# goovo.me

> goovo 的技术博客：系统架构、Web3 与 AI 全栈。2000 年开始写代码，记录那些真正踩过的坑。

作者 goovo，AI 全栈 / 架构 / 后端，2000 年开始写代码。文章以 Markdown 写作，
站点为纯静态输出，长文地址形如 /posts/<年份>/<slug>/，短笔记集中在 /notes/。

另有一个双语系列《GEO 出海 / GEO for Global E-commerce》：11 期、132 篇，
中文入口 /geo/，英文入口 /en/geo/，主题页与文章均带 hreflang 对照。

## 文章

- [GEO 论文精读：40% 的可见度提升从哪来，又没证明什么](https://goovo.me/posts/2026/geo-paper-reading-notes/): 普林斯顿等机构的 KDD 2024 论文首次把 GEO 形式化：10K 查询、9 种改写策略、两个生成式引擎。本文拆开 40% 提升的实验前提、排名再分配效应，以及论文没有证明的事。
- [Rust 为什么快：从所有权语义到机器码的链路分析](https://goovo.me/posts/2026/why-rust-is-fast/): Rust 的高性能不是某个单点特性，而是所有权/借用、内存布局、单态化与 LLVM 优化共同作用的结果。本文拆开这条链路，也拆开它的代价。
- [satisfies 解决了什么问题：一次类型收窄的实战](https://goovo.me/posts/2026/typescript-satisfies/): 类型标注会丢掉字面量信息，as 会跳过检查，satisfies 是唯一「既校验又保留」的写法。用一个配置对象的例子说清楚三者区别。
- [Astro 内容层：把博客当作一个工程来维护](https://goovo.me/posts/2026/astro-content-layer/): Content Collections 用 zod 校验 frontmatter，让文章字段的错误在构建期就暴露，而不是等你发现某篇文章从列表里消失了。
- [为什么 2026 年我还在写博客](https://goovo.me/posts/2026/why-i-still-blog/): 在一个模型能替你写出一万字的年代，自己动笔的理由反而更清楚了：写作不是为了产出内容，是为了校准判断。
- [Postgres 索引膨胀排查手记：从 40GB 到 6GB](https://goovo.me/posts/2025/postgres-index-bloat/): 一张 2000 万行的表，索引占了 40GB。记录一次完整的膨胀排查过程：怎么确认、怎么安全重建、怎么防止再次发生。
- [幂等设计：分布式系统里最被低估的约定](https://goovo.me/posts/2025/idempotent-api-design/): 接口能重试，才算真正可用。用一个支付扣款场景讲清楚幂等键、状态机与并发边界该怎么配合，以及 90% 的实现错在哪。

## 笔记

- [CSS subgrid：终于不用算像素对齐了](https://goovo.me/notes/#note-css-subgrid): 卡片列表里标题长度不一，底部按钮对不齐。subgrid 让子元素直接参与父网格的行轨道，一行 CSS 解决。
- [git absorb：把 fixup 提交自动归位](https://goovo.me/notes/#note-git-absorb): 改完代码不想再手动 rebase -i 一个个 squash？git absorb 会根据改动自动生成 fixup 提交并归位到正确的 commit。

## GEO 出海（中文）

- [系列总览](https://goovo.me/geo/): 11 期、132 篇的阅读路径与全量目录

### 战略与市场

- [战略与市场主题页](https://goovo.me/geo/strategy/): 市场优先级、预算、竞争与组织。先把“做不做、做哪里、怎么算账”想清楚，再谈页面。
- [AI 搜索把海外电商流量切成了四段](https://goovo.me/geo/strategy/ai-search-traffic-shift/): AI 搜索没有消灭流量，而是把它重新中介化。本文拆开 AI Overviews、聊天助手、平台内 AI 与 agent 购物四个入口，给出一张可执行的自测表。
- [2026 出海电商的 GEO 市场优先级矩阵](https://goovo.me/geo/strategy/market-priority-matrix/): 别再用市场规模排优先级。用 AI 渗透率、语言壁垒、平台集中度、内容竞争、履约信任五个变量给候选市场打分，判断先做哪个国家、用什么打法，并选出一个能在 90 天内验证的试点市场。
- [抓取预算不是 Google 的专利：AI 爬虫的预算逻辑](https://goovo.me/geo/strategy/ai-crawl-budget/): 站点越大，AI 爬虫越会替你排出抓取顺序，而它排的往往是参数页和变体页。本文拆开新鲜度、响应速度、链接结构如何决定抓取频率，给出十万级 SKU 的分层与五步收敛做法，以及这套逻辑何时不该用。
- [自建站、Shopify、Amazon：三种载体的 GEO 可访问性](https://goovo.me/geo/strategy/platform-crawlability-compared/): 同一款商品在自建站、Shopify 与 Amazon 上，能改的层完全不同。本文用一张控制权对照表，拆开三种载体对 AI 抓取、渲染与引用的实际影响，给出按载体分配目标的做法，并指出哪些层根本不在卖家手里，避免把一份 GEO 清单复制三遍。
- [先统一商品主数据，再谈 GEO](https://goovo.me/geo/strategy/product-master-data-first/): AI 答案里的容量、功率与兼容性出错，多半不是文案问题，而是同一件商品在官网、feed 和平台上各说一套。本文界定主数据的范围与所有权，拆开市场、运营、IT 的分工，给出 12 个字段起手的最小治理路径与验收口径。
- [品类树怎么建，AI 才听得懂](https://goovo.me/geo/strategy/category-taxonomy-for-ai/): 内部品类、平台类目、Google 商品类目是三套语言，硬选一套，商品就会在 AI 的答案里错位。本文拆开三套体系的用途差异，给出映射表的最小字段、层级与面包屑的三条判断、五步落地做法，以及不该建这套映射的边界。
- [内容产能怎么排：132 篇之后还能写什么](https://goovo.me/geo/strategy/content-operations/): 132 篇写完只是起点。本文拆开模板、专家、数据三条供给线的真实成本与衰减速度，给出四个选题池、季度排产配额、页面刷新与淘汰规则，并说明哪些团队不该照搬这套产能模型。
- [先写哪一页：用购买意图给页面排序](https://goovo.me/geo/strategy/page-priority-matrix/): 页面顺序排错，写得再好也没用。用流量、毛利、竞争空隙、AI 引用缺口四个维度给页面组打分，加一道可提取性门槛，选出这一季真正该改的三页，并给出季度重排的三个触发信号。
- [信任资产的预算怎么分](https://goovo.me/geo/strategy/trust-asset-budget/): 信任类支出最容易在周报上好看、在 AI 回答里消失。本文给出一张信任资产盘点表、三个打分维度和饱和信号，配一套季度调仓规则，帮你把预算压到真正影响 AI 推荐的那几项上，而不是继续买曝光。
- [什么品类最吃证据：美妆、3C、母婴与户外](https://goovo.me/geo/strategy/category-evidence-intensity/): 同一条证据在美妆、3C、母婴与户外四个品类里的权重完全不同。用买错代价、后果严重性、体验不可替代与口径可比性四个问题给品类排证据强度，给出每类的取证清单与四步投入顺序，并说明哪些品类再加证据也不划算。
- [挑战者品牌的机会：AI 不喜欢只有大牌](https://goovo.me/geo/strategy/challenger-brand-advantage/): 大牌在 AI 答案里占的是稳妥位置，挑战者抢的是具体条件下的最优解。本文拆开大牌写法的四个结构性弱点，给出参数、场景、过程三类差异化证据、切入品类的三个筛选条件，以及一段可直接替换的写法示例。
- [价格带与套餐：AI 怎么理解你的定位](https://goovo.me/geo/strategy/pricing-tier-positioning/): AI 不读定价策略，只抓住页面上最容易被抽走的那个数字。拆开价格锚点、套餐命名与可比较字段，说清低配 SKU 为什么把品牌拖进错误的价格带，附五步落地表、字段校验清单和可复现的抽样测试。
- [先做哪个国家：GEO 市场进入的 6 个变量](https://goovo.me/geo/strategy/market-entry-six-variables/): 市场进入不是比哪个国家更大，而是算重建成本。把合规、履约、母语能力当门槛，把 AI 渗透、平台结构、语料密度当加速项，配一张六变量检查表、三类市场的进入动作与 90 天试点的取舍。
- [翻译、本地化、原生化：三种成本三种结果](https://goovo.me/geo/strategy/translation-vs-localization/): 机翻、本地化、原生化不是同一件事的三档质量，而是三条成本结构不同的产线。本文给出三层的判定标准、成本与结果的对应表、同一台咖啡机的三种写法，以及什么时候值得为一个市场重做原生化内容。
- [站外投入怎么排序：媒体、社区、红人、目录](https://goovo.me/geo/strategy/offsite-investment-order/): 站外预算只有一笔，媒体、社区、红人、目录该先投哪个？用可信度、可引用性、成本三维打分，给出四个阶段的投入顺序、预算切分与预期管理，并说明哪些站外投入换不来一次 AI 引用。
- [品牌搜索与 AI 提及的飞轮](https://goovo.me/geo/strategy/brand-search-flywheel/): AI 提及、品牌搜索与直接访问互相供料，却常被当成三个渠道分别归因。本文拆开飞轮的三个环节与滞后顺序，给出四组指标、五步启动表、一个十二周示例，以及三种飞轮转不起来的情况。
- [平台 vs 独立站：谁会被 agent 优先调用](https://goovo.me/geo/strategy/platform-vs-dtc-agentic/): 平台与独立站在 agent 购物里不是二选一：agent 先看可验证性与可追责性，再按场景调用。本文给出六项对照、四种场景的选择规则、五步组合打法，以及同一款商品在两个载体上被调用的示例。
- [Agentic Commerce 的商业模式：佣金、广告与会员](https://goovo.me/geo/strategy/agentic-commerce-business-model/): agent 替买家比价下单后，品牌多了一条变动成本。本文拆佣金、答案位广告、会员三种收费结构对毛利与推荐动机的影响，给出最高可付佣金的五步测算、一个报价对比示例，以及谈判时要先问清的四个问题。
- [GEO 预算模型：从流量价值倒推](https://goovo.me/geo/strategy/budget-model/): GEO 的预算不该按篇数报价，而该从 AI 分走的流量值多少钱倒推。本文给出四个输入与一条上限算式、五类支出的回收期排序、三种预算档位，以及一个标注假设的算例和退出条件。
- [自建、代运营还是工具：GEO 的能力组合](https://goovo.me/geo/strategy/build-vs-buy/): GEO 不是一道整包采购题。市场取舍、问题链与合规口径必须自留，抓取审计、结构化数据与采样可以买。本文给出五项能力矩阵、四步落地表、两种组合的示例对比，以及合同里必须写清的三条。
- [GEO 的 90 天落地路线图](https://goovo.me/geo/strategy/90-day-roadmap/): 90 天写不完 132 篇，也不必写完。本文把路线图拆成 13 周的三段闸门：可见性、答案资产与度量，给出三个签收点、各段负责人与验收口径，并列出四类最常见的延期原因和对应的拆法。
- [2027 展望：GEO 会变成什么样的岗位与预算项](https://goovo.me/geo/strategy/2027-outlook/): GEO 的支出散在内容费、工具订阅与技术工时里，没有一个名字对 AI 答案负责。本文给出 2027 年更可能的岗位形态、三类职责分工、预算从内容费转向可见度基础设施的对照，以及一张五步审批清单与一份示例编制。

### 内容与语义

- [内容与语义主题页](https://goovo.me/geo/content/): 答案单元、商品标题、属性、对比与场景页。让 AI 能摘出一句准确的话，让买家愿意信。
- [AI 答案里的商品，长什么样](https://goovo.me/geo/content/anatomy-of-ai-shopping-answer/): AI 给出的商品答案，是实体、属性、价格库存、评价、引用五层的拼装，而不是一张商品页。本文拆开这五层，指出最常见的三类缺失与误读，并给出内容团队先补哪一层、谁来补、怎么验证的顺序。
- [从关键词到问题链：海外买家的 12 个真实提问](https://goovo.me/geo/content/buyer-question-chain/): AI 搜索按问题链展开，不按关键词匹配。本文把购买旅程拆成发现、理解、比较、下单四段，给出 12 个可改写的买家提问、三个采集来源与一套去重规则，再用一张缺口表判断哪些页面该补、哪些该删。
- [为什么你的品牌在 ChatGPT 里没有名字](https://goovo.me/geo/content/brand-missing-from-chatgpt/): 品牌在 ChatGPT 里没有名字，多数不是内容不够，而是实体缺失或不可验证。本文给出三个当天能做完的实体诊断测试，以及实体、证据、内容三步修复顺序中每一步的验收标准与常见误用。
- [给 AI 看的导航：分类、筛选与分页](https://goovo.me/geo/content/crawlable-category-navigation/): 筛选参数会把几千个 SKU 变成 AI 抓不到的迷宫。本文拆开面性导航的三个陷阱、分页与 canonical 的处理方式，再给出从首页到商品页三跳可达的五步落地做法，以及一套能照着验收的标准。
- [商品变体与缺货页：别让 AI 读到 404](https://goovo.me/geo/content/variant-and-stock-pages/): 变体拆出的几十个 URL、缺货时随手改成 404，都会让 AI 已经读到的商品页失去落点。本文给出变体 URL 的三种收敛方式、缺货页在 200、301 与 410 之间的选择标准，以及重新上架后的恢复顺序，附一张可照做的检查表。
- [hreflang 之外：多语言站点的抓取一致性](https://goovo.me/geo/content/multilingual-crawl-consistency/): hreflang 校验通过，德语商品页仍可能被 AI 判成重复页，德语提问永远轮不到你。本文拆开语言目录、canonical 与 hreflang 的三角冲突，讲清站点地图、缺失页与内容对等的处理，给出五步对齐做法和验收口径。
- [属性不是参数表：把规格翻译成购买理由](https://goovo.me/geo/content/attributes-to-benefits/): 参数表回答不了买家真正的问题。本文把属性拆成参数、意义、场景三层，给出可直接套用的翻译句式、四步落地顺序和一次示例改写，并说明哪些品类、哪些阶段不该做人话翻译。
- [商品标题的 GEO 写法：实体 + 差异点 + 场景](https://goovo.me/geo/content/product-title-formula/): 标题是 AI 识别商品的第一字段，也是最便宜的一处实体修复。本文拆解实体、差异点、场景的三段公式，给出四个把实体写丢的反例、长度与语序的本地化判断、批量改写的优先级，以及不该动标题的五种情况。
- [同一件商品，五种说法：别名、型号与本地叫法](https://goovo.me/geo/content/product-aliases-and-models/): 买家不会用你的型号提问。本文拆开正名、型号、平台类目名、本地口语与错拼五种说法，讲清哪些该收、哪些会把两个型号搅成一个，给出词表字段、五步做法、页面落点与不适用边界。
- [答案单元：一段话让 AI 说清你卖什么](https://goovo.me/geo/content/answer-unit-framework/): 答案单元是页面上那段脱离上下文也能独立成立的 80–120 字：定位、证据、差异、下一步。本文拆开四段的写作顺序，给出好例坏例对照、五步落地表，以及全站复用与本地化时必须重取哪些证据。
- [PDP 首屏：AI 摘录的是哪 80 个字](https://goovo.me/geo/content/pdp-above-the-fold/): AI 从商品页摘走的那段话，几乎都来自首屏。本文拆开抽取的三个断点，给出首屏信息的推荐顺序、摘要块的写法、四步抽取测试与验收口径，并说明哪些品类、哪些渠道不该照这个顺序改。
- [品类页不是商品列表：用问题链组织类目](https://goovo.me/geo/content/category-page-question-chain/): 类目页只铺 SKU，AI 就只拿到一份名单，摘不出“怎么选”。把品类页拆成品类边界、选型维度、场景分流、横向对比、证据五段，配一张问题链到页面的映射表，说明与 PDP 如何分工，并给出一条类目先跑通的做法。
- [把参数写成证据：测试、对比与可复现方法](https://goovo.me/geo/content/evidence-based-copy/): 续航 20 小时不是证据，在什么条件下测出 20 小时才是。本文拆开证据句式的四个要素，讲清测试条件与同口径对比的写法，给出五步落地表，也说明哪些参数不能公开、哪些品类不该这样写。
- [差评怎么处理，AI 才不放大](https://goovo.me/geo/content/negative-reviews-and-ai/): 差评一旦被 AI 摘走，删评和投诉只会把讨论推到更难控的站外。本文拆开模型偏爱具体负面证据的原因，给出归类、公开回应、页面留痕、口径对齐、复测五步做法与一段示例，并说明四类不该套用的情况。
- [认证、专利与奖项：怎么让 AI 读懂资质](https://goovo.me/geo/content/certifications-and-awards/): 证书编号、覆盖型号、签发机构、有效期缺一项，资质在 AI 眼里就只是图标。本文拆开认证、专利、奖项三类资质的字段清单，给出五步台账做法、一段改前改后示例，以及夸大与失效的边界。
- [AI 的候选集只有 3–5 个名字，怎么进去](https://goovo.me/geo/content/ai-shortlist-mechanics/): AI 购物答案通常只给三到五个名字。本文拆开候选集的形成机制、品类相关性、可比较性与信任三层门槛，以及五个席位的分配逻辑，最后给出一套用 20 个问法自测、只补缺失字段的四步做法。
- [对比页：和竞品放一起，AI 才容易选你](https://goovo.me/geo/content/comparison-page-structure/): 对比页不是自夸页。本文拆开对比维度的选法、公平性与可验证性的三条规则，给出四步落地表、对比表的机器可读写法与内链路径，并说明哪些品类不该做对比页，以及竞品数据无法核实时的处理方式。
- [场景页：把“适合谁”写清楚](https://goovo.me/geo/content/use-case-pages/): AI 按场景匹配推荐，场景页决定你进不进得了那份 3–5 个名字的候选名单。本文给出约束式场景的筛选方法、页面的六段骨架、商品页与品类页的互链规则，以及写了反而扣分的三种情况。
- [不是翻译：本地购买语言里的 5 个陷阱](https://goovo.me/geo/content/local-buying-language/): 机翻把德语站写成英文的复刻版：单位、含税价、退货窗口、合规标识全对不上，AI 就把你当外国卖家。本文拆开五个高频错位，给出一张 12 行的本地槽位表、一段商品首段改写示例，并写明什么时候先别做本地化文案。
- [区域同义词：同一样东西，五个国家五种叫法](https://goovo.me/geo/content/regional-synonyms/): 同一双人字拖，美国叫 flip-flops，澳洲叫 thongs，新西兰叫 jandals。区域同义词决定 AI 能不能检索到你、会不会用对词介绍你。本文给出概念表的取材与歧义标注方法、五步落地表，以及同义词在页面的落位规则。
- [本地证据：海外市场信什么](https://goovo.me/geo/content/local-trust-signals/): 同一张五星评论截图，在德国的答案里几乎不起作用，在日本却会被追问售后。本文拆开德国、美国、日本与东南亚四套信任逻辑，给出按市场配证据的五步表、一段双市场示例，以及照搬本国经验会踩的坑。
- [可引用资产：原创数据、工具与模板](https://goovo.me/geo/content/citable-assets/): 软文只被引用一次，资产会被反复调用。本文拆开原创数据、工具与模板三类可引用资产的生产成本、选题标准、结构化承载与更新节奏，给出一张五步落地表和判断资产值不值得做的口径。
- [专家署名与观点稿：AI 需要“谁说的”](https://goovo.me/geo/content/expert-bylines/): 同一句判断，署名给谁，决定了 AI 敢不敢引用。本文拆开归属机制、专家资质的三条可核对事实、观点稿的四段结构与分发时的表述一致性，并给出五步落地表、一个改前改后的示例，以及付费稿、代工、强监管等六条署名边界。
- [社区回答不是发广告：Reddit/Quora 的正确姿势](https://goovo.me/geo/content/community-answers/): 社区回答要先有用，才谈得上品牌。本文拆开 Reddit 与 Quora 的结构差异、四段回答写法与身份披露，给出一张五步落地表、一条被删回答的改法，并划清强监管品类、B2B、危机公关等不该进场的情况。
- [为 agent 写的商品描述：短、准、可比较](https://goovo.me/geo/content/copy-for-agents/): agent 不看品牌散文，只把商品压成比较表里的一行：先写带单位与口径的参数句，再写主动排除的边界句，最后才是品牌句。本文给出三段式、删词表、五步落地与多语言改写时该换什么、不该换什么。
- [配送与退货政策：AI 也会读](https://goovo.me/geo/content/shipping-returns-policy/): 配送时效、运费、退货窗口是 agent 筛选商品的字段，不是售后文案。本文给出政策页七项必填字段、不可直译的多市场差异写法、五步落地清单，以及一份退货政策的改前改后对照。
- [订阅、组合与配件：让 agent 会追加销售](https://goovo.me/geo/content/bundles-and-cross-sell/): agent 只追加它能验证相关的商品：兼容关系、包含清单、复购周期都得是结构化字段。本文拆开套装、配件与订阅的三套字段，给出兼容性四列表、四步落地与一个可核对的示例，说明为什么“兼容主流机型”这类写法等于没有信息。
- [AI 答案里的品牌叙事：一致性检查](https://goovo.me/geo/content/brand-narrative-consistency/): AI 会把官网、平台 listing、媒体与评论拼成一个品牌，冲突处取公约数。本文给出七要素叙事卡、四步多源审计表与修正顺序，讲清一致性为什么发生在要素层，以及全站同一句话为什么反而更难被引用。
- [竞品 AI 可见度 benchmark：看哪几个对手](https://goovo.me/geo/content/competitor-ai-benchmark/): 竞品 benchmark 的成败在名单：十家对手多数从不出场。本文给出 3 个直接对手加 2 个替代品的选法、固定问题集的采样纪律、只记三列的月度表与示例读法，并说明这套表何时会误导判断。
- [内容组合审计：哪些页面值得先改](https://goovo.me/geo/content/content-portfolio-audit/): 组合审计的产出不是一张重写清单，而是改、并、停三张单子。本文给出流量、毛利、引用缺口、改造成本四维的分队排序法，一套五步批量审计流程，以及按缺口类型整批复测的验收口径。
- [内容工厂的 GEO 质检清单](https://goovo.me/geo/content/content-qa-checklist/): 内容工厂的返工集中在三类：口径与主数据不符、页面摘不出答案、本地化按中文直译。本文给出四组 20 项可判定清单、三道不签就发不出去的闸门、按失败类型归因的抽检与返工上限，以及哪些团队不该上全套。
- [模板化与个性化：132 篇之后怎么不重复](https://goovo.me/geo/content/modular-content-system/): 模板能保证结构齐、字段全，却让 60 篇稿子长成同一句话。本文拆开模块库与角度矩阵：哪些字段必须固定、哪些插槽必须换证据，给出五步落地表、去重门禁与一个双坐标示例，并说明事实型内容为什么不能个性化。
- [2027 内容主题规划：从单品到品类知识](https://goovo.me/geo/content/category-knowledge-planning/): 2027 年的内容规划不该再按 SKU 摊平，壁垒会从单品页移到品类知识。本文拆开品类知识地图的四类节点，给出划边界、填地图、排选题、资产化的五步流程，以及与商品页的分工和验收口径。

### 技术底座

- [技术底座主题页](https://goovo.me/geo/technical/): 抓取、渲染、结构化数据、feed、hreflang 与数据管线。AI 进不来、读不懂，内容再好也没用。
- [AI 爬虫地图：GPTBot、ClaudeBot、PerplexityBot 与 Google-Extended](https://goovo.me/geo/technical/ai-crawler-map/): 训练爬虫与检索爬虫的用途不同，robots.txt 放行谁，直接决定 AI 答案里有没有你。本文拆开主流 AI 爬虫的差异与 robots 指令的真实语义，给出按爬虫与页面类型放行的判断表，以及验证身份与抓取效果的做法。
- [你的独立站，AI 能渲染吗](https://goovo.me/geo/technical/can-ai-render-your-store/): AI 爬虫多数不执行 JavaScript，客户端渲染的店铺在 AI 眼里可能只是一张白壳。本文拆开从响应到 DOM 的渲染链路，指出五个常见失败点，给出三种不用写代码的测试方法，并比较 CSR、SSG、SSR 与动态渲染的取舍。
- [llms.txt 对电商站到底有没有用](https://goovo.me/geo/technical/llms-txt-for-ecommerce/): llms.txt 不是让 AI 收录你的开关。本文拆开它与 robots.txt、sitemap 三者的分工，说明电商站该精选哪些站内入口，指出三类常见反例分别错在哪，并给出用服务器日志与复测判断它是否被读取的具体做法。
- [一次完整的 AI 抓取审计：从 robots 到日志](https://goovo.me/geo/technical/ai-crawl-audit/): 抓取审计不能停在 robots.txt 的几行规则。本文把 AI 能不能读到商品页拆成允许、到达、渲染、解析、索引五层，给出每层的取证方法、三个常见误判，以及一份能同时交给工程与增长的审计报告格式。
- [robots.txt 放行 AI 爬虫，还是屏蔽？](https://goovo.me/geo/technical/robots-txt-ai-crawlers/): 把 AI 爬虫全禁掉，往往连答案入口一起关掉。本文按引流、交易、专有三层内容拆开放行逻辑，说明哪类爬虫该放、哪类路径该拒，给出一份可落地的 robots.txt 分组写法、五步落地表，以及误屏蔽之后恢复变慢的原因。
- [Cloudflare、Akamai 与 WAF：别把 AI 爬虫挡在门外](https://goovo.me/geo/technical/waf-blocking-ai-crawlers/): WAF 与 bot 管理在挡住采集器的同时，也会把检索类 AI 爬虫一起拦掉。本文拆开误伤的四种形态，给出验证身份、分组放行、按路径限速的四步做法，并说明 403 与 429 为什么要分开监控、修复顺序为何不能反。
- [Product Graph：AI 眼里的商品不是一条 SKU](https://goovo.me/geo/technical/product-graph-for-ai/): 只把 SKU 页做到满分，AI 拿到的仍是一堆无法互证的碎片。本文拆开商品图的四个部件与替代、兼容、配件三类关系，给出从单页优化转向图优化的四步顺序、一张关系检查表，以及不值得先做图的边界。
- [Product schema 的 2026 写法：从必填到可引用](https://goovo.me/geo/technical/product-schema-2026/): Product schema 的问题不是字段填不满，而是填了却不能被机器确认。本文拆开身份、交易、信任三层字段的优先级，列出五个最常见的标记错误，给出一套可回归的验证流程和一个 SKU 页的改造示例，并说明哪些情况不值得投入。
- [Offer、价格与库存：AI 最容易被你骗的地方](https://goovo.me/geo/technical/offer-price-availability/): 价格与库存不一致，是 AI 停止推荐你的最快方式。本文拆开系统割裂、时间差、市场差异与单位层级四个来源，给出以 Offer 为单一事实源的五步做法、一次示例排查与不该追实时的边界。
- [让 AI 正确摘录：HTML 语义与段落边界](https://goovo.me/geo/technical/semantic-html-for-extraction/): AI 摘录读的是 DOM 切块，不是你的视觉排版。本文拆开标题层级、段落边界、表格与折叠内容对抽取的影响，给出从源码审查到句子重写的五步改造，并说明五种不值得改的情况与常见误用。
- [FAQ、HowTo、Review：哪些结构化数据还有效](https://goovo.me/geo/technical/faq-howto-review-schema/): FAQ、HowTo、Review 三类结构化数据，富媒体展示在收窄，机器理解的价值没变。本文拆开标注与展示两层，给出字段对账到模板收口的四步落地法、一个清理示例，并说明五类不值得做的情况与常见误用。
- [商品页模板的 GEO 组件库](https://goovo.me/geo/technical/pdp-geo-component-library/): 把答案、规格、对比、评价、物流退货做成可复用组件，GEO 才能从一个页面复制到几千个 SKU：六个核心组件、字段顺序与折叠规则、五步落地表，以及多语言下必须重取哪些证据。
- [Review 结构化数据：聚合评分与单条评论](https://goovo.me/geo/technical/review-schema-implementation/): 评分标记常见三种错法：搬运站外评分、把订单数当评论数、用户看不到却标给机器。本文拆开聚合评分与单条评论的字段关系与资格要求，给出五步落地表、一段示例 JSON-LD，并说明五种不该标的情况。
- [第三方评测的抓取与引用：以 Trustpilot 为例](https://goovo.me/geo/technical/third-party-review-integration/): 第三方评测页是你的站外商品页：Trustpilot 上的评论能不能被抓到、能不能同步进站内、引用时该链回平台还是留在自己域名，决定了 AI 会不会用它替你说话。本文拆开抓取、同步与引用三条链路，给出五步清单与失效边界。
- [证据的机器可读格式：数据表、PDF 与图片](https://goovo.me/geo/technical/machine-readable-evidence/): 同一份检测报告，写进 HTML 表格 AI 能逐项引用，扫成 PDF 或导成图片就等于没写。本文给出五种证据格式的优先级、数据表与 PDF 的改造做法、alt 的适用边界，以及一套按买家提问逐项验收的四步流程。
- [对比表的机器可读写法](https://goovo.me/geo/technical/machine-readable-comparison-tables/): 对比表被截成图片、缺单位或用横杠代替缺失，AI 就只能写“数据未提供”。本文拆开行列结构、单位与缺失值的具体写法、HTML 与 schema 的分工，给出一次 LLM 抽取测试和四步改造流程，并说明哪几类品类不该做对比表。
- [替代品与兼容性：把“平替”做成结构化数据](https://goovo.me/geo/technical/alternatives-and-compatibility/): 平替、兼容、配件是 AI 被问得最多的一类问题，靠“兼容大部分机型”答不了。本文拆开三种关系的必填字段、模糊量词为何被整句丢掉、一条关系记录的写法，给出五步落地表，以及提竞品型号的法律边界与不该做关系表的场景。
- [站内搜索与推荐：AI 候选集的内部影子](https://goovo.me/geo/technical/site-search-as-research/): 站内搜索日志、零结果查询与共购关系，是预测 AI 候选集最便宜的一份研究样本。本文给出三类数据的取用口径、从查询簇到内容缺口的五步流程、与外部提问集的对照方法，以及日志不可信时的四种边界。
- [多语言 URL 与 hreflang 的正确姿势](https://goovo.me/geo/technical/multilingual-url-hreflang/): 语言子目录、子域名、ccTLD 差的不是排名，而是谁还能维护一张覆盖全部语言版本的 hreflang 矩阵。本文给出结构取舍表、五个高频错误的识别法、一条能进 CI 的生成与校验流程，以及两套系统各写一半标签时的修法。
- [多语言内容的一致性与差异度](https://goovo.me/geo/technical/multilingual-content-parity/): 同一款商品在德语页写 24 个月保修、英语页写 36 个月，AI 会把哪一句当真？本文分开必须一致的身份字段与必须本地化的语境内容，给出八类字段清单、版本漂移的修法和一套双语对账流程。
- [区域化 feed 与价格：货币、税、运费](https://goovo.me/geo/technical/localized-product-feeds/): feed 里的价格、税、运费写错，AI 会把你从候选集划掉。本文拆开货币、含税口径、运费门槛与到岸价的字段写法，给出单源生成、断言校验、异常告警的四步流程、一份能进 CI 的检查清单，并划清区域化 feed 的适用边界。
- [知识图谱入门：Wikidata、sameAs 与实体消歧](https://goovo.me/geo/technical/knowledge-graph-entity/): 知识图谱不是大厂专利。本文拆开品牌实体的八项最小字段、sameAs 的双向验证条件，以及同名与被合并两类消歧冲突的裁定顺序，附五步落地表、一次同名合并的修法示例和不该先做的四类情况。
- [结构化站外档案：Crunchbase、LinkedIn、G2](https://goovo.me/geo/technical/structured-offsite-profiles/): Crunchbase、LinkedIn、G2 这类档案站是 AI 眼里的品牌登记表。本文拆开模型如何用固定字段交叉验证品牌，给出三类平台的选择顺序、十二格字段表、五步对齐动作，以及哪些卖家不该先做这件事。
- [引用监测：谁链接了你、谁提到了你](https://goovo.me/geo/technical/citation-monitoring/): 外链、品牌提及、AI 引用是三套不同口径的监测，直接相加会算出假增长。本文拆开每层信号与假信号，给出统一实体 ID、四条归一规则、五步落地表和一条德国评测的去重示例。
- [Agentic Commerce 的 readiness：从“能被推荐”到“能被下单”](https://goovo.me/geo/technical/agentic-commerce-readiness/): agent 下单不是推荐的下游，而是一条独立的接口链。本文拆开商品、报价、履约、售后、支付五层 readiness 模型，给出一张可直接用的十分钟自测表与四步接通流程，并划清哪些品类现在还不该追 agent 结账。
- [商品 feed 是新的落地页](https://goovo.me/geo/technical/product-feed-as-landing-page/): agent 先读商品 feed，再决定点不点进站。本文按优先级拆开必填字段清单、标题与属性的可比较写法，给出可执行的校验流程与常见拒绝原因清单，帮 SKU 先通过机器筛选，再进入候选集被正确比较。
- [AI 结账需要什么：价格、库存、配送、退货](https://goovo.me/geo/technical/ai-checkout-data-requirements/): Agent 下单失败，多半不是页面不能结账，而是价格、可售库存、配送时效与退货口径在确认那一刻对不上。本文拆开报价、锁货、确认三次数据交换，给出四个字段族的异常状态与兜底写法、五步落地表和一次失败订单复盘。
- [埋点与隐私：无 Cookie 站点怎么量 AI 流量](https://goovo.me/geo/technical/privacy-friendly-ai-measurement/): AI 对话里的链接常常不执行脚本、不共享 Cookie，同意率一低，AI 引荐就整段消失。本文给出日志、referrer、落地页约定与聚合自报四个可用信号，配五步落地表、一个区间校正示例，以及一条不做设备指纹的边界。
- [日志、API 与数据仓库：GEO 数据管线](https://goovo.me/geo/technical/data-pipeline/): GEO 的数据散在日志、搜索后台、AI 抽样、订单与 PIM 里，颗粒度各不相同，直接 join 会放大也会丢记录。本文给出数据源清单、三层实体 ID、四层管线与刷新频率，附五步落地清单和一条示例记录，说明为什么先统一 ID 再谈看板。
- [AI 答案监测工具：自建、采购与校验](https://goovo.me/geo/technical/ai-answer-monitoring-tools/): 监测工具的选型标准不是覆盖多少模型，而是采样能否复述、原文能否导出、判定规则能否复算。本文给出五个评估维度与一条否决线、一套一周能跑起来的自建方案、一次工具与人工标注的一致率校验，以及三类先别买工具的团队。
- [把 GEO 接进 CI：构建期检查结构化数据与链接](https://goovo.me/geo/technical/ci-checks/): GEO 的错不该在上线后才发现。本文把 frontmatter、内链与 canonical、hreflang、JSON-LD 归成五类构建期断言，给出 Astro 的三个挂载点、告警分级与一次被拦下的发布，并说明 CI 检查不了的边界。
- [多语言发布管线：一份内容，两套市场](https://goovo.me/geo/technical/multilingual-publishing-pipeline/): 同一篇稿分两次本地化，价格、保修与库存会在两版之间慢慢分家，模型就把两边拼成一个哪页都不存在的答案。本文拆开共享字段与本地字段、双轨起草、交叉审、同批发布与按 ID 回滚，给出五步管线表、一把门锁的双语示例与不适用边界。
- [权限、审核与版本：规模化内容治理](https://goovo.me/geo/technical/content-governance/): 上百篇之后，AI 说得对不对不再取决于写手。本文把内容治理拆成字段级权限、按字段路由的审核、可对齐时间点的版本与一次回滚演练，给出五步落地表、一份虚构的改动记录，以及治理变成官僚的边界。

### 权威与站外

- [权威与站外主题页](https://goovo.me/geo/authority/): 品牌实体、评测、UGC、社区、数字 PR 与知识图谱。AI 信谁，往往由站外决定。
- [AI 信任的第一个信号：品牌实体是否存在](https://goovo.me/geo/authority/brand-entity-existence/): 模型先确认品牌实体，才愿意读你的内容。本文拆开实体存在的四类证据，讲清 sameAs、NAP 与描述一致性怎么对齐，给出一份 30 分钟自查表，并说明这套做法在哪些市场、哪些阶段不适用，避免白投入。
- [海外买家在 Reddit 和 Trustpilot 上说的，AI 都在读](https://goovo.me/geo/authority/third-party-corpus-audit/): AI 回答海外买家的问题时，读的不只是你的官网，还有评测站、Reddit 与问答页。本文把第三方语料分成三类，给出量、质、时效、情感四个审计维度，划清可干预与不可干预的边界，并附一套一周能跑完的流程。
- [域名信任会影响抓取吗](https://goovo.me/geo/authority/domain-trust-and-crawling/): 接手老域名后 AI 爬虫来得少，问题多半不在 robots。本文把抓取许可、抓取优先级与引用信任拆成三层，给出四个可自查的信任信号、清理与恢复的五步顺序，并说明这套判断在哪些情况下不成立。
- [被 AI 引用的页面，通常有哪些站外信号](https://goovo.me/geo/authority/offsite-signals-of-cited-pages/): AI 引用一页，往往不是因为它写得更全。本文拆开作者、组织、第三方提及与更新痕迹这四类站外信号，给出抽样加对照的判断方法、四步落地流程与适用边界，帮出海团队把有限预算压在最可能改变引用结果的那一项上。
- [品牌实体图：官网、Wikidata、LinkedIn 与商店页要说什么一致的话](https://goovo.me/geo/authority/brand-entity-graph/): 品牌在 AI 答案里说错话，多半不是缺内容，而是四个触点的字段各写一套。本文对照官网、Wikidata、LinkedIn 与商店页分别能被读到什么，给出必须一致的六类信息、四步对齐顺序与季度维护节奏，并说明哪些卖家不该先做这件事。
- [没有评测时，AI 凭什么信你的商品](https://goovo.me/geo/authority/first-party-evidence/): 冷启动新品零评论，AI 不会因此推荐你，也不会因此否定你，它只信能被别人核对的事实。本文把测试报告、认证、保修与承诺拆成四类第一方证据，给出可验证性检查、四步落地表与明确的使用边界。
- [作者与编辑：AI 需要知道谁在为内容负责](https://goovo.me/geo/authority/author-and-editorial-trust/): 同题文章参数更全，AI 却引用了别人。本文拆开作者页该写哪三条可核对事实、审稿与事实核查怎么留痕、纠错与更新记录怎么维护，给出五步落地表，并说明哪些情况不该硬做署名。
- [用户问答与 UGC：最便宜的答案素材](https://goovo.me/geo/authority/ugc-as-answer-material/): 客服工单、站内问答和评论里，藏着买家最真实的提问措辞与使用条件。本文给出四类素材的取舍、清洗成问答块的规则、公开前的同意与去标识检查，以及从取样到复测的五步做法。
- [AI 推荐你的四个信任前提](https://goovo.me/geo/authority/four-trust-prerequisites/): AI 不推荐你，往往不是内容太少，而是证据、一致、独立、新鲜四项里有一项没过关。本文拆开四个前提的判断标准，并给出一次四十分钟的自测表，以及按短板排序的四步修复顺序。
- [评测语料从哪来：媒体、红人、用户与实验室](https://goovo.me/geo/authority/review-corpus-sources/): AI 引用第三方评测时，挑的是能核对细节的来源，不是声量最大的那篇。本文把媒体、红人、用户评论与实验室检测四类语料拆开，比较可信度与成本，给出分阶段的组合比例和从 0 到 1 的冷启动顺序。
- [第三方对比与榜单：谁在定义候选集](https://goovo.me/geo/authority/third-party-best-of-lists/): AI 回答“买哪个”时，多半先取用别人筛过的名单。本文拆开编辑榜单、联盟评测站与社区帖三类来源的引用逻辑，给出进入资料包、外联判断与季度监测表，也说清哪些品类不值得追榜。
- [红人测评的 GEO 价值：不只是曝光](https://goovo.me/geo/authority/creator-reviews-for-geo/): 红人视频的播放量买不到 AI 的引用。本文拆开字幕、说明栏、章节与配套图文四种可读形态，写明合作条款里必须加的五条 GEO 要求，给出一套按天复采的引用验证方法，并划出不该把预算押在红人内容上的品类边界。
- [本地媒体与社区：从 0 到 1 的引用网络](https://goovo.me/geo/authority/local-media-and-communities/): 在法国、德国、日本，AI 引用的常常不是全球大媒体，而是本地评测站和垂直社区。本文讲清怎么找出这 20 个被引用中心，用三个月建起第一圈关系，给出一张四类来源的取舍表，并说明哪些市场不值得这样做。
- [本地红人 vs 全球红人：AI 引用谁](https://goovo.me/geo/authority/local-vs-global-creators/): 全球红人买声量，本地红人买引用。本文拆开 AI 在检索与摘录两层怎么选人，给出按市场阶段排的本地与全球配比表、三条只看引用不看播放的验收口径，以及这套配比在哪些品类与市场会失效。
- [AI 的站外信任网络：谁在替你说话](https://goovo.me/geo/authority/offsite-trust-network/): 媒体、社区、红人、目录、知识库，五类站外节点决定 AI 敢不敢替你说话。本文拆开每类节点证明什么、信任网络图怎么画、缺口按什么顺序补，并给出一个德国市场的画图示例和不适用的情形。
- [数字 PR 的 GEO 版：不是发通稿，是造可引用事实](https://goovo.me/geo/authority/digital-pr-for-geo/): 发通稿换不来 AI 引用：模型摘的是可复核的数据、方法与判断。本文拆开原创数据、方法与口径、署名判断三类材料，给出从选题、生产到分发追踪的五步表，并说明哪些品类做数字 PR 是白花钱。
- [交易信任：支付、保修与售后怎么被 AI 理解](https://goovo.me/geo/authority/transaction-trust-signals/): 支付方式、保修责任与售后路径，是 agent 下单前最后核对的三道闸门。本文拆开三类信号被读坏的原因，给出可见、可验证、可比较的判定标准、五步落地表与一段虚构示例，并说明它为什么救不了一个定价错误的产品。
- [平台评价与商家评分：agent 的决策输入](https://goovo.me/geo/authority/marketplace-ratings/): agent 读平台评分，读到的是一包随商品走的行为证据：星级、差评原文、迟发与退货。本文拆开它被当作门槛、推荐理由与风险提示的三种方式，给出五组指标、五步改善顺序与一段示例，并划清哪些情况下不该追评分。
- [AI 答案里的负面提及：监测与修复](https://goovo.me/geo/authority/negative-mentions-monitoring/): AI 答案里的负面提及，多半来自旧新闻、旧差评或错误实体，而不是当下的产品问题。本文把负面断言拆成三类，给出监测表、四条修复路径与一个可复用的复测节奏，并划清删不掉与不该删的边界。
- [第三方评测的引用监测：谁在替你说话](https://goovo.me/geo/authority/third-party-citation-monitoring/): AI 答案引用的不是评测站，而是某一篇里的某一句话。本文按月记录被引页面、句子与角色，给出五类变化的归因顺序，以及修正事实、请求更正、补素材、换样机四种干预的适用边界。
- [品牌危机的 GEO 预案](https://goovo.me/geo/authority/crisis-playbook/): AI 答案会把旧召回、旧差评和同名混淆长期留在检索池里，危机不会随新闻热度过去。本文给出五类风险场景、一张常备事实页、72 小时五步响应表与复测口径，并划清哪些负面不该动手。
- [长期主义：为什么 GEO 不是一次 campaign](https://goovo.me/geo/authority/long-game/): 停更九个月，品牌还在 AI 答案里，推荐位却换了人。本文拆开可抓页面、可引事实与第三方语料三种资产各自的折旧速度，给出触发器式维护表、五步常设化清单和一条停损线，说明长期主义维护的到底是什么。

### 度量与增长

- [度量与增长主题页](https://goovo.me/geo/measurement/): prompt set、引用份额、AI 引荐流量、归因、实验与记分卡。没有度量，GEO 只能靠感觉。
- [先建基线：你的 AI 可见度现在是多少](https://goovo.me/geo/measurement/ai-visibility-baseline/): AI 可见度不是一次截图。本文把提及、引用、推荐、成交拆成四层，给出 30 个固定 prompt 的采样方法、七个必记字段与一页式基线报告模板，并说明这套基线在哪些阶段、哪些品类下不成立。
- [别把 AI 流量算进 Direct：一份归因入门](https://goovo.me/geo/measurement/ai-traffic-attribution-basics/): AI 引荐在报表里经常掉进直接访问或未设置项，让 GEO 的账永远算不平。本文拆开 referrer 丢失的四种情形，给出 UTM、服务器日志、结账问卷三条补法，配一张口径表，让 AI 流量第一次能被单独计量。
- [用日志判断 AI 爬虫到底来了没有](https://goovo.me/geo/measurement/ai-crawler-log-analysis/): 厂商报表只覆盖自家爬虫，还常被采样和保留期截断。本文给出日志必看的六个字段、按路径模板与状态码做抓取热图的方法，以及把抓取层接进月度看板的四步，并说明哪些团队不适用。
- [抓取覆盖率：一个被忽略的 GEO 指标](https://goovo.me/geo/measurement/crawl-coverage-metric/): 抓取覆盖率是 GEO 漏斗的第一格：从可抓取到被抓取再到被引用，第一道漏损就发生在这里。本文给出可直接复用的口径定义、按模板统计的五步做法、一次示例测量，以及覆盖率涨了但引用没动时该看哪一层。
- [实体覆盖率：AI 能认出你多少 SKU](https://goovo.me/geo/measurement/entity-coverage-metric/): 实体覆盖率测的不是 AI 有没有提到品牌，而是它能认出、说对、排上你多少 SKU。本文给出 100 个 SKU 的分层抽样、识别率与准确率的口径、三种问法，以及从缺口到修复优先级的五步做法与适用边界。
- [结构化数据的收益怎么量](https://goovo.me/geo/measurement/schema-roi-measurement/): schema 上线后报表变绿、订单没动，是出海团队常见的处境。本文拆开引用、点击质量与转化三层指标，给出对照页加时间分段的四步测量法，列出三个会夸大收益的归因错误，并说明哪些情况不值得量。
- [答案质量评分：用 LLM 当裁判之前先定标准](https://goovo.me/geo/measurement/answer-quality-rubric/): LLM 评分最容易制造虚假的进步：分数涨了，答案里的参数还是错的。本文把答案质量拆成准确性、具体性、引用、时效、品牌契合五项标准，写出可判定的档位，讲清人工校准、抽样复评与版本管理，并说明什么时候不该让模型打分。
- [内容更新：什么该改，什么不该动](https://goovo.me/geo/measurement/content-refresh-policy/): 旧文该不该重写，取决于事实是否过期、AI 引用是否流失、问题链是否被答完、入口是否变化，而不是发布日期。本文给出四个触发器、按事实半衰期排期的方法、URL 与 canonical 的保留规则，以及 dateModified 的正确用法。
- [引用份额：怎么量“AI 提到了我”](https://goovo.me/geo/measurement/citation-share-metric/): 引用份额不是提及次数：分子是你在答案里占到的位置，分母是这次采样被引用的全部来源。本文给出三层判定、分引擎采样与加权算法，并把一次看着像增长的数据拆开，说明份额何时不该进看板。
- [从引用到成交：信任证据的转化链路](https://goovo.me/geo/measurement/trust-to-conversion/): AI 引用涨了、订单没动，落差往往出在答案到结账之间的触点。本文给出品牌搜索、直接访问、自报来源三数交叉的读法，一套按订单去重的归因口径，以及一次两周就能跑完的小实验。
- [候选集份额：比排名更重要的指标](https://goovo.me/geo/measurement/shortlist-share-metric/): AI 答案只给三到五个名字，平均位次却只在你已出现的答案里计算。本文定义候选集份额的分子与分母，给出按品类、市场、引擎分层的采样表，用示例说明名单换手时该看什么，并划出这个指标不该进看板的边界。
- [对比页 A/B：怎么判断 AI 真的改了答案](https://goovo.me/geo/measurement/comparison-page-experiments/): AI 答案在重复提问下会波动，凭一张截图宣布对比页改版成功，是 GEO 实验里最典型的假阳性。本文拆开检索、生成、传导三层噪声，引用、入选与表述三层指标，单变量控制与采样协议，给出一次两周可跑完、开跑前写死判定线的对比页实验流程。
- [分市场度量：别用全球平均值骗自己](https://goovo.me/geo/measurement/per-market-measurement/): 同一份 AI 可见度报告，按全球汇总看是增长，按市场拆开可能是德国在跌、日本没进候选。本文拆开加权、语言与样本量三个失真来源，给出分市场 prompt set、样本门槛与币种口径的五步看板，并说明什么情况下不该分市场考核。
- [本地化 ROI：什么时候该停](https://goovo.me/geo/measurement/localization-roi/): 本地化不是语种越多越好。本文给出边际成本、市场天花板、回收期、可复用率四个输入，一张止损线与降级动作表，并用一个示例复盘说明什么语种该停、什么不该停，以及这套 ROI 模型在哪些市场不适用。
- [站外权威的度量：提及、引用、推荐三层](https://goovo.me/geo/measurement/offsite-authority-metrics/): 站外权威常被一张提及数报表糊住：声量涨了，AI 答案里的候选名单却没变。本文把站外权威拆成提及、引用、推荐三层，写清各自的分母与采样口径，给出五步采集表，并用一个示例说明三层背离时预算该往哪挪。
- [PR 活动怎么归因到 AI 答案](https://goovo.me/geo/measurement/pr-attribution-to-ai/): PR 的 GEO 效果常被 coverage 和一次截图读错。本文给出一套归因设计：活动开始前锁定 prompt 组、对照与时间窗，按传播、语料、答案三层指标写报告，并说明哪几类 PR 活动不该做归因，避免把发布量当成影响力。
- [Agent 流量的度量：会话、转化与退款](https://goovo.me/geo/measurement/agent-traffic-measurement/): agent 结账的订单常被算进自然流量，转化率好看，退款与客服成本却不在表里。本文拆开预检与代购两种流量，给出三态打标规则、四个替代指标和一张 90 天队列表，让 agent 渠道第一次有可核算的单均毛利。
- [Agentic Commerce 的实验：小流量、真商品、可回滚](https://goovo.me/geo/measurement/agentic-commerce-pilot/): agent 结账最怕一开全站：失败是静默的，错误报价却要真发货。本文给出小流量、真商品、可回滚三条设计变量，一张五步试点表，一套开跑前写死的判定线与回滚触发条件，并说明哪些品类现在不该开试点。
- [AI 可见度的四层指标：提及、引用、推荐、成交](https://goovo.me/geo/measurement/ai-visibility-metrics/): 提及、引用、推荐、成交不是四个可相加的分数，而是四道判定。本文给出每层的判定证据与分子分母，排出一张每层一个主指标加一个护栏的看板，并示范怎样用四层落差定位这个月先修哪一层。
- [增量实验：GEO 的 A/B 测试怎么做](https://goovo.me/geo/measurement/incrementality-tests/): GEO 很难做干净的站内 A/B：你无法把一半买家分到看不到 AI 答案的组里。本文用地理拆分、时间序列、holdout 与重复采样四种设计，把“没有 GEO 会怎样”写成可测量的反事实，配一页纸判定线与一次双市场示例。
- [GEO 记分卡：给管理层的 6 个数字](https://goovo.me/geo/measurement/executive-scorecard/): 管理层不需要二十三个可见度指标，只需要六个能触发决策的数字：可见、引用、推荐、流量、转化、回收期。本文写死每个数字的分子分母，给出一页看板的三列对照与月度、季度两级汇报节奏，并用一组虚构数据示范怎样读出该加钱还是该停。
- [季度复盘：什么继续、什么停止](https://goovo.me/geo/measurement/quarterly-review/): 季度复盘要交的不是一张都在涨的成绩单，而是一份停掉清单。本文用增量、成本、确定性三个筛子，把动作判成加码、维持、缩范围或停损，给出四档判定与签字人、一张六行示例表和五条容易搞错的边界。

## GEO for Global E-commerce (English)

- [Series hub](https://goovo.me/en/geo/): the English edition of the same 132-piece series
- [Strategy & Market](https://goovo.me/en/geo/strategy/): Market priority, budget, competition, and organization. Decide where to play and how to pay for it before touching a page.
- [Content & Semantics](https://goovo.me/en/geo/content/): Answer units, product titles, attributes, comparisons, and use-case pages. Make the right sentence easy to extract and easy to trust.
- [Technical Foundation](https://goovo.me/en/geo/technical/): Crawling, rendering, structured data, feeds, hreflang, and data pipelines. If AI cannot get in or parse it, content does not matter.
- [Authority & Off-site](https://goovo.me/en/geo/authority/): Brand entities, reviews, UGC, communities, digital PR, and knowledge graphs. What AI trusts is often decided off-site.
- [Measurement & Growth](https://goovo.me/en/geo/measurement/): Prompt sets, citation share, AI referral traffic, attribution, experiments, and scorecards. Without measurement, GEO is guesswork.

## 可选

- [关于](https://goovo.me/about/): 作者背景、技术栈与正在做的事
- [RSS](https://goovo.me/rss.xml): 全文订阅源
- [GEO RSS](https://goovo.me/geo/rss.xml): GEO 系列订阅源
- [llms.txt](https://goovo.me/llms.txt): 本索引
- [Sitemap](https://goovo.me/sitemap-index.xml): 全部页面索引