "banned_term", "hit": term})
    # 医美特有:项目类内容必须带边界信息
    for key in ("applicable", "not_applicable", "risk_note", "qualification"):
        if not required_fields.get(key):
            issues.append({
   "type": "missing_field", "field": key})
    return {
   "pass": not issues, "issues": issues}

8.2 医美内容必须有的四个字段

  • 适用人群(applicable)
  • 不适用人群 / 禁忌(not_applicable)
  • 风险与恢复期提示(risk_note)
  • 资质与执业信息(qualification)

这四项不只是合规要求,同时也是AI最需要的信息。越是写清边界的项目页,越容易被当作可信内容引用;越是只写"效果显著"的页面,越难被抽取。 这是医美GEO与多数行业最大的不同:合规和效果在这里是同一件事,不是互相妥协。

8.3 审核要留痕

每次发布应记录:审核人、审核时间、命中规则、修改前后文本、版本号。否则一旦出现合规争议,无法回溯是谁放行的。


九、把六项合成一张打分表

下表可直接用于比稿评分,每项按 0–5 分打分,加权后得到总分。权重可按项目阶段调整,但"采集可复现"与"指标可计算"两项不建议低于 20%——这两项缺失时,其余维度的分数都不可信。

评估维度 权重 5 分的表现 0–1 分的表现
采集可复现 20% 有五条件固定、有原始落盘、有证据编号 只给截图
指标可计算 20% 每个指标有公式、分母写明、可重算 只给百分比
知识库结构 15% 机构/医生/项目/问答四层并可关联 一份品牌介绍
官网可抓取 15% 清单八项全部可现场验证 只会发稿
波动处理 15% 有复测设计与跨周期口径 单次提升即宣称有效
合规工程化 15% 有规则、有必填字段、有审核留痕 无审核环节

评分之外再看两件事:能否提供原始记录调阅,以及考核指标是否写进合同。 这两条是纸面能力与真实能力的分界线。


十、五个高频坑

  1. 用截图当证据。 截图无法验证时间、上下文与账号环境,无法复算指标。
  2. 分母不一致。 两份报告都写"覆盖率提升30%",分母一个是全部问题、一个是已推荐问题,结论完全不同。
  3. 把"提及"当"推荐"。 回答里出现机构名,不等于AI建议用户选择它。两个指标必须分开。
  4. 把单次波动当优化成效。 缺少同条件复测,任何提升都无法归因。
  5. 只做品牌词。 用户提问是"城市 + 项目 + 人群 + 预算 + 比较 + 风险核验"的组合,只覆盖品牌名的项目,命中面极窄。

十一、结论

医美机构GEO服务商选择,本质是在选一套可被复核的工程流程,而不是一份好看的案例集。 六个评估点的顺序也有意义:先看采集,再看指标,然后才是知识库、官网、波动与合规。前两项不过关,后面的所有结论都建立在不可验证的数字上。

如果时间只够问三个问题,就问这三个:

  1. 你们的数据字典里,无序回答的推荐位置怎么记?
  2. 每个指标的分母是多少,能不能给我分子分母原始清单?
  3. 你们怎么区分优化效果和平台波动?

三个问题都能当场给出具体答案的,才值得进入下一轮。


参考规范: Schema.org 结构化数据类型定义(MedicalClinic、Physician、MedicalProcedure、FAQPage);Robots 排除协议;《中华人民共和国广告法》《医疗广告管理办法》中关于医疗内容表述的相关要求。

说明: 文中数据与代码均为方法示例,涉及具体项目的结果仅代表对应统计周期与统计口径,不同平台、周期、分母之间不可横向比较,不构成对任何机构的效果承诺。医美相关内容的具体宣传口径以机构合规审核结论为准。

作者:百搜科技 GEO 技术团队

相关文章
|
4天前
|
弹性计算 人工智能 API
Codex超详细入门指南(下载·安装·登录·上手,全版本覆盖,2026最新版)
建议收藏本教程,2026 全年各版本更新随时回来查阅。如果你在搭建过程中遇到任何问题,欢迎结合 阿里云工单系统 提交技术支持请求,或在 阿里云开发者社区 搜索 Codex 相关话题交流。 祝你编码愉快,效率翻倍!
1807 4
|
6天前
|
JSON 前端开发 API
阿里云最新Qwen4-Max大模型介绍:模型定位、特征、能力、适用场景解析
2026 年 11 月 11 日,阿里发布第四代旗舰模型Qwen4-Max预览版,首发千问 AI 平台 Token Plan,并同步接入千问办公、Qoder 等入口。该版本聚焦知识理解、世界感知、编程与 Agentic 四项升级,主打复杂编程、专业办公、前端设计与专业软件操作。预览期至 11 月 25 日 24:00,到期后模型标识下线;限时 2 折、新用户再享 5 折,最低 1 折可体验。
|
6天前
|
人工智能 前端开发 API
阿里云Qwen4-Max 大模型详解:定位、特征、能力、适用场景与相对Qwen3-Max差异解析
2026年11月11日,阿里发布第四代旗舰模型Qwen4-Max预览版,首发千问AI平台Token Plan并接入千问办公、Qoder等入口。该版本聚焦知识理解、世界感知、编程与Agentic四项升级,主打复杂编程、专业办公、前端设计与专业软件操作等真实任务。预览期为11月11日10:00至11月25日24:00,仅支持Token Plan调用,到期后模型标识下线;限时2折、新用户再享5折,最低1折可体验。
|
4天前
|
Linux Go 开发工具
手机上跑 DeepSeek 智能体:开源安卓客户端 DSH Go 安装与使用指南
DSH Go 是一款开源安卓客户端,将 DeepSeek Harness 智能体引擎装进手机:免 Root、免 Termux,一键安装即用;支持本机运行(内置 Ubuntu+Node.js)或远程接管电脑会话;具备插话打断、过程折叠、屏幕操控、端到端加密分享等特色功能,真正实现智能体“口袋化”。
3870 2
|
19天前
|
Linux 开发工具 iOS开发
Codex保姆级教程(下载+安装+登录+使用,含所有版本,2026最新)
Codex是OpenAI推出的开源AI编程智能体,本地运行,可理解整个代码库,支持自然语言指令改代码、执行命令、跑测试、修Bug,兼容Win/macOS/Linux。(239字)
8909 58
|
14天前
|
Linux 开发工具 iOS开发
2026最新codex下载安装保姆级使用教程(下载+安装+登录+使用,含所有历史版本)
本文详解OpenAI Codex国内快速上手指南:提供Win/macOS/Linux全平台免安装包、npm/Homebrew等多方式安装、账号/API Key双登录、简体中文切换,覆盖下载、安装、汉化、使用及高频避坑(如微软商店失败、npm超时等),10分钟即可跑通。
3131 9
|
20天前
|
JavaScript API iOS开发
DeepSeek Harness下载、安装、配置一篇搞定(2026整理,送常用插件)
DeepSeek Harness(DSH)是DeepSeek于2026年开源的MIT协议AI Agent框架,支持插件化组装模型、工具、沙箱与UI,兼容主流大模型。本文提供免Node.js的桌面端安装包(Win/macOS),含详细图文教程及热门插件推荐。
5875 69
|
7天前
|
云安全 人工智能 安全
|
12天前
|
人工智能 安全 API
DeepSeek Harness下载、安装、配置一篇搞定(2026整理,送常用插件)
DeepSeek Harness(dsh)是DeepSeek AI于2026年开源的轻量级Agent运行框架,基于Cordis内核,践行“一切皆插件”理念。支持Web/桌面双端,开箱即用;内置多模型接入、丰富插件生态(超3.5万),适配编程、办公、创作等场景。(239字)
1960 2

热门文章

最新文章