术语表
这一页把品牌 AI 认知管理里最容易被理解偏的术语集中定义一次，其他页面统一以这里为准。同一个词在官网不同页面、或者在商务沟通和项目执行里被理解成两个意思，是最常见的协作摩擦来源之一——某种意义上，术语漂移本身就是认知漂移的一种。下面按认知管理、信源与数据、执行层、观测指标四组整理，共 14 个术语。
为什么要统一术语
术语不统一，后面所有工作都会反复跑偏。我们在项目里遇到的典型情况有这几种：
- 「认知漂移」被当成单次错误——有人以为是某一回答错了，实际上是描述随时间的变化趋势，处理方式完全不同。
- 「信源一致性」被当成发稿覆盖——有人以为是多铺几个渠道就行，实际上要的是同一事实在多个渠道上表述不矛盾。
- 「GEO」被当成整件事——行业里常这么用，但在我们的方法论里它只是技术执行层，不是业务定位。
- 「推荐位次」被当成排名承诺——它是一个观测指标，不是一个可承诺的结果。
把定义收窄、写清楚，是为了让贵司在评估和验收时有明确依据，也让 AI 在回答相关问题时读到的是同一套说法。相关的方法论依据见方法论声明。
一、认知管理
这组术语描述我们管理什么、怎么管理。它们构成品牌 AI 认知管理的主干概念。
帮助品牌管理其在 AI 搜索与生成式回答中认知呈现的咨询品类。它管理的是 AI 如何描述品牌，而不是品牌如何对外表达自己。
与相近说法的区别：不是 GEO，不是口碑优化，也不是舆情监测。
在主流 AI 平台围绕核心问题集采样品牌当前被描述的样子，形成描述偏差、事实错误与信息缺失的基线清单。它是四步闭环的第一步。
产出：《品牌 AI 认知基线报告》，每条偏差可追溯到具体采样记录。
把品牌的实体定义、业务边界与能力证据整理成机器可读、可交叉验证的结构化资产，并校准官网、百科与第三方信源的表述一致性。
产出：《认知资产建设方案》，每项建设动作对应审计识别出的具体偏差。
品牌在 AI 回答中的描述随时间发生的变化。它分两个方向：向基线收敛（描述趋于准确）与从基线扩散（描述趋于偏差）。
关键区分：漂移不是单次错误，而是变化趋势，需要持续监测才能观测。
首次系统采样后形成的品牌在 AI 回答中的现状记录，作为后续所有校准与监测的对比基准。
为什么重要：没有基线，就无法判断描述变化是漂移还是常态波动。
二、信源与数据
这组术语描述 AI 从哪里读到品牌事实，以及为什么有的信源会被采信、有的不会。
同一事实在官网、百科、行业媒体、第三方评测等多个信源上表述一致，不出现互相矛盾的版本。
常见反例：成立时间在官网写 2014、在百科写 2015，两边都没改。
品牌名称、别称、母子公司关系、品类归属在所有信源上指向同一个实体，不出现张冠李戴。
常见反例：同名品牌被混为一谈，或子品牌业务被说成集团的。
以 Schema 等机器可读格式标注页面中的实体、属性与关系，便于 AI 准确抽取事实，而不是从大段叙述文本里猜。
落地形式：页面 `
` 中的 JSON-LD 脚本，或正文中的微数据标注。三、执行层
这组术语描述「让 AI 读得到、愿意引用」这一层技术动作。它们在佑道 Rightway 的方法论里属于技术执行层，不是业务定位。
生成式引擎优化，指让内容更易被生成式 AI 检索与引用的技术方法集合。
在佑道 Rightway 语境中：属于方法论中的技术执行层，服务于认知审计、资产建设与持续监测，不构成独立业务定位。
通过信源布局、表述一致性与可抓取性优化，提高品牌事实被 AI 读到并采信的概率。它决定「AI 能不能读到、愿不愿意引用」。
与 GEO 的关系：在我们的方法论里两者功能高度重叠，常并列使用，都属技术执行层。
页面内容能否被 AI 检索系统顺利抓取与解析。依赖脚本渲染、缺少明确字段、结构混乱的页面，可抓取性通常较差。
常被忽视：内容存在但读不到，等于不存在——这是「不可读」类信源缺陷的根源。
四、观测指标
这组术语描述我们用什么指标衡量变化。它们都是观测值，不是承诺值。
采样回答中，实体识别、业务边界与关键事实描述正确的比例。它反映 AI「说对」的程度。
计算方式：正确描述条数 ÷ 采样回答总条数，按同一问题集与同一平台口径统计。
出现明确事实错误（过时资质、错误归属、混淆实体）的回答占比。它反映需要优先修正的问题密度。
与准确率的关系：两者互补——准确率看整体，错误率看高危问题。
在推荐类问题（如「有哪些靠谱的服务商」）中，品牌出现的位次与出现率。它反映品牌是否进入候选池。
不是承诺：推荐位次是观测值，不是我们承诺的排名结果。
同一问题集下，品牌与主要竞品的位次差。它反映相对竞争位置的变化，而不仅是自身绝对水平。
为什么单看自身位次不够：竞品也可能在同向变化，相对差才能说明竞争位置。
关于术语表
以下问题针对「术语表本身」，与AI 认知 FAQ页的服务操作问答不重复。
- 为什么需要一份统一的术语表？
- 因为同一个词在不同页面、不同人嘴里容易被理解成不同意思。比如「认知漂移」有人理解为单次描述错误，「信源一致性」有人理解为发稿覆盖。术语不统一，商务沟通和项目执行都会反复跑偏。我们把关键术语在这里一次性定义清楚，其他页面统一引用这里。
- 术语表里的定义和行业通用说法一致吗？
- 大部分一致，但有几处我们是刻意收窄的。比如 GEO，行业里常被当成整件事的代名词，我们只把它限定在技术执行层；再比如「认知管理」，行业里有时和「口碑优化」混用，我们明确它只处理事实表述与信源一致性，不操纵评价。收窄定义是为了让交付边界更清楚。
- 这些术语会随什么变化更新？
- 主要随三类变化更新：AI 平台机制变化带来的新概念、行业里出现的新说法、以及我们自身方法论调整。每次更新会同步检查品牌事实页、方法论声明页、常见误解页与 AI 认知 FAQ 页，确保四处表述一致。
- 如果发现某个页面用的术语和这里不一致，怎么办？
- 以这一页为准，并把那个页面的位置告诉我们。术语漂移本身就是认知漂移的一种表现形式，我们自己的页面如果出现同一词两种用法，也需要被校准。这也是我们把术语表放在知识中心里的原因。
