品牌可见度
在既定问题集和引擎中，品牌出现的频率。
产品能力
以证据为核心的 GEO 能力
每个模块回答一个不同的问题：AI 实际说了什么、为什么这样说、应该先改什么、如何证明变化真的发生。
01 · 可见度
先看清品牌到底出现在哪里。
按结构化问题集在支持的引擎上采样，通过重复运行降低单次回答的随机性。
Glaruno 记录品牌是否被点名、是否进入推荐列表，以及回答中还出现了哪些竞品。每条结果都绑定问题、引擎、地区与采样时间。
- 提及频率与首个推荐位置
- 竞品共现与声量份额
- 每个汇总数字都可回溯到问题级证据
单次回答不能代表市场
模型版本、提示词、地区和随机性都会影响结果。平台保留采样方法，避免把数字和证据分离。
02 · 诊断
六个维度，明确区分弱信号与未知信号。
有意义的诊断必须区分品牌事实、权威信源、内容结构和模型观察，而不是把所有问题压成一个黑箱分数。
推荐位置
品牌进入推荐列表时的位置，而不仅是是否被提及。
权威信源覆盖
哪些外部来源支撑品牌事实，哪些事实仍然缺少来源。
实体一致性
不同回答和来源对品牌的描述是否一致。
内容覆盖
官网是否针对目标问题提供了具体、可提取的答案。
证据质量
报告能否追溯到采样回答、时间戳与方法说明。
03 · 信源
找到影响回答的页面。
信源层展示哪些域名和页面被引用、品牌在哪些主题上缺位，以及哪些主张需要更强的公开记录。
引用域名
将回答中的来源聚合，帮助团队判断应该优先补充官网、结构化档案还是第三方资料。
事实缺口
标记没有官网、结构化资料或可信第三方来源支撑的主张。
04 · 内容
从诊断走到可执行的内容计划。
内容简报来自真实缺口，不是泛化关键词表。发布前还会检查草稿是否具体、可结构化、值得被引用。
- 问题驱动的 H2 / H3 结构
- 事实密度与来源支撑
- 发布前的 GEO 质量校验
- 发布后用同一组问题复测
05 · 监测
保留基线，再做比较。
每次运行保存问题、引擎、回答、时间和证据。只有使用同一测量框架，变化才具有解释力。
历史与报告
查看变化趋势，导出证据，并保留每次测量的口径。
证据化资产
选定的品牌资产可封存为 SHA-256 哈希链，支持后续校验。
边界
Glaruno 不做什么。
边界清楚，测量才有价值。
- 不保证 AI 推荐或排名。
- 不编造缺失的引用。
- 不把一次回答当作稳定事实。
- 不把模型措辞等同于品牌质量。
常见问题
关于平台的实际问题。
Glaruno 能解释品牌为什么没有出现在 AI 回答里吗？
它可以区分几种常见原因：样本中没有提及、缺少支撑信源、实体事实冲突、内容覆盖不足或页面无法访问。如果证据不足，系统不会编造原因。
这个平台能替代 SEO 团队吗？
不能。GEO 增加的是 AI 搜索这一层的测量与优化。技术 SEO、可抓取性和有用内容仍是基础，Glaruno 关注这些资产如何在生成式回答中被使用。
证据可以导出吗？
可以。报告保留采样回答、来源、分数、时间戳和方法说明，可用于团队复盘或证据归档。