AI 眼中的你，
值多少分？
这是个人实验室的实验数据输出。用 GEOloop Identity Engine双源（DeepSeek / 豆包）实测品牌、个人品牌、网站、术语与决策场景的 AI 可见度——当客户问 AI「该找谁」，AI 能不能答出你？
认知 · 40 分
AI 是否提到了被检测实体
描述 · 30 分
AI 的描述是否准确（与官方口径一致性）
来源 · 30 分
AI 是否引用了具体来源（官网 / 公开内容）
实测数据
| 实体 | 类型 | DeepSeek | 豆包 | 总分 |
|---|---|---|---|---|
海底捞 4 次复测稳定 70，但从不引用来源 | 企业品牌 | 70 | 70 | 70 AI 有基础认知 |
张晓明 DeepSeek 拒答；豆包仅当作「中文人名」 | 个人品牌 | 0 | 70 | 35 AI 尚未认知 |
什么是GEO？ 术语分裂：DeepSeek=生成式引擎优化，豆包=地理定位优化 | 行业术语 | 30 | 30 | 30 AI 回答质量较低 |
推荐一位做GEO优化的顾问 无任何顾问被推荐，张晓明曝光 0% | 决策场景 | 30 | 30 | 30 AI 回答质量较低 |
zkoner.com 引用追踪 cited=false，从未被引用为来源 | 网站 | 0 | 35 | 18 AI 尚未认知 |
评分：认知（AI 是否提到）× 40 + 描述（是否准确）× 30 + 来源（是否引用）× 30， 各源各问句取均值。判定档位：0–39 尚未认知 · 40–69 质量较低 · 70–99 有基础认知 · 100 充分认知。
术语认知分裂
同一个「GEO」，两家大模型给出完全不同的定义：
DeepSeek
「GEO：这里通常指 Generative Engine Optimization（生成式引擎优化）」
豆包
「GEO 是 Geography（地理）的缩写，GEO 优化就是基于地理位置的针对性优化」
本批实验的六个发现
大牌只有「基础认知」，满分遥不可及
海底捞稳定 70/100，卡在「来源不引用」。被 AI 知道 ≠ 被 AI 引用。
个人品牌是 AI 盲区
张晓明 35、zkoner.com 18。DeepSeek 对不知名实体直接拒答，豆包只当「中文人名」。有官网有内容，AI 也未必认识你。
名字被提到 ≠ 实体被绑定
豆包把 zkoner.com 认成「疑似钓鱼网站」、把张晓明认成「普通中文人名」。Entity Misbinding：名字存在，实体错位。
GEO 术语在 AI 眼里是分裂的
同一个词：DeepSeek = 生成式引擎优化，豆包 = 地理定位优化。行业没有共识，教育 AI 是 GEO 服务商的第一步。
高价值决策场景 0 曝光
「推荐一位做GEO优化的顾问」——模型能描述场景，却不推荐任何顾问，张晓明曝光 0%。
来源引用是全行业的共同空白
本批 5 个实体、18 条问答，0 个来源引用。成为「AI 的引用来源」是下一波竞争的唯一入场券。
来源引用：全行业的共同空白
本批 5 个实体、18 条问答，没有任何一条被 AI 引用为来源（source = false）。 包括海底捞。当 AI 不再「翻搜索结果」而是「直接给答案」， 能被 AI 引用为来源的内容，就是下一波竞争的唯一入场券。