GEO 可见度判定助手刚上线时，能回答的问题很单一：把一条 ChatGPT 或 Perplexity 的回答粘进来，告诉你这一条里，品牌有没有被提及、排第几、有没有被引用。
用了一段时间后，一个新问题冒出来了：测得越多，越不知道该怎么看这堆结果。
10 条记录里，3 条提到了，7 条没提到，这算好还是不好？某个引擎总是不提，是巧合还是真的有问题？光靠翻测试记录表，答不出来。所以这次升级加了四个板块，核心思路是把工具从"查一次"变成"能持续用来做判断"。
一、汇总记分卡：把单条结果变成有统计意义的结论
单条判定只能说"这一次出现了"，汇总记分卡回答的是"整体表现怎么样"：可见率、被引率、检索命中率、SOV（按记录是否出现计 1，不按提及次数，避免一条啰嗦回答刷高份额）、自家与竞品的出现率对比、平均位次、按引擎拆开看的覆盖矩阵。
有个细节是刻意设计的：样本量不足 5 条，或者单个引擎不足 3 条时，卡片会显示"样本不足"，而不是硬算一个百分比给你。1 条记录里出现了 1 次，不该被读成"可见率 100%"。这种情况下宁可不给结论，也不给一个会误导决策的假结论。
二、行动建议：告诉你问题出在哪一层，不是只报个分数
记分卡说清楚了"现状如何"，但更常被问到的是"那我该做什么"。行动建议板块按结果分布自动匹配诊断，目前有 9 条规则，覆盖这几类典型情况：
- 样本不足：先去测试计划矩阵把问题和引擎补够，再看结论
- 可能是可抓取性问题：一半以上测试里 AI 既没提到你、检索层也很少命中，大概率不是内容不行，是 AI 压根没找到你，会指向 robots.txt / llms.txt / IndexNow 这类地基问题
- 被抓到了但没被采信：AI 检索到了页面，却没把内容用进正文，多半是内容不是"答案优先"的写法
- 被引用了但品牌名没进正文：官网链接被当来源用了，但用户读回答时未必注意到你是谁
- 提到了但排得靠后：品牌确实出现，但平均位置偏后
- 某个引擎明显掉队：整体表现和某个引擎差距很大，说明这个引擎的主要信息源里你没铺到
- 竞品占了你的位置：有竞品出现率比你高，该去查它是从哪些渠道被引用的
- 判不出引用层：「无引用数据」占比高，通常是复制方式漏了来源信息，不是 AI 真的没引用
- 表现健康：大部分测试都被提及，提醒你继续做周期性监测，AI 推荐本身有天然波动
每条建议都配了具体动作和对应的站内打法文章链接，不是甩给你一个"再优化一下内容"就完事。
三、引用来源情报：AI 到底在从哪抄答案
这一块单独拎出来，是因为它回答的是一个跟"我怎么样"完全不同的问题：AI 在这个话题上，实际引用的是哪些网站？
工具会把所有测试记录里出现过的第三方域名汇总、按命中次数排序，并标出"品牌官网 / 竞品官网 / 第三方渠道"。默认只看第三方渠道，因为这份清单本质上就是一份"该去铺内容的渠道列表"。如果某个评测网站或社区经常被 AI 引用来回答你这个赛道的问题，那就是值得优先争取露出的地方。
四、测试计划矩阵：让"测了多少"变成可控的事
前面三个板块都依赖一个前提：样本量够。但手动一条条测很容易漏，也不知道自己到底测全了没有。
测试计划矩阵解决的就是这个问题：把客户可能会问的问题列成清单，工具自动生成"问题 × 引擎"的矩阵，点还没测过的格子会直接预填好问题和引擎、跳到测试步骤。凑够样本量、覆盖主力引擎之后，前面三个板块给出的结论才站得住。
五、顺带解决的两个老问题
测试记录以前是刷新就没了，现在改成本地持久化（localStorage，跨会话累积，上限 200 条），关掉浏览器再回来，之前的记录还在，记分卡才有可能积累出有意义的样本。
记分卡下面还藏了一个"优化前 / 优化后对比"：按时间点把记录分成两段，同时跑两次统计并排显示。改完内容、修完 robots.txt 之后，能直接看到可见率和 SOV 有没有真的变化，而不是凭感觉说"应该有效果"。
六、合起来看，这次升级在解决什么
单条判定回答"有没有"，这次升级加的四个板块，实际是在把它拼成一个完整的闭环：测试计划矩阵保证测得够、测得全 → 汇总记分卡告诉你现状统计上站不站得住 → 行动建议告诉你该往哪使劲 → 引用来源情报告诉你具体去哪铺内容。改完之后，用"优化前/优化后对比"验证有没有效果，再回到测试计划矩阵开始下一轮。
工具本身还是那个免费、纯本地、不联网的GEO 可见度判定助手，只是现在测的每一条记录，都能沉淀成看得懂、用得上的结论。