一、"五维科学评分"从哪来的？

VGEO.cn 公开的评分模型包含五个维度：

维度 权重 定义
提及率 35% 真实购买决策类问题中，AI回答提及你企业的比例
推荐强度 25% 被提及时的位置与语气：首位推荐/列表提及/仅提名
信源健康 20% AI引用的关于你企业的来源数量与质量（官网/媒体/百科…）
信息准确 10% AI对你企业的描述是否正确，有无张冠李戴
竞争位置 10% 与同城同行业已检测企业的相对排名分位

这个框架乍看合理。但如果你学过基础统计学或做过模型评估，应该立刻产生三个疑问。

疑问一：权重从哪来？

35%、25%、20%、10%、10%——这些数字是怎么得出来的？

VGEO 的官方解释是"权重公开透明"。但"公开透明"不等于"有科学依据"。公开透明只告诉你权重是多少，不告诉你权重为什么是这个数。

在机器学习领域，确定特征权重的标准方法有三种：

  1. 专家打分法（Delphi）：邀请领域专家独立打分，取均值。需要公开专家人数、专业背景、打分一致性（Kappa系数）。
  2. 数据驱动法：基于标注数据训练模型，通过特征重要性（如SHAP值）确定权重。需要公开训练数据规模和标注标准。
  3. A/B实验法：对不同权重组合做在线实验，以业务指标（如用户满意度）为优化目标。需要公开实验设计、样本量和置信区间。

VGEO 用了哪种？没有说明。这在学术上称为"未经验证的启发式权重"——说白了，就是拍脑袋。

疑问二：五个维度真的互相独立吗？

这是更根本的问题。我们来看维度之间的相关性：

  • 提及率和推荐强度：AI 提到你越多，推荐你的概率自然越大。两个维度高度正相关，共线概率极高。
  • 信源健康和信息准确：信息来源越多、越权威，AI 描述当然越准确。这也不是独立维度。
  • 竞争位置：本质上是前四个维度的综合结果——分数高的自然排名靠前。那为什么还要单独占10%？这是双重计数。

在回归分析中，高度共线的特征放入同一个模型会产生"多重共线性"问题——系数的解释意义丧失，模型的稳定性下降。真正严谨的做法是：先做相关性分析，合并共线维度，再确定权重。

疑问三：怎么验证？

科学的核心特征是可证伪。一个好的评分模型应该能回答："这个分数预测了什么？"

比如说，一个企业 VGEO 评分 85 分，另一个 65 分，这个 20 分的差距意味着什么？能预测前者比后者多获得多少客户咨询？多少成交？多少收入？

如果模型不能预测任何实际业务结果，它就不是"科学评分"——它是一个"看起来很科学的数字"。

二、真实情况：VGEO 的评分模型本质

公平地说，VGEO 的五维框架确实比行业里大多数"拍脑袋打分"更结构化。它的价值在于：

✅ 把 AI 可见度这个模糊概念拆成了可测量的子维度——这是进步 ✅ 公开了权重和计算方法——比黑箱好 ✅ 提供了证据留存（AI 回答原文截图）——增加了透明度

但问题在于营销过度。"科学评分"这个词暗示了研究方法和实验验证，而 VGEO 目前的模型更接近一个经验性评分框架——基于行业直觉，而非实证研究。

这本身不是问题。经验框架也有价值，尤其在行业早期。问题是：不要把它包装成科学。

三、一个更严谨的替代方案：三维 GEO 可见度模型

如果我们要建立一个真正经得起推敲的 GEO 评分模型，可以从三个彼此独立的维度开始：

三维模型（光尘阁 GEO 研究院提出）

维度 定义 测量方式 独立性
品牌提及度 AI 在相关查询中提及企业的频率和位置 问题集采样 → LLM 查询 → 结构化解析 ✅ 独立
信源覆盖度 企业信息在可被 AI 引用的公开来源中的广度、深度和结构化程度 爬虫 + Schema.org 解析 + 来源权威度加权 ✅ 独立
内容可信度 企业公开信息的准确性、一致性和时效性 跨来源交叉验证 + 时间衰减模型 ✅ 独立

三个维度的核心区别：

  • 品牌提及度测量的是"AI 现在怎么说你"（结果指标）
  • 信源覆盖度测量的是"你有多少可被引用的信息资产"（输入指标）
  • 内容可信度测量的是"你的信息靠不靠谱"（质量指标）

这三个维度是因果链而非并列项：信源覆盖度 + 内容可信度 → 品牌提及度。它们彼此不重叠，且每个维度都有独立的测量方法论。

为什么三维比五维更科学？

  1. 维度独立性可验证：三个维度之间可以用皮尔逊相关系数量化相关性，确保不共线
  2. 权重有依据：可以做线性回归，以"品牌提及度"为因变量，"信源覆盖度"和"内容可信度"为自变量，用真实数据拟合权重
  3. 可证伪：模型预测的"品牌提及度"可以与实际检测结果对比，计算 RMSE（均方根误差），公开模型准确率

四、光尘阁的实测：用三维模型检测 20 家企业

为了验证三维模型的有效性，光尘阁 GEO 研究院对钟祥 20 家本地企业进行了首次检测（检测时间：2026年7月）。以下是核心发现：

检测方法

  • 问题集：为每家企业生成 5 个真实用户场景的购买决策问题（如"钟祥哪家装修公司靠谱"）
  • AI 平台：DeepSeek + Kimi + 豆包（三个平台取均值）
  • 信源采集：爬取企业官网、百度百科、天眼查、高德地图、大众点评 5 个信源
  • 可信度验证：交叉验证企业名称、地址、电话、经营范围四项核心信息

核心数据

发现 数据
钟祥 20 家企业 AI 平均提及率 15%（5个问题中被提及不足1次）
有独立官网的企业 仅 3 家（15%）
在 5 个信源中信息完全一致的企业 2 家（10%）
信源覆盖度与品牌提及度的相关系数 r = 0.73（强相关，p < 0.001）

关键解读

信源覆盖度是最强的预测变量。当一个企业在 5 个信源中都有标准化信息时，AI 提及率平均达到 60% 以上。而只有 1 个信源的企业，提及率基本为零。

这意味着：与其追逐 AI 算法的"黑箱偏好"，不如踏踏实实把你的企业信息结构好、铺到每个信源上。 AI 不是魔法——它只是比你想象中更依赖公开信息。

五、结论：别被"科学"吓住，也别被它骗了

GEO 行业现在还处于早期，任何"科学评分"都应该被追问三个问题：

  1. 权重怎么来的？
  2. 维度是否独立？
  3. 分数预测了什么？

VGEO 的五维评分是一个有用的框架，但它不是科学。把它当工具用可以，把它当真理信就错了。

光尘阁 GEO 研究院提出的三维模型也不完美——它更简洁，但还需要更大样本的验证。我们在做这件事，也会持续公开方法和数据。

对企业老板的实用建议：不用纠结分数是五维还是三维算出来的。你只需要关注一件事——你的企业在多少个公开信源上有准确、一致、结构化的信息？ 这个数字，比任何"科学评分"都更能预测 AI 会不会推荐你。

光尘阁 GEO 研究院 · 2026年7月 · 钟祥 本文方法论的完整数据、代码和检测工具，将在光尘阁 GEO 平台公开。 如需对您的企业进行 AI 可见度免费检测，请关注光尘阁公众号或访问 geo.vgeo.cn。