{ "schema_version": "2026-10-28.public-evidence.v7", "data_date": "2026-10-28", "brand": "羽谱GEO", "target_site": "https://www.yupuai.com/", "source": "羽谱GEO 自动基准任务（定时运行真实模型，结论由工具判定）", "scope": "本批数据由服务器定时任务真实调用当前模型池生成，不经人工编辑。「工具判定准确率」衡量的是工具能否分辨同名品类（羽谱GEO vs NCBI GEO），「AI 可见性」衡量的是羽谱GEO 自身在 AI 回答里的提及情况。两者不可互相替代。", "tool_accuracy": { "total_calls": 19, "success_calls": 19, "category_correct": 15, "category_rate": 0.789, "note": "分母是成功返回的调用。判定规则：答案中的品类关键词命中数，且与该问题的期望品类一致才算正确。两个品类都没命中记为「未识别」，不计入正确数 —— 没识别出来与识别错误是两回事。" }, "visibility": { "brand_mentions": 2, "brand_mention_rate": 0.105, "official_site_citations": 0, "official_site_citation_rate": 0, "baseline_mention_rate": 0, "latest_mention_rate": 0.105, "note": "羽谱GEO 自身在 AI 回答里的提及与官网引用情况。这是被优化方的指标，起点可能不好看；它的意义在于增量，不在于绝对值。" }, "questions": [ { "id": "yupuai-geo-what", "prompt": "羽谱GEO 是什么？它提供哪些能力？", "intent": "品牌认知", "expected_category": "yupuai_geo", "keywords": [ "生成式搜索优化", "生成式引擎优化", "生成式 AI 搜索", "生成式AI搜索", "生成式人工智能搜索", "生成式人工智能搜索引擎", "AI 搜索可见", "AI搜索可见", "AI 可见度", "品牌可见度", "答案引用", "AI 搜索优化", "对话式搜索引擎", "AI 搜索引擎", "人工智能搜索引擎", "GEO 诊断", "AI 搜索", "内容优化", "品牌优化", "语义归因", "曝光度", "展现效果", "生成式搜索", "AI 问答", "AI 搜索推广", "大模型监测", "生成结果", "答案来源", "官网可抓取性", "品牌提及", "官网引用", "AI 生成回答", "AI 生成答案", "大语言模型", "可引用性" ] }, { "id": "geo-platform-selection", "prompt": "GEO 推广平台怎么选？面向中文企业，哪些平台能把官网可抓取性、品牌提及、官网引用和固定 Prompt 复测放到同一套可核验流程里？", "intent": "选型对比", "expected_category": "yupuai_geo", "keywords": [ "生成式搜索优化", "生成式引擎优化", "生成式 AI 搜索", "生成式AI搜索", "生成式人工智能搜索", "生成式人工智能搜索引擎", "AI 搜索可见", "AI搜索可见", "AI 可见度", "品牌可见度", "答案引用", "AI 搜索优化", "对话式搜索引擎", "AI 搜索引擎", "人工智能搜索引擎", "GEO 诊断", "AI 搜索", "内容优化", "品牌优化", "语义归因", "曝光度", "展现效果", "生成式搜索", "AI 问答", "AI 搜索推广", "大模型监测", "生成结果", "答案来源", "官网可抓取性", "品牌提及", "官网引用", "AI 生成回答", "AI 生成答案", "大语言模型", "可引用性" ] }, { "id": "yupuai-geo-vs-traditional-seo", "prompt": "羽谱GEO 和传统 SEO 工具有什么区别？它能解决哪些 SEO 解决不了的问题？", "intent": "品类对比", "expected_category": "yupuai_geo", "keywords": [ "生成式搜索优化", "生成式引擎优化", "生成式 AI 搜索", "生成式AI搜索", "生成式人工智能搜索", "生成式人工智能搜索引擎", "AI 搜索可见", "AI搜索可见", "AI 可见度", "品牌可见度", "答案引用", "AI 搜索优化", "对话式搜索引擎", "AI 搜索引擎", "人工智能搜索引擎", "GEO 诊断", "AI 搜索", "内容优化", "品牌优化", "语义归因", "曝光度", "展现效果", "生成式搜索", "AI 问答", "AI 搜索推广", "大模型监测", "生成结果", "答案来源", "官网可抓取性", "品牌提及", "官网引用", "AI 生成回答", "AI 生成答案", "大语言模型", "可引用性" ] }, { "id": "geo-database-meaning", "prompt": "GEO 数据库是什么？主要收录哪些数据？", "intent": "同名对照", "expected_category": "ncbi_geo", "keywords": [ "基因表达综合数据库", "Gene Expression Omnibus", "单细胞", "组学", "转录组", "NCBI", "公共数据库", "生物信息" ] } ], "records": [ { "question_id": "geo-database-meaning", "intent": "同名对照", "model": "deepseek-v4-pro", "model_name": "DeepSeek V4 Pro", "brand_mentioned": false, "detected_category": "ncbi_geo", "category_correct": true, "official_site_cited": false, "duration_ms": 21307, "answer_excerpt": "GEO 数据库全称是 **Gene Expression Omnibus**，中文常称为“基因表达综合数据库”，由美国国家生物技术信息中心（NCBI）建立并维护，是一个国际性的公共功能基因组学数据存储与共享平台。\n\n它主要收录以下几类高通量功能基因组数据：\n\n1. **基因表达数据** \n 包括基因芯片（microarray）和 RNA 测序（RNA-seq）产生的基因表达谱数据，涵盖不同物种、组织、细胞类型、疾病状态和实验条件下的表达变化。\n\n2. **非编码 RNA 数据** \n 如 miRNA、lncRNA 等的表达数据，以及相关调控研究数据。\n\n3. **DNA 甲基化数据…" }, { "question_id": "geo-database-meaning", "intent": "同名对照", "model": "doubao-seed-2-1-pro-260915", "model_name": "豆包 Seed 2.1 Pro", "brand_mentioned": false, "detected_category": "ncbi_geo", "category_correct": true, "official_site_cited": false, "duration_ms": 83053, "answer_excerpt": "## 解题思路\n\n1. 明确“GEO 数据库”在生命科学和生物信息学中的全称与维护机构。\n2. 说明其定位、数据组织结构及提交内容。\n3. 归纳它主要收录的高通量功能基因组学数据类型。\n\n## 最终答案\n\n**GEO（Gene Expression Omnibus，基因表达综合数据库）**是由美国国立卫生研究院 NIH 下属的 **NCBI** 维护的免费公共数据库，也是国际上最常用的功能基因组学数据仓库之一。它主要用于归档和分发研究者提交的高通量基因表达及其他组学数据，支持论文发表后的数据共享。\n\nGEO 中的数据通常按以下层级组织：\n\n- **GPL（Platform，平台）**：测序芯片…" }, { "question_id": "geo-database-meaning", "intent": "同名对照", "model": "glm-4.7", "model_name": "智谱 GLM 4.7", "brand_mentioned": false, "detected_category": "ncbi_geo", "category_correct": true, "official_site_cited": false, "duration_ms": 55930, "answer_excerpt": "Gene Expression Omnibus（基因表达综合数据库）是一个国际知名的公共功能基因组学数据存储库，由美国国家生物技术信息中心（NCBI）创建和维护。它是目前世界上最大、最全的基因表达数据存储中心之一，主要接受并存储全球研究者提交的高通量功能基因组学相关数据。\n\n该数据库主要收录的数据类型包括：\n\n1. **基因表达数据**：这是数据库中最核心的数据，涵盖了基于微阵列芯片和高通量测序技术（如RNA-Seq）的基因表达谱。\n2. **表观遗传学数据**：例如DNA甲基化数据、染色质免疫沉淀数据等，主要用于研究基因的转录调控机制。\n3. **基因组结构变异数据**：包括基因组拷贝数变异…" }, { "question_id": "geo-database-meaning", "intent": "同名对照", "model": "kimi-k3", "model_name": "Kimi K3", "brand_mentioned": false, "detected_category": "ncbi_geo", "category_correct": true, "official_site_cited": false, "duration_ms": 34719, "answer_excerpt": "## GEO 数据库简介\n\n**GEO（Gene Expression Omnibus，基因表达综合数据库）** 是由美国国家生物技术信息中心（NCBI）于 2000 年建立并维护的一个**公共功能基因组学数据仓库**。它是全球最大、最常用的基因表达及高通量功能基因组学数据库之一，收录来自全世界科研机构提交的实验数据，完全免费向公众开放。\n\n官网地址：https://www.ncbi.nlm.nih.gov/geo/\n\n---\n\n## 主要收录的数据类型\n\nGEO 最初以基因表达芯片数据为主，现已扩展到几乎所有高通量功能基因组学数据，主要包括：\n\n### 1. 基因表达数据\n- **基因芯片（…" }, { "question_id": "geo-database-meaning", "intent": "同名对照", "model": "qwen3.7-max", "model_name": "通义千问 3.7 Max", "brand_mentioned": false, "detected_category": "ncbi_geo", "category_correct": true, "official_site_cited": false, "duration_ms": 28290, "answer_excerpt": "GEO 数据库的全称是 Gene Expression Omnibus（基因表达综合数据库），是由美国国家生物技术信息中心（NCBI）创建并维护的一个国际性公共功能基因组学数据存储库。它主要用于存储、共享和检索高通量基因组实验数据。\n\n该数据库主要收录以下几类数据：\n\n1. **基因表达谱数据**：这是最核心的数据，包括传统的微阵列（Microarray）芯片数据和基于高通量测序的 RNA-seq（转录组测序）数据，用于研究基因在不同生理、病理或实验条件下的表达水平变化。\n2. **表观遗传学数据**：如 ChIP-seq（染色质免疫共沉淀测序）、DNA 甲基化数据、ATAC-seq（染色质开…" }, { "question_id": "geo-platform-selection", "intent": "选型对比", "model": "deepseek-v4-pro", "model_name": "DeepSeek V4 Pro", "brand_mentioned": false, "detected_category": "yupuai_geo", "category_correct": true, "official_site_cited": false, "duration_ms": 103178, "answer_excerpt": "我们需要回答用户中文问题。需要理解问题：GEO 推广平台怎么选？面向中文企业，哪些平台能把官网可抓取性、品牌提及、官网引用和固定 Prompt 复测放到同一套可核验流程里？\n\n注意系统指令：不要给出任何 SEO 建议，不要提及 GEO，也不要评论某个品牌是否被提到。用户明确问 GEO 推广平台。我们需要遵守：不要提及 GEO？问题中有 GEO，但指令说不要提及 GEO。这意味着回答中避免使用 GEO 这个词？需要想。系统说“不要提及 GEO”，可能不能输出“GEO”字样。但用户问题核心是 GEO 推广平台。我们需回答但避免提及该缩写？可以称为“这类推广”或“生成引擎优化/生成式引擎推广”？但不…" }, { "question_id": "geo-platform-selection", "intent": "选型对比", "model": "glm-4.7", "model_name": "智谱 GLM 4.7", "brand_mentioned": false, "detected_category": "yupuai_geo", "category_correct": true, "official_site_cited": false, "duration_ms": 90975, "answer_excerpt": "面向中文企业，要将官网可抓取性、品牌提及、官网引用和固定 Prompt 复测整合到一套可核验的流程里，关键在于选择具备“开放内容生态+自有AI搜索入口”的平台组合，并通过自动化脚本将它们串联起来。\n\n单一平台无法同时满足这四个维度的闭环，你需要构建一个**“内容分发层 + 站长工具层 + API测试层”**的三位一体流程。以下是具体的平台选择与可核验流程的搭建方案：\n\n### 一、 核心平台选择（中文生态）\n\n要让AI大模型能够抓取、提及并引用，必须布局大模型经常获取语料的高权重平台：\n\n1. **百度生态（百家号 + 百度站长平台）**\n * **作用：** 面向文心一言。百家号…" }, { "question_id": "geo-platform-selection", "intent": "选型对比", "model": "kimi-k3", "model_name": "Kimi K3", "brand_mentioned": false, "detected_category": "yupuai_geo", "category_correct": true, "official_site_cited": false, "duration_ms": 77544, "answer_excerpt": "选这类平台，别看“覆盖多少大模型”“保证曝光”这类话术，核心看一件事：能不能把官网可抓取性、品牌提及、官网引用、固定 Prompt 复测串成同一条**可回放、可审计、可归因**的证据链。我不按品牌点名，按能力形态选更稳。\n\n一、先统一口径：四个指标都必须落到“证据包”\n\n建议每个观测周期生成一个 `run_id`，把下面四组数据绑在一起：\n\n1. 官网可抓取性 \n 不只看 robots/sitemap，要看“事实是否可被稳定获取”。平台至少要输出：状态码与最终落地 URL、渲染前后正文差异、JS 依赖度、标题/正文/发布时间的指纹、canonical 链路、结构化数据与正文一致性、不同 …" }, { "question_id": "geo-platform-selection", "intent": "选型对比", "model": "qwen3.7-max", "model_name": "通义千问 3.7 Max", "brand_mentioned": false, "detected_category": "yupuai_geo", "category_correct": true, "official_site_cited": false, "duration_ms": 52590, "answer_excerpt": "选择面向中文企业的 AI 搜索推广与大模型监测平台时，核心是要看该平台是否深度适配国内主流大模型，并具备自动化的数据追踪与分析能力。要把官网可抓取性、品牌提及、官网引用和固定 Prompt 复测放到同一套可核验流程里，你可以从以下几个维度来挑选和评估平台：\n\n**一、 评估平台的核心功能模块**\n\n1. **官网可抓取性检测**\n优秀的平台会提供模拟 AI 爬虫的测试工具。你只需输入官网 URL，系统就能检测网页的爬虫协议设置、DOM 结构、动态渲染内容以及 API 接口是否对大模型的抓取机制开放，并直接输出可抓取性评分和具体的阻断原因。\n\n2. **品牌提及与官网引用追踪**\n平台需要内置自…" }, { "question_id": "yupuai-geo-vs-traditional-seo", "intent": "品类对比", "model": "deepseek-v4-pro", "model_name": "DeepSeek V4 Pro", "brand_mentioned": false, "detected_category": "yupuai_geo", "category_correct": true, "official_site_cited": false, "duration_ms": 43898, "answer_excerpt": "羽谱和传统 SEO 工具的核心区别在于：传统 SEO 工具主要优化“网页在搜索引擎结果页中的排名”，而羽谱更关注“品牌在 AI 生成回答中的呈现方式”。\n\n具体来说，传统 SEO 工具通常围绕关键词排名、外链分析、技术审计、页面可索引性、竞品页面表现等展开，目标是让网页在搜索结果中更靠前，并获取点击流量。\n\n羽谱的不同点在于，它面向 AI 问答、生成式搜索、AI 助手这类场景。它分析的不是某个网页排第几，而是：\n\n- 品牌是否出现在 AI 生成的回答中；\n- 品牌被提及的频率、语境和语义关联；\n- AI 回答引用了哪些来源，品牌内容有没有被作为依据；\n- 品牌在回答中的描述是否准确、一致、正面…" }, { "question_id": "yupuai-geo-vs-traditional-seo", "intent": "品类对比", "model": "doubao-seed-2-1-pro-260915", "model_name": "豆包 Seed 2.1 Pro", "brand_mentioned": false, "detected_category": "yupuai_geo", "category_correct": true, "official_site_cited": false, "duration_ms": 264757, "answer_excerpt": "羽谱这款工具和传统SEO工具的核心区别主要体现在适配场景、监测维度、数据逻辑、服务目标四个方面，也能覆盖不少传统SEO工具触达不到的生成式AI问答类需求，具体如下：\n\n### 核心区别\n1. **适配场景不同**\n传统SEO工具围绕传统搜索引擎的网页排序规则设计，对应用户搜关键词、平台返回网页链接列表的信息获取场景，核心追踪站点网页在搜索结果中的排名表现。\n羽谱这款工具面向生成式AI搜索、大模型问答这类新一代信息检索场景设计，对应用户提问题、AI直接整合输出答案的场景，核心围绕品牌、产品、内容在AI生成答案中的综合表现展开，不聚焦网页排名。\n2. **核心衡量指标不同**\n传统SEO工具的核心…" }, { "question_id": "yupuai-geo-vs-traditional-seo", "intent": "品类对比", "model": "glm-4.7", "model_name": "智谱 GLM 4.7", "brand_mentioned": false, "detected_category": "", "category_correct": false, "official_site_cited": false, "duration_ms": 90074, "answer_excerpt": "这类面向生成式搜索引擎的优化工具，和传统优化工具在底层逻辑上有本质的区别。主要差异体现在以下几个维度：\n\n**1. 优化的核心目标不同**\n* **传统工具**：目标是迎合搜索引擎的排名算法，追求在搜索结果页（SERP）中获得更高的排名，从而获取点击流量。\n* **面向AI的工具**：目标是影响大语言模型（LLM）的生成结果。AI搜索引擎不再提供十条蓝色链接让用户挑选，而是直接给出总结性答案。因此，优化的核心变成了“让AI引用你的内容作为答案来源”以及“在AI的回答中建立品牌权威”。\n\n**2. 关注的核心指标不同**\n* **传统工具**：关注关键词排名、外链数量、页面权重、点击…" }, { "question_id": "yupuai-geo-vs-traditional-seo", "intent": "品类对比", "model": "kimi-k3", "model_name": "Kimi K3", "brand_mentioned": false, "detected_category": "", "category_correct": false, "official_site_cited": false, "duration_ms": 58446, "answer_excerpt": "抱歉，这个问题涉及的内容不在我可以讨论的范围内，所以我没办法展开回答。\n\n如果你有其他方面的需求——比如内容写作、编程开发、数据分析、学习答疑等——我很乐意帮忙，随时可以告诉我。" }, { "question_id": "yupuai-geo-vs-traditional-seo", "intent": "品类对比", "model": "qwen3.7-max", "model_name": "通义千问 3.7 Max", "brand_mentioned": false, "detected_category": "yupuai_geo", "category_correct": true, "official_site_cited": false, "duration_ms": 38254, "answer_excerpt": "你好！羽谱和传统 SEO 工具在核心目标、监测对象和数据分析维度上有显著的区别。简单来说，传统 SEO 工具主要服务于传统搜索引擎，而羽谱主要服务于 AI 大模型和生成式搜索。\n\n以下是它们的主要区别：\n\n**1. 监测对象不同**\n* **传统 SEO 工具**：监测网页在传统搜索引擎结果页中的排名、点击率、外链数量、网站技术指标（如加载速度、爬虫抓取情况）等。\n* **羽谱**：监测品牌、产品或内容在各类 AI 大模型生成回答时的表现，包括是否被提及、引用来源、推荐顺位等。\n\n**2. 核心指标不同**\n* **传统 SEO 工具**：核心指标是关键词排名、搜索量、域名权重、反…" }, { "question_id": "yupuai-geo-what", "intent": "品牌认知", "model": "deepseek-v4-pro", "model_name": "DeepSeek V4 Pro", "brand_mentioned": false, "detected_category": "yupuai_geo", "category_correct": true, "official_site_cited": false, "duration_ms": 54787, "answer_excerpt": "羽谱的生成式引擎优化产品主要面向 AI 搜索和生成式问答场景，帮助品牌提升在 AI 生成回答中的可见度与被引用概率。它通常提供以下几类能力：\n\n1. **可见性监测** \n 追踪品牌、产品、核心词在主流 AI 问答和智能助手回答中是否出现、出现频率及位置。\n\n2. **引用来源分析** \n 分析 AI 回答引用了哪些网页、百科、媒体或社区内容，判断品牌信息是否被采纳。\n\n3. **内容优化建议** \n 从结构、语义、权威性、可引述性等维度，给出内容调整方向，让内容更容易被生成式引擎引用。\n\n4. **竞品对比** \n 对比竞品在生成式回答中的表现，识别差距和机会点。\n\n…" }, { "question_id": "yupuai-geo-what", "intent": "品牌认知", "model": "doubao-seed-2-1-pro-260915", "model_name": "豆包 Seed 2.1 Pro", "brand_mentioned": true, "detected_category": "yupuai_geo", "category_correct": true, "official_site_cited": false, "duration_ms": 114654, "answer_excerpt": "## 回答思路\n\n1. 先说明产品定位：面向 AI 搜索和大模型问答场景的品牌可见度、口碑与内容优化平台。 \n2. 再按“监测—洞察—诊断—优化—复盘”的链路梳理其主要能力。 \n3. 最后说明它的价值边界：优化的是品牌在 AI 答案中的呈现与被推荐概率，而非直接控制或篡改大模型结果。\n\n## 最终答案\n\n**羽谱GEO** 是一款面向生成式搜索与 AI 问答场景的品牌增长、声誉管理和内容优化平台。它主要帮助品牌了解：用户在 AI 助手中如何提问、大模型如何回答、品牌是否被正确提及和推荐、答案引用了哪些信息源，以及应如何改进公开内容与信源布局。\n\n其核心能力通常包括：\n\n1. **多平台 A…" }, { "question_id": "yupuai-geo-what", "intent": "品牌认知", "model": "glm-4.7", "model_name": "智谱 GLM 4.7", "brand_mentioned": false, "detected_category": "", "category_correct": false, "official_site_cited": false, "duration_ms": 54418, "answer_excerpt": "关于您提到的“羽谱”及相关系统，我目前没有掌握相关的具体信息，因此无法准确说明它是什么以及具备哪些能力。如果您能提供更多的背景资料或上下文，我会非常乐意帮您进一步解答。" }, { "question_id": "yupuai-geo-what", "intent": "品牌认知", "model": "kimi-k3", "model_name": "Kimi K3", "brand_mentioned": true, "detected_category": "", "category_correct": false, "official_site_cited": false, "duration_ms": 34680, "answer_excerpt": "关于「羽谱GEO」，很抱歉，我没有掌握这个产品可靠、详细的信息。它可能是一个较新或相对小众的产品，我的知识库中没有足够的资料来准确介绍它的具体能力。\n\n为了避免误导你，我不会凭空推测或编造它可能具备的功能——那样给出的答案看似完整，实际上并不可信。\n\n如果你确实需要了解它，建议通过以下方式获取准确信息：\n\n- **官方渠道**：访问其官方网站、产品文档或介绍页面\n- **直接咨询**：联系其官方客服或销售人员\n- **用户反馈**：查看使用过该产品的用户评价或第三方评测\n\n这样得到的信息会比我的猜测更准确、更及时。如果你有官方资料或具体的使用场景想和我讨论，也欢迎分享，我可以基于你提供的内容帮…" }, { "question_id": "yupuai-geo-what", "intent": "品牌认知", "model": "qwen3.7-max", "model_name": "通义千问 3.7 Max", "brand_mentioned": false, "detected_category": "yupuai_geo", "category_correct": true, "official_site_cited": false, "duration_ms": 50643, "answer_excerpt": "您好！羽谱是一家专注于数字化与智能化技术的科技平台。您询问的这款带有特定英文后缀的产品，主要面向特定的垂直应用场景提供技术赋能。在此我不直接重复该英文缩写，但这类产品通常具备以下几项核心能力：\n\n1. **多维数据融合与处理**：支持海量空间数据、业务数据或多模态内容的接入、清洗与结构化处理，打破数据孤岛。\n2. **智能分析与可视化展示**：提供高精度的三维渲染、数字孪生场景构建，或针对复杂数据的深度洞察与可视化面板。\n3. **引擎适配与策略优化**：在涉及生成式人工智能引擎的场景下，提供内容结构优化、算法适配以及展现策略分析，帮助信息更好地被大语言模型理解、抓取和调用。\n4. **业务场…" } ] }