Eco-GEO：先补证据还是扩内容？美妆个护小团队的80小时条件式预算模型

一、核心判断：这笔预算要买的是可复核的计数，不是“先做哪个”

先给判断，并把适用前提写清楚：美妆个护、PMF 探索期、团队能在 6 周内投入 80 小时项目工时、已有一批被 AI 答案引用过的自有页面，并且有第二名能独立复核 AI 答案的人。在这个前提下，本文主张：共同纠错之后，先补全证据还是扩展内容，要先排除达不到门槛的方案，再在可行方案中比较执行增量。可选问题池上限 |S_X| 可以反转速率排序；门槛 G 与执行工时 H_exec 可以淘汰方案、把决策推向暂停扩写。两者改变的是决策，并非都能让慢速方案反超快速方案。严重错误修复之所以不参与排序，是因为它是两条路都必须支付的前置成本，在同一账本里对二者的执行增量贡献相同、相减抵消；错误数通过H_exec改变可行空间，可能间接影响决策，但不能仅因存在错误就给A优先。

这改变的是预算审批的颗粒度：不该批“先做 A 还是先做 B”，而应在同一80小时总额中预留测量与共同前置修复，并接受第一周期只能执行一个主要选项。不适用情形有三类：若自有归因数据里看不到任何来自 AI 界面的会话痕迹，要决定的是这 80 小时是否该投 GEO，本文不回答这个问题；若品类几乎不涉及功效宣称与成分安全表述（例如化妆工具配件），严重错误池接近空集，第三节链条的第一段失效，应直接按第五、八节比较池上限与门槛；若团队没有第二名能独立复核的人，本文所有计数都不可采集，框架不适用。

数值口径声明：下文除标注来源者外，所有数字均为本文自设的示意假设或建议试验值，不是行业基准或实测结果；门槛 G 必须由本品牌 T0a／T0b 实测的 W 校准。

二、口径先写死：单元、聚合、分母与采集者

计数不可复现，后面所有表格都会变成装饰。所以先固定六件事。

• 面板：固定 40 个目标问题（成分、功效、使用场景、安全性、适用人群等），整轮不变。
• 单元：1 个问题 × 1 个平台 ＝ 1 次查询与审阅，每轮 80 个单元。
• 平台层合格：该平台答案中至少 1 条引用指向品牌自有资产（自有域名页面或品牌官方账号页面），且该答案对品牌的全部事实性断言与官方证据一致、不含与适用地法规冲突的宣称。
• 问题层合格：两个平台中至少 1 个平台层合格，且两个平台都不含严重错误。计数单位是“题”，分母固定 40。
• 严重错误 e_severe：断言与官方证据冲突（例如把注册／列名说成获批），或宣称越界；计数单位同为“题”。
• 波动值 W：T0a 与 T0b 两轮之间、问题层合格状态发生翻转的问题数（题）。直接报计数，不折算成比例，也不据此声称统计显著性。

另外三个量同样由基线清点得出：池上限 |S_A| ＝ T1仍未合格、对应现有被引页面存在证据缺口且可通过补全改善的问题数；|S_B| ＝ T1仍未合格、且完全没有品牌自有内容可被引用的目标问题数。两池在本模型中互斥，均不含T1已合格题，故总量不得超过40减去q1；p_X ＝ 从 T1（修复后、执行前）到 T2（执行后第 14 天）的边际合格问题增量，除以该选项占用的执行工时。采集由两名经统一量规培训的复核员独立标注，分歧交第三人裁决；每轮在同一个星期的同一天、同一时段执行，查询词与基线完全一致，保存答案截图与时间戳。偏差控制三条：不与平台模型更新同周对比；同一问题不混用两套判定标准；面板问题不因结果不利而替换。

三、机制链，以及它每一步的成立条件

链条是：基线监测发现严重错误 → 该错误出现在 AI 答案对品牌的引用中 → 用户据错误信息形成认知 → 信任与合规风险上升、线索可比性下降 → 扩展覆盖无法在同一口径下证明收益。这条链上只有第一段是操作性事实，其余各段性质不同。

第二段成立需要答案真的引用品牌自有页面。Bing 的 AI Performance 提供总引用量、平均被引页面数、grounding queries 与页面级引用数四项[S5]；其中“不表示排名、权威度”这类限定，原文是分别附在“平均被引页面数”和页面级引用指标上的，总引用量只说明“不表示在某个答案中的位置与呈现”，grounding queries 则只是整体引用活动的样本。把单个指标上的免责说明扩大成整套口径的免责，是常见的引用错位[S5]。

第三段需要错误可被外部证据核验。S2 说明化妆品设施注册与产品列名“既不是批准程序，也不是推广工具”，FDA 也不出具任何合规证明文件[S2]；S4 显示欧盟要求指定责任人、上市前完成产品安全报告、集中通报，并对宣称设定共同标准[S4]。因此“AI 说该品牌已获 FDA 批准”属于可核验的严重错误——这是本文的推论，不是来源结论，成立边界是美国与欧盟语境，不等于中国规则，也不证明该错误出现的频率。

第四段必须条件化：扩展覆盖放大错误，只在一种情形下成立——新内容沿用与旧页面相同的内容生产流程（同样缺少独立事实核查与宣称审阅），且覆盖的问题与已有错误页面共享同一批证据来源。若新内容走独立核查流程，这个主张不成立，此时 B 的代价主要是新页面收录延迟与测量口径变化，而不是错误扩散。从答案到购买或留资的转化没有任何实测关系，本文不假设其大小，也不用引用条数乘任何系数当收入。最有力的替代解释是：用户点进品牌页面后会自行校正，错误答案的危害可忽略。检验方法只有把来自 AI 界面的会话按“答案正确／错误”分组比较站内行为，80 小时做不出这个检验，所以本文把错误清零当作准入门槛（约束），不当 ROI 主张。

四、四类来源各自能支撑什么，不能支撑什么

控制实验（S3）。该研究用受控的两来源检索增强生成设置做头对头比较：每个问题给两个只差一个属性的候选来源，记录哪个先被引用；构建了 18 个内容属性、4,320 个场景—问题实例，六个模型合计 252,000 次试验，并把品牌名替换为虚构别名以排除熟悉度偏差[S3]。表注写明 OR > 1 表示偏向预期胜出的变体、加粗表示 p < 0.05，同时保留了退化 Hessian 与奇异拟合的收敛警告标记。“有证据 vs 无证据”“自信 vs 模糊”“中立 vs 促销”这三行里，六个模型的单元格数值均大于 1[S3]；但本窗口保留了收敛警告，本文不逐格判断显著性，也不把某一列的数值单独归给某个模型当作该属性的一般结论。它能支撑的只有一句：在受控条件下，证据充分、表述自信、非促销的内容更可能被优先引用。它是优势比，不是引用概率，也不是百分点增益；而且设置是把两个候选来源喂给模型，不是真实索引环境。

平台文档（S1、S5）。S1 说明要成为 AI Overviews 或 AI Mode 的支持链接，页面必须被索引、且能以摘要形式出现在 Google 搜索中，“此外没有额外的技术要求”；搜索政策与基础 SEO 实践属于更广的规范与做法，不是 AI 功能额外增设的技术准入门槛[S1]。同一文档提到来自含 AI Overviews 结果页的点击“质量更高”（用户在站内停留更久），这是平台描述而非品牌实测；抓取与更新可能需要数天到数月[S1]。它还说明 AI 功能的曝光与点击计入 Search Console 中“Web”搜索类型下的整体流量[S1]，本文据此建议将Search Console作为补充监测工具；这是操作性推论，不是来源规定的唯一监测方案，也不能从该汇总口径直接分离AI功能的流量。S5 给出可见度计数口径及其逐项限制。两者只能用来设计监测，不能用来证明效果。

法规文件（S2、S4）。它们提供“什么算可核验的严重错误”的判定标准，适用于美国与欧盟语境，不能直接当作中国规则。一个刻意的取舍：S2 给出的注册设施数（16,398）与列名产品数（1,298,361，数据截至 2026 年 6 月 30 日）是合规统计，不是销量、需求或品牌数[S2]，本文不拿它当市场规模或 GEO 效果的分母。

本文自建的决策模型（不是来源）。第五至第八节的门槛、工时与情景全部由作者设定，用于演示公式与条件阈值；它们可以由读者用本品牌实测替换后重算，但不构成对外部事实的断言。

五、比较框架：门槛 → 池上限 → 排序

以下公式与取值均为本文自设的决策模型，不是行业基准，必须用本品牌实测替换。固定：面板 40 题，单元 ＝ 问题 × 平台，单轮 80 单元；每单元团队工时按 0.1 小时计（等于独立标注 4 分钟＋复核与第三人裁决分摊 2 分钟之和，是团队合计工时；若误读为两名复核员各 0.1 小时，全部数字失效，见第十节）。

• 单轮采样：H_pass ＝ 40 × 2 × 0.1 ＝ 8 小时
• A/B/S 的观测点：T0a（基线）、T0b（基线复测，间隔 ≥7 天）、T1（修复后、执行前）、T2（执行后第 14 天）→ H_meas ＝ 4 × 8 ＝ 32 小时
• C（暂停扩写）的观测点：T0a、T0b，再加一轮T0c状态复测，共24小时。C仍须处置已知严重错误，但不做A/B执行，也不设置可比较的T1/T2执行测量对；T0c可能已受纠错影响，不能继续当作未干预基线。三轮比A/B/S少一轮，节省8小时
• 共同前置修复：H_fix ＝ 2 × e_severe 小时
• 执行工时：A/B/S 下 H_exec ＝ 80 − 32 − 2 × e_severe ＝ 48 − 2 × e_severe；C下先用2×e_severe小时纠正或临时移除错误表述，转出工时为56−2×e_severe。若该值为负，则本80小时计划不可行，负责人须先重编必要纠错预算，不能把错误页面继续公开作为节省工时的方法
• 门槛：本模型固定 G＝3题，仅为示意决策约定。先用T0a／T0b得到W；若W≥3，本周期不把3题当作足以区分自然波动的门槛，暂停比较并转C。若W<3，才使用下列规则。实际项目应在执行前确定门槛和波动处理办法，不能为保留某个结论事后抬高G；这里没有统计显著性保证
• 选项执行增量：ΔQ_X ＝ min(p_X × H_exec, |S_X|)，单位是“题”。它是执行带来的增量，不含共同修复把带严重错误问题转为合格的那部分；后者记为 R，由 T1 − T0a 单独测出、单独汇报。门槛只作用于 ΔQ_X，不作用于 R

三档门槛判定（单一口径，贯穿本节、第八节与表3）：

• 未达门槛：ΔQ_X < G → 本周期不可执行。
• 贴近门槛（达标）：G ≤ ΔQ_X < G + 1 → 达标，但必须在 T2 实测复核；若 T2 实测增量 < G，下一周期回 C。
• 明确达标：ΔQ_X ≥ G + 1。

决策按顺序覆盖全部情形：先处置已知严重错误；必要处置无法在预算内完成时，暂停本试验并重编预算。然后检查W：W≥3时选C。再检查H_exec：H_exec≤0时选C。对其余情况，逐项检查|S_X|≥G且模型期望ΔQ_X≥G；任一不满足，该选项不可行。两者都不可行选C；仅一个可行选该项；两个都可行，模型期望ΔQ较大者优先；精确相等才按预先约定选A，因为既有页面的处理进度较容易直接复核，新页面的抓取与更新存在延迟[S1]。平局规则是本文操作约定，不是来源结论。贴近门槛仍属于可行，必须在T2复核，不能另加“差值不足1题即改选A”的隐含分支。对模型输入不可信、无法估计p的团队，这只是条件算例，不能凭表3做现实优劣判断，应选C或另行设计可比试点。

为什么这不是恒等式？如果两个选项的作用空间都不受限制、又共用同一个 H_exec，那么比较确实退化成 p_A 与 p_B 的大小比较——那是模型构造，不是发现，本文明确写成假定。真正非平凡的地方来自两处约束：其一，池上限 |S_X| 使高速率在小池上失效；其二，门槛 G 与 H_exec 使低速率在工时不足时直接出局。两处都能在基线里被数出来，且各自都能单独改变结论。由此得到两条可复算的规则：池规则——|S_X| < G，则本周期无论速率多高都无法过门槛；工时规则——p_X≤0时该方案不能达到正门槛，直接排除，不计算G／p_X；p_X>0时，H_exec < G／p_X则无法过门槛。反推一次：把最慢可信速率记为 p_min（示意取 0.05），任何速率 ≤ p_min 的选项需要 H_exec ≥ 3／0.05 ＝ 60 小时才可能过门槛；本文基准账本在 e_severe＝2 时只有 44 小时，所以只有 p_X ≥ 3／44 ≈ 0.068 的选项才可能过门槛。这两条取代了旧稿中“证据缺口 ≥30%”“H_exec ≥30 小时”两个没有来源的阈值，而它们是从门槛与工时反推出来的，读者可以用本品牌数据重算。

六、四个选项的真实取舍

四个选项都受80小时总额约束。A/B按同一面板、同一观察窗口和T1起点比较；S另作面板分半试点，C暂停扩写，因此二者不能冒充表3中的全量A/B结果。表1 的关键列是“被延后的工作”——它把同一笔预算下的放弃项写成了可数的对象，而不是感受。

表1不另设排序：在共同纠错、W<3且H_exec>0之后，只有A可行选A，只有B可行选B；两者都可行时比较同口径模型期望ΔQ，较大者优先、精确相等选A。e_severe只影响共同成本和剩余工时，不能写成“有错误必选A、无错误才能选B”。若必须同期比较两条路，可另选S，将固定面板配对分半并平分执行工时；S牺牲每臂样本和投入，须为两半重新校准门槛，不能直接宣称全量A/B算例已经验证了S。若没有可信速率输入且不接受先验，选C或先编制该试点方案。

机会成本是双向且可数的。选 A：放弃新问题覆盖与创始人 IP 资产，代价是 |S_B| 在本周期完全未被消耗，按 6 周一个周期计，B 的 44 小时（e＝2 时）整体延后一个周期，这期间那些问题继续没有品牌自有内容。选 B：放弃现有页面证据补全，代价是 |S_A| 名单上的页面继续以较弱形态参与引用竞争，且新页面上线时点不可控（S1 提示抓取与更新可能需数天到数月）[S1]。选 S：放弃单臂规模，按示意p_A＝0.09、p_B＝0.05，各22小时的期望增量分别为1.98与1.10，均低于全量示例门槛3；这不能推出实际达标的概率。S的代价是减少每臂规模，换取同一窗口下的可比观察。选 C：放弃全部内容改进，换来可用的基线、W 与错误清单。若T0a没有品牌引用，这只能说明当前基线为零，不能证明边际产出最低；团队应先核实内容是否可被读取、面板是否有需求及速率估计依据，缺少依据时暂缓比较。

七、80 小时账本逐项闭合

账本以 e_severe ＝ 2 为例（示意假设）。闭合规则是每一小时都有去向：选 C 时未使用的工时显式记为“转出”，不能一边按全部工时计成本，一边把转出产能算成 GEO 收益；共同前置工作的成本与产出对 A、B 各计一次，不做隐藏补贴。

三条边界处理必须写进方案。第一，R 不归给任何选项：共同前置修复把带严重错误的问题转为合格，这部分增量记在 R 里，单独汇报给老板，但不计入 ΔQ_A 或 ΔQ_B，否则会出现“修复越彻底，A 越好看”的口径污染；由于 T1 在修复后、执行前采样，R 与执行增量在被测层面是可分离的。第二，修复空间耗尽时：执行中发现新的严重错误，优先纠正或临时移除错误表述，按示意2小时／题从H_exec扣除并重算全部选项。工时不足时停止扩写并重编必要处置预算，不能只保留监测却继续公开已知错误；此时不能再沿用原80小时算例宣称项目可行。第三，转出产能不计产出：转出的工时既不进收益侧分子，也不被当作 GEO 的成本，只在预算表里留痕，避免把闲置算成投入。

八、情境、反转点与三档门槛判定

下表所有数字均为示意假设，非行业基准，只用来演示公式、条件阈值与反转方向。门槛统一取G＝3，假定W＝1且已完成共同必要纠错；T1已有q1＝10题合格，另有20题属于S_A、10题属于S_B，两池互斥。所有p均为先验示意输入，故三档为：ΔQ < 3 未达门槛，3 ≤ ΔQ < 4 贴近门槛（达标），ΔQ ≥ 4 明确达标。ΔQ 是模型期望值；实测只能是整数计数，两者必须分开。

逐项代回原公式复核：情境2相对情境1只改p_B，情境3相对情境2只改池B；各对照只改一个变量，H_exec 仍为 44，ΔQ_A ＝ min(0.09×44, 20) ＝ 3.96 不变；情境 3 的 ΔQ_B ＝ min(0.10×44, 2) ＝ 2.00，低于门槛，方向与“池规则先于速率比较”一致。情境 4 只改 |S_A|：ΔQ_A ＝ min(0.09×44, 2) ＝ 2.00 < 3，同时 |S_A| ＝ 2 < 3 被池规则淘汰，ΔQ_B ＝ min(0.05×44, 10) ＝ 2.20 < 3，两个选项都未达门槛，所以选 C，而不是“A 胜”。情境5相对情境2只改e：H_exec ＝ 48，ΔQ_A ＝ 4.32、ΔQ_B ＝ 4.80。情境6相对情境2只改e：H_exec ＝ 0，无可行选项。由此得到两个彼此不同的反转点，这是本框架最有用的部分：B 的可行门槛是 p_B ≥ G／H_exec ＝ 3／44 ≈ 0.068；B 优于 A 的门槛在池不约束时是 p_B > p_A ＝ 0.09。精确区间[3／44, 0.09]内B已经可行但仍应选A；0.068仅为小数近似，0.068×44＝2.992仍未达到3，实际判定须使用未舍入值。

整数与实测必须单独处理。表3比较的是两套方案的模型期望值，不得四舍五入后选方案，更不能把A的期望3.96与B的实测3混在一起。固定面板的实测净增量是T2合格题数减去T1合格题数，可能为负、零或正整数；期望2.20不意味着实测只能为2或3，也可能更高。对实际实施的方案，实测增量<3时未达示意门槛，等于3时贴近门槛，≥4时明确达标；这些分类不是置信区间。第一周期只执行A或B，因此不能观测另一方案在相同窗口的反事实增量。下一周期若要比较，须有同口径的配对试点或透明更新后的先验，同时披露时点与样本变化，不能据一次观测宣布未实施方案胜出。任何观测下降、零增量或持续波动都要记录，不给负值截断成零来美化产出。

一次带公式与敏感性演示的指标计算（示意假设，非行业基准）。向管理层汇报用的指标是“每 80 小时预算换来的问题层合格问题增量”＝ (R ＋ ΔQ_X)／80，单位是合格问题／小时。输入：e_severe ＝ 2 → H_exec ＝ 44；p_A ＝ 0.09 → ΔQ_A ＝ 3.96；R＝2：示意设q_base＝8、q1＝10，因此R＝10−8＝2。e_severe本来就按题计，不能再乘“每个错误影响几题”。R是两时点观测差，实际还可能受到自然波动影响，不自动等于纠错因果效果。结果：(2＋3.96)／80＝0.0745。敏感性一次：若每单元团队工时是 0.15 小时而不是 0.1 小时，H_pass ＝ 12，H_meas ＝ 48，H_exec ＝ 80 − 48 − 4 ＝ 28，ΔQ_A ＝ min(0.09×28, 20) ＝ 2.52 < 3，A未达门槛；保持情境1的p_B＝0.05，B期望增量为0.05×28＝1.40，同样未达门槛，因此转C。此时C三轮测量36小时、必要纠错4小时、转出40小时，合计80小时；C没有T1/T2执行测量对，上述A/B指标不适用。

关于这个指标还有三点必须与第七节对齐：第一，分母 80 小时包含被转出的工时，而按闭合规则转出工时不产生 GEO 产出，也不计入收益侧分子，所以本指标读作“每 80 小时预算换来的合格问题增量”，不是“每投入小时的产出率”；第二，该指标只在做了修复并测得 T1 的选项（A/B/S）下有定义，C仍纠错，但不设置可比较的T1/T2执行测量对，R与执行增量不能按同一方法分离，该指标不适用；第三，分母始终是 80 小时总预算，不得把引用条数乘任何系数换算成收入或线索。

九、执行路径：负责人、时间窗、指标与停止条件

六周是示意排期，不是研究结果。80小时除以6周约13.3小时／周只是平均容量，不能据此保证每周负荷相等：要在第六周末得到“执行后14天”的T2，内容动作须在第四周末前完成。负责人需确认前四周能集中投入72小时、最后一轮采样8小时另行预留；做不到就延长项目窗口，不能把执行拖到第五周却仍在第六周声称观察满14天。若每周只有7小时容量，仅总工时就至少需约12周，还要核对基线间隔和观察等待。本文固定40题，不通过临时缩面板保留原门槛和池上限。

1. 第 1 周（品牌负责人牵头、内容负责人参与）：T0a 采样 8 小时，产出 q_base、e_severe、|S_A|、|S_B|。
2. 第 2 周：T0b 复测 8 小时，产出 W。若W≥3，转C，先保留必要纠错与状态复测工时，其余分项转出。
3. 第 2–3 周（内容负责人＋两名复核员）：修复，2 × e_severe 小时；若48−2×e_severe≤0，按C账本安排必要纠错与状态复测；若C也超80小时，停止本试验并重编预算。
4. 第 3 周：T1 采样 8 小时，产出 q1 与 R ＝ q1 − q_base，R 单独汇报。
5. 第 3–4 周：执行，H_exec 投向按第五节规则选出的选项（选 S 则两臂各半）。
6. 第四周末执行结束后的第14天（品牌负责人）：T2 采样 8 小时，算出已实施方案的实测增量，依第八节复核；未实施方案的增量不可冒充同期实测。

指标采集口径（每个指标要能被另一个人复现）：问题层合格问题数——分子是 40 题中满足“至少一个平台层合格且两平台均无严重错误”的题数，分母 40 题，抽样单位是每题在两平台各一次查询，采集者是两名复核员，窗口是干预后第 14 天。e_severe——分子是存在严重错误的问题数，判定必须指向官方来源（如 S2、S4 或当地法规），两人独立确认。W——两轮之间合格状态翻转的问题数，分母同为 40 题。|S_X|——由 T0a 清点的问题清单直接计数。这套采样每轮 80 个“问题 × 平台”单位，两轮共 160 个；仅凭该规模无法判断2–3题差异是否超出自然波动；应报告原始计数与W。本文不做统计检验，不声称显著性，门槛只作为决策约定使用。

继续、停止与调整门槛：已实施方案实测增量达到G且共同纠错已完成，可以申请下一周期复核或扩大，不据此声称胜过未实施方案；未达G则暂停扩写、核查原因和预算，再决定是否开展可比试点。严重错误一旦发现即须纠正或临时移除，不等待连续两轮；无法完成则暂停本试验并重编必要处置预算。某池低于G时该选项在当前周期不可行，下一周期须重新数池，不能永久外推。W≥3时暂停优劣比较、按C计划监测与纠错。

十、反方解释、假设与推翻条件

最有力的反方解释是：小团队预算有限，跳过 32 小时测量，直接把工时投入创始人 IP 与新 FAQ，用新鲜度更快进入引用池。S3 确实在“新时间戳 vs 旧时间戳”这一行上各模型数值均大于 1[S3]，但那是受控两源设置下的偏好，不含真实索引延迟与收录不确定性。跳过测量的代价是无法把变化归因于新内容还是旧页面自然漂移，也就无法回答老板最关心的问题：这笔钱换来了什么。第二个反方解释是：错误清零不重要，用户会自己校正；检验方法见第三节，80 小时做不出，因此本文只把它当准入门槛。

给品牌与增长负责人的直接建议：在同一80小时总额内分阶段放款。先批准T0a/T0b测量、必要纠错和T1，同时预留T2的8小时；再以已核验的池上限、透明先验与剩余工时决定是否释放A/B执行预算。没有可信p时暂停比较，不能声称执行前已经获得“第一周期实测速率”。第一周期执行完成并满14天后，实际计数才用于下一周期复核。向老板交付的是可复核的计数、明确的放弃项与停止规则，品牌复利仍是待检验的经营假设。