方法学

1. 证据优先

我们不从主题源码或截图推断 AI 看到了什么。我们从真实浏览器采集：渲染后的 JSON-LD、FAQ 锚点、raw-md 与可见文本；服务端重新校验，绝不信任客户端上报的结论。

2. 四个维度

• 可读性：robots、状态码、raw-md 是否可用；
• 结构：必需 Schema 类型（Product/Offer、FAQPage、Article 等）；
• 一致性：同一 SKU 的价格/重量/退货窗口在页面、Admin、raw-md 中一致；
• 新鲜度：每条结论都有时间戳与采集方式。

3. 测量

AI 可见度使用固定 prompt 集，按 hash 版本化。每次运行记录引擎、模型版本、回答 hash、提及、引用 URL 与情感。比率必须同时公布样本量与时间窗口；单次回答只是轶事。

4. 可复现

• 固定 URL 清单与模板版本；
• 原始证据至少保留 90 天；
• 基准协议先于结果发布；
• 脚本与 schema 文档化，第三方可复现。

5. 局限

• AI 回答有波动，相关不等于因果；
• 第一方证据反映采集时刻，不代表历史；
• 不承诺排名或流量；
• 平台规则与模型行为会变化。

6. 更正

错误就地更正并记录 changelog；实质性变更更新 dateModified。我们公开发布更正，而不是静默修改。