GEO监测探针系统 — 全流程架构

文档版本：V1.0
编制日期：2026年8月18日
适用范围：GEO优化服务商垂类监测

一、系统概述

1.1 系统定位

福建艾索GEO监测探针系统是一套面向GEO（Generative Engine Optimization，生成式引擎优化）服务垂类的全自动监测平台。系统以智能体工作台为运行底座，通过自研的提示词工程驱动的技能机制，实现对指定服务商主体的五大GEO核心维度的定时采集、基线校验与异常告警。

1.2 系统核心能力

1.3 与其他GEO工具的区别

二、系统架构总览

系统遵循分层解耦、逐级流转的设计原则，整体架构分为五层：

三、输入层（Input Layer）

3.1 输入文件清单

3.2 探针清单字段说明（probe_list.csv）

3.3 基线配置文件结构（baseline_config.yaml）

yaml

dimensions:
  brand_mention:        # 品牌提及率
    window_days: 30
    upper_multiplier: 2.0
    lower_multiplier: 1.5
  keyword_rank:         # 关键词排名
    target_ranking: 10
    drop_threshold: 20
    volatility_window: 7
  geo_match:            # GEO定位匹配度
    geo_match_threshold: 80
    distance_tolerance_km: 5
  competitor_share:     # 竞品声量份额
    share_shift_threshold: 5.0
    share_abs_lower: 5.0
    momentum_window: 14
  content_compliance:   # 内容合规性
    critical_deduction: 20
    compliance_pass_score: 60

四、采集层（Collector Layer）

4.1 采集架构

采集层采用并行多引擎设计，对五大维度分别调用不同采集通道，以提升效率并规避单一采集源失效风险。

4.2 五大维度采集方案

4.3 采集通道说明

REDFOX API批量搜索

批量提交关键词到搜索引擎，获取自然搜索结果及广告位数据，适用于关键词排名维度的规模化采集。

HTTP请求采集

对目标官网、核心渠道页面发起HTTP GET请求，获取HTML全文内容，用于合规扫描与内容变更检测。

豆包 / Kimi / DeepSeek

调用国内主流AI大模型平台，输入品牌/服务关键词，采集模型回复中的品牌提及情况、提及上下文及情感倾向。

官网合规性扫描

对官网首页及核心落地页进行全量内容抓取，包括：

• 文本内容（标题、正文、产品描述、联系方式）

• 图片OCR文字识别（广告语、资质证书中的文字）

• 结构化数据提取（营业执照号、资质编号）

4.4 采集约束

• 采集范围严格限定在泉州本地GEO服务垂类

• 每次采集记录必须包含：原始数据源链接、采集时间戳、主体唯一标识（探针ID）

• 采集失败自动重试3次，仍失败则进入fail_list

• 不采集任何与GEO监测无关的隐私数据或非公开商业数据

五、校验层（Validator Layer）

5.1 校验流程

text

采集原始数据 → 读取对应维度基线参数 → 执行校验算法 → 输出正常/异常标记 → 附加异常原因

5.2 五大维度校验算法速览

5.2.1 品牌提及率

算法：基于历史30天数据的动态均值±标准差阈值判定

text

正常范围 = [max(0, avg - 1.5×std), avg + 2.0×std]
异常条件 = 当前值 < 下限 OR 当前值 > 上限

5.2.2 关键词排名

算法：绝对值警戒线 + 7日移动平均趋势判定

text

绝对值异常：当前排名 > 20位
趋势异常：当前排名 > 7日均值 × 1.3

5.2.3 GEO定位匹配度

算法：多级地址匹配（省/市/区三级赋权）+ 经纬度距离补偿

text

得分 = 省份匹配(30%) + 城市匹配(50%) + 区级匹配(20%) + 距离奖励(±10)
异常条件 = 得分 < 80分

5.2.4 竞品声量份额

算法：滚动14天窗口份额计算 + 环比变化判定

text

异常条件 = 当前份额 < 5% OR 份额环比变化 > ±5%

5.2.5 内容合规性

算法：敏感词匹配 + 分级扣分制

text

基础分100分，critical违规扣20分/项，warning违规扣5分/项
异常条件 = 存在critical违规 OR 总分 < 60分 OR warning项 > 3条

5.3 异常优先级映射

六、输出层（Output Layer）

6.1 输出格式

系统严格输出标准JSON格式，结构如下：

json

{
    "task_id": "QZ-GEO-20260819-080001",
    "execute_time": "2026-08-19 08:00:00",
    "probe_total": 50,
    "probe_success": 47,
    "probe_fail": 3,
    "data_packet": [
        {
            "probe_id": "QZ-消防劳保-001",
            "company_name": "泉州XX消防设备有限公司",
            "geo_dimension": "keyword_rank",
            "raw_data": "第5位",
            "data_source": "https://www.baidu.com/s?wd=泉州消防器材",
            "collect_time": "2026-08-19 08:00:32",
            "baseline_check_result": "正常",
            "exception_mark": "无异常"
        }
    ],
    "fail_list": [
        {
            "probe_id": "QZ-GEO服务-003",
            "fail_reason": "官网请求超时",
            "retry_count": 3
        }
    ]}

6.2 输出文件落盘

6.3 下游对接

输出的JSON数据包可直接对接：

• 告警系统（企业微信/飞书/邮件自动化通知）

• BI看板（GEO健康度仪表盘）

• 策略生成模块（自动生成优化建议报告）

七、调度层（Scheduler Layer）

7.1 三级调度机制

7.2 调度状态管理

• 系统通过读取 ./.task_frequency 文件确定当前执行频率

• 该文件内容为：normal / warning / emergency

• 预警及紧急模式下，仅对受影响的特定探针或品类执行高频采集，非全量

7.3 异常驱动的频率升级规则

text

某探针连续2次异常 → 建议手动切换为预警模式（6h）
某探针出现critical违规 → 建议手动切换为紧急模式（1h）
常规模式下连续7天无异常 → 保持常态

八、维护与演进建议

9.1 基线参数动态调整

建议每30天对基线参数进行一次复盘校准：

• 若某维度持续出现“假阳性”异常，适当放宽对应阈值

• 若某维度连续未检出任何异常但业务反馈有感知下降，应收紧阈值或增加采集源

9.2 敏感词库更新

• 建议关联国家市场监管总局违规公告API，每周自动增量更新

• 新增行业黑话或地方性用语需人工补充

9.3 采集源扩展路线