引言：为什么 60 分比 85 分的页面更容易被 AI 引用？
这是我们在 GEO 诊断实践中经常遇到的悖论：一家企业网站内容翔实、排版精美，按传统 SEO 标准能拿 85 分，但在 ChatGPT、Perplexity 中的引用率几乎为零；另一个页面看似「简陋」，却频繁出现在 AI 答案里。
原因在于：AI 搜索引擎评估网页的逻辑，和人类完全不同。它不关心你的设计多美观，只关心你的内容能不能被结构化地「提取」成答案片段。
CiteNex GEO 的 11 维评分体系，正是把「AI 可引用性」这个抽象概念拆解成可量化的指标。但很多用户拿到评分卡后的第一反应是：「11 个维度都要补，从哪儿下手？」本文将拆解每个维度的权重逻辑，并给出明确的优化优先级。
一、评分不是平均主义：三层权重结构
先给结论：11 个维度并非同等重要。根据我们对数千个被 AI 高频引用页面的逆向分析，可以将其分为三层：
- **第一层：引用入场券（合计权重约 50%）**——结构化数据、实体清晰度、数据点密度
- **第二层：引用竞争力（合计权重约 35%）**——权威引用、FAQ 覆盖度、对比结构、语义覆盖
- **第三层：引用保鲜剂（合计权重约 15%）**——时效信号、来源透明度、引言质量、页面架构
这个分层不是拍脑袋，而是基于 AI 答案引擎的工作机制：LLM 生成答案时，优先检索「机器可读、事实密度高、来源可信」的内容。第一层的三个维度，直接决定了你的页面能否进入 AI 的候选引用池。
第一层详解：入场券维度
结构化数据（权重约 20%） 是单项权重最高的维度。Schema.org JSON-LD 标记相当于给 AI 递上一份「内容说明书」——告诉它这段文字是什么类型（产品？FAQ？组织信息？）。我们的监控数据显示：部署完整 JSON-LD 的页面，在 Perplexity 中的引用率比无标记页面平均高出 2.4 倍。这不是魔法，而是降低了 AI 的解析成本。
实体清晰度（权重约 15%） 回答的问题是「你是谁」。品牌名、产品名、创始人、所在行业——这些实体信息必须在页面上被明确、一致地表达。很多网站的致命伤在于：首页用简称，产品页用英文名，关于页又是另一个叫法。AI 无法把这些碎片归并到同一个实体上，引用自然分散。
数据点密度（权重约 15%） 是最容易被忽视、却回报最高的维度。AI 生成答案时天然偏好可验证的事实：「年出货量 120 万台」永远比「行业领先」更有引用价值。我们的建议是每 200 字内容至少包含 1 个具体数据点（百分比、金额、数量、时间）。
第二层详解：竞争力维度
拿到入场券后，这四个维度决定你能否在竞品中胜出：
- **权威引用（约 10%）**：外链到行业报告、学术来源、监管机构页面，本质是给 AI 传递「我的说法有据可查」的信号。
- **FAQ 覆盖度（约 10%）**：AI 搜索引擎的本质是问答，你的页面以「问题-答案」结构呈现，就是直接喂给 AI 现成素材。一个 5-8 题的 FAQ 区块，往往能贡献整个页面 40% 以上的被引用片段。
- **对比结构（约 8%）**：「A vs B」「X 与 Y 的区别」是 AI 搜索的高频意图。表格化的对比内容被引用的概率远高于纯叙述文字。
- **语义覆盖（约 7%）**：围绕核心主题的语义完整性。只讲「是什么」不够，还要覆盖「为什么」「怎么做」「多少钱」「有哪些替代方案」。
第三层详解：保鲜剂维度
- **时效信号（约 6%）**：明确的发布日期、更新日期、「2025 年最新」类表述。AI 引擎对时效的偏好正在增强，半年未更新的页面引用率平均衰减 30%。
- **来源透明度（约 4%）**：作者署名、数据来源标注、方法论说明。
- **引言质量（约 3%）**：开篇 100 字是否给出核心结论。AI 倾向于抓取「倒金字塔」结构的摘要段。
- **页面架构（约 2%）**：H1-H3 层级、语义化标签、加载性能——基础但不能没有。
二、优化优先级：一份可直接执行的作战地图
基于权重分层，我们建议按以下顺序行动：
第一步：72 小时能完成的「入场券」工程（P0）
注入 JSON-LD 结构化数据：至少覆盖 Organization、Product、FAQPage 三类。这是纯技术动作，不涉及内容重写。
统一实体表述：全站品牌名、产品名、Slogan 保持一致，在关于页补充 Wikidata/百度百科等实体锚点。
给核心页面「补数据」：逐段检查，把模糊的形容词替换成具体数字。「服务众多客户」→「累计服务 2,300 家企业客户」。
这三个动作做完，评分通常能从 40 分档跃升到 60 分档——这是引用率开始产生质变的区间。
第二步：两周内的「竞争力」建设（P1）
为流量 Top 10 页面添加 FAQ 区块：每页 5-8 个问题，从真实客服记录和销售对话中提取，而非凭空编造。
给对比类内容表格化：找出页面中所有「我们 vs 竞品」「方案 A vs 方案 B」的叙述，改造成对比表格。
补充权威外链：每个核心论点至少链接一个第三方权威来源。
第三步：持续运营的「保鲜」机制（P2）
建立季度内容刷新机制，更新数据和时效表述；
为关键文章补充作者署名和来源说明；
将核心结论提炼为开篇摘要段。
三、工具如何加速这个过程
手工完成上述全部工作，一个 20 页的网站大约需要 80-120 小时的内容和技术投入。这也是我们设计 CiteNex GEO 三引擎架构的初衷：
GEO 诊断引擎自动生成 11 维评分卡，按权重排序输出「失分最多、回报最高」的修复清单——你不用自己判断优先级。GEO 改写引擎基于云端大模型自动为页面注入 JSON-LD、数据点、专家引言和 FAQ 区块，把 P0 阶段从几天压缩到几分钟。AI 引用监控引擎则持续追踪你在 Perplexity、ChatGPT、Kimi 等引擎中的引用率和声量份额（SOV），形成「诊断→优化→验证」的闭环。
对于内容缺口较大的企业，内容工厂可以基于企业事实库自动批量生成 FAQ 扩展和对比评测文章，经人工审核后自动发布——解决「知道要做什么，但没有产能」的常见瓶颈。
总结：评分的本质是翻译
11 维评分体系的本质，是把「AI 喜欢什么样的内容」翻译成人类可执行的检查清单。记住三个关键认知：
先拿入场券，再谈竞争力——结构化数据、实体清晰度、数据点密度权重最高，优先级最靠前；
数据点是被低估的杠杆——每 200 字一个具体数字，是投入产出比最高的单点优化；
GEO 是持续运营，不是一次性工程——时效信号和语义覆盖需要季度级的维护节奏。
先从你的流量 Top 3 页面做起，跑通一遍「诊断-修复-监控」的完整循环，再向全站推广。