体检诊断
想知道自己在 AI 里到底是什么形象的企业
一次交付 · 报告 + 问题清单 + 修复优先级
- 站点 GEO 六维评分（含集团多站）
- 逐项归因：哪个标签、哪一行、为什么失分
- 跨来源实体口径冲突清单
- 按性价比排序的修复处方
- 可自行执行的优先级建议
治理陪跑
已经有官网和内容，但 AI 读不懂、说法还打架
按站 / 按项目 · 诊断 + 治理 + 语料，落到能上线的文件
- 建立品牌事实卡：唯一真源
- 实体一致性治理：跨站口径收敛
- 结构化数据全套交付（含实体
@id串联） - llms.txt 与爬虫策略重写
- 语料工程：定义句、问答对、数据锚
- 上线护航：备份、验证、可回滚
年度托管
把 AI 可见度当成一项持续资产来经营
年费 · 季度复盘 + 持续语料供给
- 跨平台可见度监测与月度报告
- 准确上榜率追踪（含被说错的修正）
- 行业意图变化跟踪与语料迭代
- 新内容上线前的 GEO 预检
- 季度策略会与优先响应
具体报价按站点数量与治理范围确定。联系我们后会先给一份范围与工作量说明，再谈价。
交付清单
治理陪跑到底交什么
所有交付物都是可以直接上线的东西，不是建议文档。 每一项都带改造前后对照。
| 交付物 | 内容 | 形态 |
|---|---|---|
| 品牌事实卡 | 法定主体、地址与角色、电话与角色、成立年份、业务范围、方法论定义、可核验资质 | 品牌事实卡.json + 一页纸的对外口径说明 |
| 实体一致性核查报告 | 跨全部站点与已知第三方来源的字段级冲突清单，含严重度分级与处置建议 | HTML 报告 + 冲突清单表 |
| 结构化数据包 | Organization / WebSite / Service / FAQPage / BreadcrumbList，含实体 @id 串联 |
可直接部署的 JSON-LD 或 mu-plugin 文件 |
| llms.txt 与爬虫策略 | 站点说明书 + robots.txt 重写（放行 GPTBot / ClaudeBot / PerplexityBot 等） | 纯文本文件，放根目录即生效 |
| 语料工程包 | 定义句、问答对、数据锚，按意图矩阵选题改写既有内容 | 改前 / 改后逐段对照，可直接粘贴 |
| 上线护航记录 | 每次写入的备份文件、验证结果、回滚路径 | 备份 JSON + 验证清单 |
| 体检报告 | 改造后的复评分与前后对照 | HTML 报告 + JSON 原始数据 |
交付 SOP
六步，每一步都可验收
我们在自己五个站上跑过完整流程，每一步的坑都踩过一遍。 流程本身是交付物的一部分。
STEP 01
诊断与归因
跑引擎、出报告。客户验收点：问题清单是否与自己的认知对得上
本步交付站点 6 维评分表 1 份 · 逐行问题清单（定位到具体标签与行）· 合规校验 27 条规则 · 按性价比排序的修复处方
STEP 02
事实卡确认
逐字段与客户确认「哪个说法是对的」。验收点：事实卡签字
本步交付品牌事实卡 1 份（5 组字段：品牌 / NAP / 数据 / 方法论 / 域名角色）· 对外口径说明 1 页（可直接转给建站方与写手）
STEP 03
口径收敛
按事实卡修正各站与结构化数据。验收点：冲突清单清零
本步交付结构化数据 4 类节点（Organization / WebSite / DefinedTerm / LocalBusiness）· 唯一真源收口 · 跨来源冲突清单清零
STEP 04
语料工程
定义句、问答对、数据锚改写。验收点：逐段对照确认
本步交付语料标准件 5 类 · 语料格 6 组 · 覆盖 16 条提示词的问答对与定义句，逐段改前改后对照
STEP 05
上线与验证
带备份上线，前台源码逐项核验。验收点：验证清单全绿
本步交付交付包 7 个文件：要上传的 3 份（llms.txt / robots.txt / schema.jsonld）＋ 写作参考 3 份 ＋ 「先看我」说明 1 份 · AI 爬虫白名单 20 条
STEP 06
复评与监测
重新体检出分，进入可见度监测。验收点：复评分对照
本步交付复评报告 1 份（改前改后对照）· 15 个 AI 引擎 × 16 条意图矩阵的监测记录 · 信源缺口清单
每步都留一手：所有线上写入都先备份原值，记录写入前后的完整数据。
任何一步客户不满意，都可以在 30 秒内回滚到改动前——
我们不改任何无法回滚的东西。
承诺与边界
我们说做什么，也说清楚不做什么
一个行业里，越是把「保证效果」说得斩钉截铁的，越需要小心。 下面两栏请放在一起看——左边是我们敢写进合同的话，右边是我们当面会拒掉的话。
| ✓ 我们承诺 | ✕ 我们拒绝 |
|---|---|
| ✓每一项改动都给出改动前后的可查证据 | ✕不承诺「三天被 AI 推荐」 |
| ✓每一处线上写入都有备份与回滚路径 | ✕不承诺固定排名或固定引用条数 |
| ✓评分规则公开可查（就写在配置文件里） | ✕不承诺买断某个关键词的答案位置 |
| ✓自己的站点先做，分数与问题清单公开 | ✕不做任何针对模型的作弊性内容投喂 |
| ✓诊断数据可本地运行，不出你的门 | ✕不把客户资料上传来换取服务 |
原因很简单：AI 答案是模型实时生成的，没有任何服务商能控制它输出什么。 说能控制的，都是在卖确定性幻觉。 我们能控制的只有一件事——写进你网站与语料里的东西， 是不是准确的、一致的、可核验的。
同城同行业保护条款写进合同
同一城市、同一细分行业，同期我们只服务一家客户。
- 你签约之后：同城同行的同类需求，我们会如实告知并向后排期——除非你同意我们接。
- 你的同行先来了：签约之前我们会告诉你，由你决定接不接受；若你接受，我们会写明下一个可启动的档期。
- 不因为后来者出价更高而换人。这条会写进服务协议，不是口头客气。
为什么敢写这条：我们做的事情本质是替一家企业把「你是谁、你凭什么」说清楚。
同一赛道两家客户的定位与语料天然互相打架，两边都做不好。所以宁可少接一家。
也说清楚它的代价：这条款对我们是有成本的——它意味着我们会主动拒掉一部分生意。 如果你看到别家承诺得比我们还满、价格还更低、还愿意同时服务你所有同行，那正好说明我们不是同一种做法。
也说清楚它的代价：这条款对我们是有成本的——它意味着我们会主动拒掉一部分生意。 如果你看到别家承诺得比我们还满、价格还更低、还愿意同时服务你所有同行，那正好说明我们不是同一种做法。
一个证据：我们公开自己主站的体检分 63.2 分（C 级），
以及首页两份互相冲突的结构化数据、三处并存的地址口径。
这些病历都在实测证据页 →