這件事跟交屋前拍屋況照片是同一個道理。沒拍，三個月後牆角出現裂縫，你分不出是原本就有還是後來弄的；拍了，至少大家爭論的是同一組照片。內容也一樣：十月改版完，AI 回答裡品牌出現了，那九月本來就會出現嗎？沒有 Day 0，這題沒有答案，只剩下印象。
常見的狀況是這樣：團隊在 Day 0 看到品牌被提到 6 題，Day 14 變成 8 題，但中間改了兩篇文章、換了登入帳號，也新增了五道題。這兩個數字不能直接當成內容改動的效果。Baseline 像比賽的起跑線，沒有把賽道、規則和起跑時間記下來，終點的秒數就很難解釋。這篇只講 baseline 的建立與保存，題目的版本治理和後續的內容實驗是另外兩篇的事。
基準用的那一組問題要能重跑，接著看 AI 搜尋 Prompt Set 設計；前後事件怎麼判讀，看重複 AI 觀測流程。
baseline 應保留執行條件、回答、引用、狀態與限制，而不是只保存摘要。
Day 0 基準要回答什麼
Day 0 的意思不是「做之前一切都沒有」，而是把第一次有意識、說得清楚的觀測範圍保存下來。判斷標準很實際：交給一個沒參與這次執行的同事，他能不能回答這五個問題？
- 這次觀測看的是哪個市場、語言與品牌主題？
- 送出的題目是哪一版，為什麼選它們？
- 使用了哪些引擎和條件，執行日期是什麼？
- 看到的回答、引用 URL 和人工分類各是什麼？
- 哪些結果沒有取得、不能比較，或需要再次確認？
Google 的 AI features 文件把可抓取、索引資格與 AI 顯示分開說明，也提醒出現與否不由頁面作者單方面決定。所以基準記錄的是「這次觀測到什麼」；寫成「搜尋系統已經採用」或「頁面一定會出現」，就超出這份資料的範圍。Google AI features 官方說明
基準和目標要分開
基準是起始觀測，目標是團隊想改善或查明的問題。舉例來說，Day 0 發現品牌被描述成顧問服務、引用連到三年前的舊文、某個主題完全沒被提到——這三件都是待研究的現象，可以變成目標。
現象本身不會告訴你原因，起始結果也當不了內容品質總分。這兩步之間需要另外的查證。
基準和 prompt 治理要分開
Day 0 記錄送出的題目和版本，目的是讓這次觀測被看懂。至於題目怎麼審核、誰可以改、什麼時候退役，那是跨團隊 prompt 治理的長期工作，這篇不展開。
GEO baseline workflow 的六個步驟
步驟一：寫下基準範圍
開始執行前，先做一頁 scope card，寫上品牌或產品名稱、主要市場、語言、題目意圖、選用引擎、排除條件和執行日期。有裝置、地區或登入狀態等上下文，也一併標記。
要避開的是「全球」「全部問題」這種沒有分母的寫法，它們看起來涵蓋很廣，實際上讓人無從核對。
| 欄位 | 範例寫法 | 為什麼需要 |
|---|---|---|
| 市場 | 台灣；繁體中文 | 界定回答語境 |
| 題目主題 | 品牌認知、產品比較、服務選擇 | 方便之後按意圖分組 |
| 引擎 | 按這次實際執行清單列出 | 避免把不同引擎混成一筆 |
| 執行條件 | 日期、語言、裝置或其他上下文 | 讓後續比較有背景 |
| 排除條件 | 暫不判斷的題目與原因 | 防止排除範圍被遺忘 |
這張卡要防的是「同一組題目」在不同人手中變成不同意思。文件不必做得複雜，一頁就夠。
步驟二：設計最小可用題目組
健檢項目不是越多越好，是要選得出用途的那幾項。題目也是：以決策問題為單位，不要只收集品牌名稱。至少按認知、需求、比較、信任或服務流程等意圖分組，每組挑代表題。
每一題都要答得出兩件事：它為什麼存在，以及拿到回答後誰會用這個結果。答不出來的題目，通常就是那種跑了一輪、沒人看的題目。
題目要保留原文、版本、意圖和負責人。這還不是完整的題目治理制度，而是 Day 0 需要的最低識別，確保回看時知道當初測了什麼。
步驟三：按同一條件執行並保存材料
執行時保存回答原文、引用 URL、引擎、日期、題目識別和執行狀態。
只取得摘要、畫面或部分結果時，在欄位裡說清楚是哪一種，別用自己的轉述把它補成完整回答，那一段補進去，之後沒有人分得出哪裡是原文。因錯誤、限制或空回應而沒拿到的資料，記下原因和再次確認的方法。
baseline 題目應保留原文、版本、意圖與執行條件，才能在後續回看時核對範圍。
步驟四：做最小人工分類
人工分類是為了讓後續工作找得到證據，不是把一段複雜回答壓成一個看似客觀的總分。可以先記這五件事：
- 品牌是否在回答中被直接提及。
- 描述是否符合已核對的品牌事實。
- 是否出現可查的引用 URL。
- 引用是否與回答的主張有關。
- 哪些部分需要內容、SEO、產品或法務角色再判讀。
「被提及」和「被推薦」要分開記。要算比例的話，先定義分母、題目單位、引擎範圍和排除規則；20 題裡 3 題執行失敗，分母寫 17 還是 20，是兩個不同的數字。品牌提及率也不等於各平台通用的 SOV，更不能和流量或轉換混在一起看。
步驟五：封存基準包
把 scope card、題目清單、回答、引用、人工分類、執行狀態與限制放進同一個可識別的基準包。檔名或識別碼帶上日期與範圍，但別只靠檔名判斷內容，文件裡仍要寫完整欄位。
基準包完成後，套一條規則：不可悄悄覆寫。會計傳票不用立可白改，要開紅字沖銷，Day 0 也一樣：修正錯字或分類要留修訂原因和前後差異；要加新題目就另列新增日期，不直接改寫原來那一版。
步驟六：寫出交接摘要
最後用一頁摘要告訴下一個角色：這次觀測涵蓋什麼、看到哪些可查現象、哪些還待確認、下一步可以做什麼，以及哪些事情不該由這份基準推出來。
摘要要能連回原始證據。只留結論的摘要，下一個人接手時還是得從頭跑一次。
基準資料應保存哪些欄位
以下欄位可以當作最小資料模型。實際工具或表格不必長得一樣，重點是每一欄的意義不被省略。
| 分類 | 最小欄位 | 讀者可以核對的問題 |
|---|---|---|
| 範圍 | 市場、語言、題目主題、引擎 | 這筆結果屬於哪個範圍？ |
| 題目 | 題目原文、識別、版本、意圖 | 當時送出的是什麼？ |
| 執行 | 日期、條件、狀態、錯誤 | 這次真的完成了嗎？ |
| 回答 | 原文或可核對材料、人工摘要 | 摘要有沒有超出原文？ |
| 引用 | URL、頁面標題、相關性註記 | 主張與來源如何連起來？ |
| 判讀 | 提及、描述正確性、待查問題 | 哪些是事實，哪些是編輯判斷？ |
| 保存 | 基準識別、檔案位置、修訂記錄 | 下次能否找到同一批材料？ |
Google 的生成式 AI optimization guide 目前說明 Search Console 有 Generative AI performance report；那是 Google 自有搜尋資料的報告脈絡，和跨引擎的回答與引用觀測屬於不同資料層。建基準時要在欄位裡標明每一筆資料是 Search Console、工具觀測還是人工查閱，三種來源混成同一個指標之後，數字就解釋不動了。Google AI optimization guide
如何標示限制與不能比較的結果
好的 baseline 把限制寫在結果旁邊，而不是藏在文件最後。下列情形都值得獨立標記：
- 題目改過，前後兩次不能視為同一條件。
- 引擎、語言或市場不同，只能分組解讀。
- 回答只取得摘要或畫面，缺少完整原文。
- 引用 URL 變更、失效或無法回查。
- 執行中斷、資料延遲或部分完成。
- 人工尚未核對品牌事實或引用相關性。
抽血那天忘了空腹，那一項是無效，不是 0。觀測也是：「還沒取得」和「還沒判讀」都要保留成狀態，等下一次有可查證的材料再決定要不要納入趨勢。
技術政策也會改變基準的解讀方式。Google 在官方更新中說明，FAQ rich result 自 2026 年 5 月 7 日起不再顯示；同一系列更新也澄清，llms.txt 不需要用於 Google Search，不會帶來正面或負面的搜尋可見度影響。基準包若記錄了結構化資料或 llms.txt 的工作，把「檔案存在」和「Google 是否顯示或採用」分成兩欄，並記下政策的生效日期。Google Search 文件更新
何時可以把基準交給下一個角色
交屋會有點交清單，基準包也可以用四個 gate 判斷交不交得出去：
- 範圍 gate：市場、語言、題目、引擎與日期已列出。
- 證據 gate：代表性結果可回到回答、引用和執行狀態。
- 判讀 gate：事實、人工分類、推論和未知限制有分開。
- 行動 gate：下一步有責任角色，且沒有把未證實結果寫成承諾。
四項都過了才算可交接。少了證據 gate，下一個人看到的是結論；少了判讀 gate，他會把你的編輯判斷當成事實往下用。
要先比較工具怎麼展示這些證據，讀 GEO 工具評估框架；在處理自建與採購的取捨，讀自建或採購 AI 搜尋監測；採購前的權限和保存問題，看 AI 搜尋監測工具採購清單。
常見問題
GEO baseline 一定要有一個總分嗎？
可以先不要。總分讓摘要變方便，代價是題目、引擎、引用和人工判斷的差異全被壓平；分數從 62 變 58，沒有人說得出是哪一題、哪個引擎在動。先保存可回查證據和限制，之後真的需要摘要指標時再定義清楚。
Day 0 應該觀測多少題目？
沒有一個不用看情境的固定數字。題數要能覆蓋你的核心意圖，也要讓團隊保存和判讀得完每一筆材料。從有明確用途的最小題目組開始、把排除範圍記下來，通常比一次鋪 200 題更容易維持品質。
基準建立後可以修改題目嗎？
可以改，條件是保留原題目、版本、修改原因和生效日期。新增或改寫題目都算新條件，靜默覆蓋 Day 0 之後，後續差異就沒辦法解釋了。
一次觀測看不到品牌，是否等於品牌沒有可見度？
這只能說：在指定的題目、引擎、時間和條件下，那次回答沒有看到可記錄的品牌提及。還要回頭確認題目適不適合、資料完不完整、回答有沒有執行成功，以及其他條件要不要分開觀測。跑一輪、品牌沒出現就下結論，通常只是題目寫得不對。
基準可以直接當成 SEO 成效報告嗎？
兩份報告分開放。GEO 基準保存的是 AI 回答與引用觀測，SEO 報告可能包含搜尋曝光、點擊或 Search Console 的生成式 AI 報告。資料來源、分母、日期和適用產品都不同，併成一張表會讓兩邊都失真。
結語
GEO baseline 的價值，在於讓團隊知道自己從哪個範圍、哪批題目和哪一組證據開始。先固定條件、保存原始材料、標記限制，再把可查的現象交給內容或網站角色處理，後續才有東西可比。要把 Day 0 觀測放進服務範圍，看 GEO 服務頁；要看產品怎麼呈現這些觀測，看我們的 Otlex；要討論實際範圍，可以到聯絡頁提供需求。