指标

版本： VGO V1.0 已发布方法论（发布说明）；公开评估规范草案 0.1 仍单独划定范围。

1. 衡量服务于行动与验证

VGO 是行动体系。指标帮助诊断缺口、对干预排序、验证可比观察并更新下一行动计划；分数本身不是执行计划，也不是结果。评估变更时，应报告场景、行动、受影响资产、观察窗口、不确定性与反证证据。

结果层级：（1）答案与搜索信号，如提及与引用；（2）场景边界内、有证据支持的有效可见度，含相关意图、准确性与完整性；（3）可观察的用户选择或业务结果，需要额外下游证据。没有证据时，不得将第（1）层信号提升为第（2）或第（3）层。跨入口纵向增长需要可重复、可比的观察，不得仅凭公开单场景规范推断。

2. 衡量原则

VGO 区分原始曝光、有效可见度与业务结果。

衡量系统不应假定每一次查询、提示、排名、提及、引用或发现机会价值相等。

衡量应从已定义的用户人群、需求、意图、问题空间及相关可见度入口开始。

3. 应观察什么

VGO 衡量计划可观察：

• 相关搜索、直接回答与生成式情境中的发现与覆盖；
• 直接回答资格、观察到的出现、事实准确性与可追溯的来源支持，资格与出现分开记录；
• 与真实用户需求及高价值意图的相关性；
• 实体事实的准确性与一致性；
• 来源质量、权威、佐证与引用多样性；
• 在理解、比较、推荐与选择情境中的出现；当同一 AI 回答同时按 AEO 与 GEO 评估时，标明共享观察并避免重复计数；
• 第一方资产覆盖与可维护性；
• 适当时的下游可观察结果；
• 完整性风险、冲突主张与溯源问题；
• 使用可比抽样观察随时间的变化。

AEO 观察应记录确切问题、入口、时间、答案文本及可用的来源链接；区分无答案、有答案但无实体、准确的实体答案，以及不准确或无依据的实体答案。不得从一次缺席回答推断资格，也不得从答案出现推断用户选择。资格不可观察时，报告为未知，而非估算精确比率。见能力比较。

4. 有效可见度

概念上：

有效可见度 = 对的受众 × 对的意图 × 对的入口 × 对的出现

该模型传达有效可见度的逻辑。它不是通用数学公式，也不应被表述为固定的科学评分公式。

单场景公开判断遵循 EVALUATION-PROTOCOL.md。该草案不会把本模型变成总分。

5. 衡量质量

实施方应在可行处说明：

• 评估的是哪一人群或受众；
• 纳入了哪些意图或问题空间；
• 抽样了哪些可见度入口；
• 抽样周期与频率；
• 观察如何归一化或比较；
• 已知不确定性与数据局限。

6. 结果与归因

在具备第一方分析时，组织可观察流量、互动、关键页面行为、线索、转化或其他结果。

这些信号提升可观测性，但不产生完美的因果归因。多触点、跨设备、不透明的搜索系统与不透明的 AI 系统，可能阻碍确定性主张。

7. 综合指数

综合指数可用于诊断与沟通，但 VGO 不要求单一通用公开分数。

任何综合分数应披露足够的概念维度与局限，以便可解释。商业实现可使用专有模型。

8. 公开 / 专有边界

开放 VGO 定义衡量原则与概念标准。

它有意不发布：

• 专有评分权重；
• 归一化公式；
• 意图发现算法；
• 高价值评分逻辑；
• 机会排序算法；
• 自动化规则；
• 商业诊断配方；
• 实现特有的竞争情报方法。

VHI、EVR、VCR 与 OVR 可能出现在私有实现讨论中，但不是四项强制性公开 VGO 指数，也不是单场景公开规范已验证的目标。该边界使行动体系保持开放，同时允许实现发展差异化技术与运营系统。

GEO 2.0

在生成式场景中，将决策场景覆盖关联到有版本的问题集合，将理解准确性关联到已核验事实，将引用关联到主张支持证据，将推荐关联到场景适配性，将行动关联到授权变更记录，将维护关联到可比复测。每项衡量保留分母、失败样本与不确定性；不新增统一总分，也不扩展公开评估协议的验证范围。

阅读 GEO 2.0 方法。