一种基于GEO的文章AI搜索曝光效果评估方法、服务器、产品及介质与流程

本技术涉及搜索优化领域，尤其涉及一种基于geo的文章ai搜索曝光效果评估方法、服务器、产品及介质。

背景技术：

1、geo（generative engine optimization，生成式引擎优化）是指针对生成式ai搜索引擎进行内容优化以提升内容在ai生成回答中的可见性和引用概率的技术方向。随着以chatgpt为代表的生成式ai对话平台的广泛应用，用户获取信息的方式正从传统网页浏览转向ai问答。用户通过向ai提问获得综合性答案，文章内容能否被ai检索并引用直接影响其传播效果。因此需要对文章在ai搜索环境下的推广效果进行评估。

2、在相关技术中，文章推广效果评估技术通过采集发布平台提供的浏览量、点击量、转发数等流量指标，对这些数据进行加权计算得出综合评分，从而量化文章的传播效果。

3、上述技术统计的是用户直接访问文章页面的行为数据。当用户通过ai平台以问答方式获取信息时，文章内容虽然被ai检索引用并通过ai答案触达用户，但用户未直接访问原文，发布平台无法捕获这部分流量，导致评估结果无法反映文章通过ai平台实现的曝光效果。

技术实现思路

1、本技术提供了一种基于geo的文章ai搜索曝光效果评估方法、服务器、产品及介质，用于检测并量化文章在生成式ai平台中的曝光频次。

2、第一方面，本技术提供了一种基于geo的文章ai搜索曝光效果评估方法，应用于服务器，该方法包括：获取待评估文章的标题文本和正文文本，将标题文本作为主提取对象、正文文本作为辅助提取对象进行语义解析，提取得到核心推广实体和关联属性描述；基于核心推广实体和关联属性描述，按照用户信息获取场景构建多个查询问题；将多个查询问题发送至多个生成式ai对话平台进行联网搜索，得到从生成式ai对话平台返回的回答内容，从回答内容中提取引用源地址；将待评估文章的原始地址与引用源地址进行匹配比对，统计原始地址在多个生成式ai对话平台返回的回答内容的出现次数，得到文章命中频次；获取待评估文章所在网站的权重数据，根据文章命中频次和权重数据计算综合曝光评分。

3、在上述实施例中，通过语义解析提取核心推广实体和关联属性，构建符合用户场景的查询问题并发送至多个生成式ai平台进行搜索。该方法将文章原始地址与返回回答中的引用源地址进行匹配，统计命中频次并结合网站权重数据计算综合曝光评分，弥补传统流量统计无法捕获ai问答场景下文章曝光的缺陷，为内容创作者提供ai时代的推广效果评估依据。

4、结合第一方面的一些实施例，在一些实施例中，该基于核心推广实体和关联属性描述，按照用户信息获取场景构建多个查询问题的步骤，具体包括：将核心推广实体与关联属性描述中的各属性词进行拼接组合，生成多个查询种子词；以多个查询种子词分别调用目标搜索引擎的查询联想接口，并提取目标搜索引擎搜索结果页面中展示的相关搜索词，汇聚为候选查询集合；基于预设用户意图维度体系对候选查询集合中的各条候选查询进行意图维度分类，并统计各意图维度下的候选查询数量以评估查询覆盖度；将候选查询数量低于预设覆盖度阈值的意图维度确定为待补充意图维度，基于待补充意图维度对应的预设查询模板，将核心推广实体填入预设查询模板的实体槽位生成补充查询语句，将补充查询语句加入候选查询集合，得到多个查询问题。

5、在上述实施例中，通过拼接核心推广实体与属性词生成查询种子词，调用搜索引擎联想接口获取相关搜索词构建候选查询集合。基于用户意图维度体系进行分类并评估覆盖度，对覆盖不足的意图维度通过预设模板补充查询语句，确保测试查询覆盖用户真实信息获取需求，提高曝光效果评估的代表性和全面性。

6、结合第一方面的一些实施例，在一些实施例中，该基于预设用户意图维度体系对候选查询集合中的各条候选查询进行意图维度分类的步骤，具体包括：确定核心推广实体所属的类目属性，从预设意图维度库中查询与类目属性关联的意图维度组合作为覆盖度校验清单，该意图维度库中不同类目属性对应不同的意图维度组合，每个意图维度配置有对应的特征词集合；检测候选查询集合中各条候选查询是否包含覆盖度校验清单中各意图维度对应的特征词，将包含特征词的候选查询归入对应的意图维度；遍历覆盖度校验清单中的全部意图维度，将归入的候选查询数量为零或低于预设覆盖度阈值的意图维度判定为待补充意图维度。

7、在上述实施例中，根据核心推广实体的类目属性从预设意图维度库中查询对应的意图维度组合。通过检测候选查询是否包含各意图维度的特征词进行归类，将候选查询数量不足的意图维度判定为待补充维度。该方案针对不同类目采用针对性的意图维度体系，避免统一标准导致的评估偏差，提高查询构建的精准性。

8、结合第一方面的一些实施例，在一些实施例中，该将待评估文章的原始地址与引用源地址进行匹配比对，统计原始地址在多个生成式ai对话平台返回的回答内容的出现次数，得到文章命中频次的步骤，具体包括：对待评估文章的原始地址进行url规范化处理，去除原始地址中的动态查询参数和协议标识差异，得到规范化原始地址；对各引用源地址执行逐级重定向追踪，获取各引用源地址经过重定向跳转后到达的最终落地地址；对各最终落地地址进行url规范化处理，去除各最终落地地址中的动态查询参数和协议标识差异，得到各规范化引用地址；将规范化原始地址与各规范化引用地址进行字符串匹配，统计匹配成功的规范化引用地址在多个生成式ai对话平台返回的回答内容中的出现次数，将出现次数作为文章命中频次。

9、在上述实施例中，对原始地址和引用源地址进行url规范化处理，去除动态参数和协议差异。对引用源地址执行逐级重定向追踪获取最终落地地址，将规范化后的地址进行匹配。该方案解决因重定向跳转、参数变化导致的匹配失败问题，准确识别ai平台回答中指向待评估文章的引用，避免地址形式差异造成的统计偏差。

10、结合第一方面的一些实施例，在一些实施例中，该获取待评估文章所在网站的权重数据，根据文章命中频次和权重数据计算综合曝光评分的步骤，具体包括：获取待评估文章所在网站的站点权威评分和待评估文章所在网站中历史已评估文章在多个生成式ai对话平台中的平均命中频次，将站点权威评分和平均命中频次作为权重数据；计算文章命中频次与平均命中频次的比值，得到相对曝光强度系数，该相对曝光强度系数用于表征待评估文章相对于待评估文章所在网站的历史已评估文章的曝光能力差异；根据相对曝光强度系数和站点权威评分计算得到综合曝光评分。

11、在上述实施例中，获取网站站点权威评分和历史文章平均命中频次作为权重数据。通过计算文章命中频次与平均命中频次的比值得到相对曝光强度系数，结合站点权威评分计算综合曝光评分。该方案既考虑文章自身曝光表现又纳入网站整体权威性，能够在不同权重级别的网站间进行横向比较，提供更具参考价值的评估指标。

12、结合第一方面的一些实施例，在一些实施例中，在获取待评估文章所在网站的权重数据，根据文章命中频次和权重数据计算综合曝光评分的步骤之后，该方法还包括：将引用源地址中与待评估文章的原始地址匹配失败的地址确定为竞争引用地址，对竞争引用地址进行域名聚合与页面去重处理，得到竞争文章集合；统计竞争文章集合中各竞争文章在回答内容中的出现次数，得到各竞争文章的竞争命中频次；对文章命中频次与各竞争命中频次进行降序排列，生成竞争曝光排名，将竞争曝光排名和综合曝光评分输出为曝光效果评估报告。

13、在上述实施例中，将匹配失败的引用源地址确定为竞争引用地址，对其进行域名聚合与页面去重处理得到竞争文章集合。统计各竞争文章的命中频次并与待评估文章命中频次进行降序排列，生成竞争曝光排名并输出评估报告。该方案不仅评估文章自身曝光效果，还识别相同查询场景下的竞争内容，为内容创作者提供竞争态势分析依据。

14、结合第一方面的一些实施例，在一些实施例中，该对竞争引用地址进行域名聚合与页面去重处理，得到竞争文章集合的步骤，具体包括：对各竞争引用地址执行逐级重定向追踪和url规范化处理，得到各规范化竞争落地地址；按照域名维度对各规范化竞争落地地址进行聚合分组，并对同一域名下路径标识相同的地址进行合并去重，将去重后保留的各地址作为独立的竞争文章，汇总得到竞争文章集合。

15、在上述实施例中，对竞争引用地址执行逐级重定向追踪和url规范化处理，按域名维度进行聚合分组，对同一域名下路径相同的地址进行合并去重。将去重后的各地址作为独立竞争文章汇总得到竞争文章集合。该方案准确识别不同竞争文章，避免地址变体或重复引用造成的统计偏差，确保竞争分析结果的准确性。

16、第二方面，本技术实施方式提供了一种服务器，该服务器包括：一个或多个处理器和存储器；该存储器与该一个或多个处理器耦合，该存储器用于存储计算机程序代码，该计算机程序代码包括计算机指令，该一个或多个处理器调用该计算机指令以使得该服务器执行如第一方面以及第一方面中任一可能的实现方式描述的方法。

17、第三方面，本技术实施方式提供一种计算机可读存储介质，包括指令，当上述指令在服务器上运行时，使得上述服务器执行如第一方面以及第一方面中任一可能的实现方式描述的方法。

18、第四方面，本技术实施方式提供一种包含指令的计算机程序产品，当上述计算机程序产品在服务器上运行时，使得上述服务器执行如第一方面以及第一方面中任一可能的实现方式描述的方法。

19、可以理解地，上述第二方面提供的服务器，第三方面提供的计算机存储介质和第四方面提供的计算机程序产品均用于执行本技术实施方式所提供的方法。因此，其所能达到的有益效果可参考对应方法中的有益效果，此处不再赘述。

20、本技术实施方式中提供的一个或多个技术方案，至少具有如下技术效果或优点：

21、1、由于采用了提取核心推广实体构建查询问题发送至多个生成式ai平台，将文章原始地址与引用源地址匹配统计命中频次并结合权重数据计算综合曝光评分，有效解决了传统流量统计方法无法捕获用户通过ai平台获取信息时文章被引用但用户未直接访问原文导致评估结果无法反映文章通过ai平台实现的曝光效果的技术问题，进而实现了量化文章在生成式ai平台中的曝光频次并提供内容推广效果的评估依据。

22、2、由于采用了将核心推广实体与属性词拼接生成查询种子词，调用搜索引擎联想接口构建候选查询集合，基于用户意图维度体系评估覆盖度并对覆盖不足的意图维度通过预设模板生成补充查询语句，有效解决了构建测试查询时因查询样本单一或未考虑用户意图分布导致测试查询无法覆盖用户真实信息获取需求从而使评估结果缺乏代表性的技术问题，进而实现了构建全面覆盖用户信息获取场景的查询问题集合并提高曝光效果评估的准确性。

23、3、由于采用了对原始地址进行url规范化处理，对引用源地址执行逐级重定向追踪获取最终落地地址并进行url规范化处理，将规范化后的地址进行匹配统计命中频次，有效解决了因引用源地址经过重定向跳转或因附加追踪参数和协议标识差异导致引用源地址与原始地址不一致造成匹配失败和命中频次统计偏差的技术问题，进而实现了准确识别ai平台回答内容中指向待评估文章的引用并提供可靠的命中频次统计结果。