大多数做 GEO 的企业，最早关心的问题都是同一个：我的品牌在 AI 里被提到了吗？
这个问题不难回答。只要在几个主流 AI 模型里搜一下品牌名，大致就能知道"有没有"。但很快就会有第二个问题：被提到了，然后呢？被提到的是正面内容还是负面内容？被提到的频率比竞品高还是低？被提到的来源是权威媒体还是不可靠的野鸡网站？
能回答"有没有"，只能证明你活在这个生态里。能回答"好不好"，才说明你在这个生态里的位置是安全的。
矿工鸟从产品第一天起就在做这件事。不是简单地告诉客户"你的品牌今天被提到了 15 次"，而是给出一套结构化的诊断结论——你的品牌在 AI 里到底健不健康，哪里健康、哪里有问题、优先该修什么。
TL;DR
- 曝光多不等于健康：品牌可能频繁被提及但全是负面，也可能只在单一平台出现，或者被竞品全面压制，这些都不是"曝光量"一个数字能反映的
- 五维度量化品牌健康度：从提及率、信息来源质量、推荐度、负面信息控制和竞品相对表现五个维度，综合评估品牌在 AI 生态中的真实位置
- 分数背后是证据，不是黑盒：每个维度的结论都对应着具体的监控记录、引用来源和对比基准，可以下钻到"哪个模型、哪个问句、哪次回答"
- 不同角色看不同报告：运营盯日报看异常，产品看周报调策略，管理层看月报做判断，新客户先做全貌首报摸清起点
"我的品牌被提到了"——然后呢？
一个品牌在 AI 里的真实处境，远比"被提到几次"复杂得多。
举个例子。一家建材企业在豆包里搜自己，发现在"瓷砖品牌推荐"这个问句下被提到了，挺高兴。但如果继续深挖，可能会发现：
- 同一个问句在元宝和 DeepSeek 里，排在前面的全是竞品
- 品牌被引用时，来源是一个三年前的个人博客，而不是官网或权威媒体
- 竞品在"性价比""售后服务"等消费者最关心的问句下，推荐率远高于自己
- 一条两年前的质量投诉页面，仍然在多个模型里被频繁引用
这些问题，靠手动搜索是发现不了的。即使偶尔撞上一个，也没有办法持续跟踪变化趋势。
这就是品牌诊断要解决的问题。它不像搜索查询那样告诉你"某一个时刻的某一个结果"，而是持续从多个 AI 模型抓取数据，把碎片化的曝光信息拼成一张完整的品牌健康度画像。
五个维度，而不是一个数字
矿工鸟的健康度评分不是靠 AI 猜出来的。它基于监控引擎每天在多模型上的真实抓取记录，从五个维度分别评估，再综合成一个总分。
提及率表现。品牌在相关问题中被提及的频率、出现在靠前位置的频率、覆盖了多少个 AI 平台。这个维度回答的问题是：用户搜你所在的行业时，你的品牌能不能被看见？
信息来源质量。品牌被引用时，引用来源来自哪里。是官网和专业媒体，还是个人博客和过时页面？来源是分散在多个渠道，还是过度依赖单一站点？这个维度回答的是：你的品牌被引用时，"信得过"吗？
推荐度表现。品牌在 AI 回答中呈现出的整体口碑倾向。是被正面推荐、被中立描述还是被负面评价？这个维度回答的是：用户看完 AI 的回答后，愿不愿意进一步了解你？
负面信息控制。负面内容的占比、集中度和扩散范围。是一条负面反复出现，还是多条负面从不同角度覆盖了你的品牌？这个维度回答的是：你的品牌在 AI 里有没有明显的"坑"？
竞品相对表现。品牌与主要竞品相比，在可见度、平台优势和整体位置上的差距有多大。这个维度回答的是：你的品牌是跑赢了还是跑输了？
五个维度各自得分，再综合成一个 0-100 的总分，对应 A 到 E 五个等级。总分适合快速判断整体状态，维度得分适合识别具体问题——比如总分看起来还行，但"信息来源质量"明显偏低，说明品牌虽然被提到但引用基础薄弱；或者总分一般，但"竞品相对表现"不错，说明在竞争格局中仍有可放大的优势。
从数据到分数：每一步都有证据
很多"AI 评分"类产品最让人不放心的地方是，你只看到一个分数，但不知道它是怎么来的。
矿工鸟的诊断体系有一个核心原则：每一个分数背后，都对应着具体的抓取记录。比如"推荐度 72 分"这个结论，往下可以拆开看到是哪些问句、哪些模型、在什么时间给出的正面或负面表达。"竞品对比"中品牌比竞品领先或落后的结论，也可以下钻到具体的关键词维度和平台分布。
这不是一个黑盒 AI 给出的模糊判断。更像是一份体检报告——每个指标都有数据来源，每项异常都有对应的检查记录。
不同阶段，看不同的报告
一个品牌的 GEO 健康度不是一成不变的。不同角色在不同阶段，需要看到的信息颗粒度也不同。
日报适合运营人员。每天凌晨自动生成，回答的是"今天有没有异常"——负面有没有突然变多、某个平台的提及有没有骤降、有没有竞品突然超越。数据量不大，重点是快速扫一眼，知道今天有没有需要处理的事。
周报适合产品和内容团队。七天的趋势数据加上环比对比、竞品雷达图和关键词变化分析，回答的是"这周的策略有没有效果、下周该调什么"。
月报适合管理层。长期趋势、行业基准对比和关键指标月度追踪，回答的是"这个品牌在 AI 里的位置是在往上走还是往下走"。
首份诊断报告最有意思。新客户第一次使用时，系统会做一次深度全景扫描——不是只扫用户输入的那一两个问句，而是覆盖 8-10 个典型意图场景，把行业里用户真正在问什么、竞品在哪里表现好、你的内容缺口在哪里，全部铺开。目的是帮客户摸清起点：你在 AI 里的牌面到底是什么样的。
一个例子
一家母婴品牌刚开始做 GEO 时，自认为"品牌知名度还行"。首份诊断报告出来之后，团队看到了几个之前完全没意识到的问题：
- 品牌在豆包和 DeepSeek 上表现不错，但在元宝上的提及率只有竞品的三分之一——他们的目标用户恰好大量使用元宝
- 正面推荐率 65%，看起来不错，但行业的平均水平是 72%，实际上落后了
- 负面内容集中在"价格偏高"这个话题上，在 3 个不同的 AI 模型里都出现了同一条来源的引用
- 竞品在"性价比""新手妈妈推荐"等高频问句下全面领先，而这些问句正是消费者做购买决策时最常用的
综合评分出来是 D 级，团队一开始不太能接受。但看完维度拆解后，他们认了。更重要的是，他们知道了先做什么——优先在元宝上铺内容、针对价格话题做正面素材、围绕"性价比"和"新手推荐"补充阵地。三个月后复测，评分到了 B 级。
总结
GEO 做得好不好，不能靠感觉。你需要知道品牌在 AI 里是健康的还是虚胖的，是被正面推荐还是在吃老本，是跑赢了竞品还是已经被暗暗超过了。
矿工鸟的诊断体系从第一个版本就在回答这些问题。它不是什么新潮的 AI 黑科技，而是一套基于持续监控、结构化量化和多维度对比的品牌健康度评估方法。把"感觉"变成"数据"，把"数据"变成"知道该做什么"。
这篇文章讲了"怎么诊断"。下一篇我们聊聊另一个被忽视的问题：竞品在你的 AI 阵地上，正在做什么。