自建 GEO 平台（四）：把检测数据变成一份能读的报告

直接回答：报告的价值不在图表好看，而在读完知道这周该做什么。可行的结构是三层——结论层（本周发生了什么变化）、证据层（支撑结论的数据）、明细层（原始记录，供核查）。把这三层固定下来，报告就能自动生成，也不会随数据量增长而变得难读。

数据表不是报告

平台跑到第二个月时会遇到一个新问题：数据库里什么都有，但没人看得懂。

采集量、片段数、引用次数、提及次数、各平台分布——这些数字堆在一起，读者的第一反应是"所以呢？"

原因很简单：**数据表回答"是什么"，报告要回答"所以该怎么办"。**两者的组织方式完全不同。

判断标准很直接：如果一份报告只是把表格换个排版，那它还没有完成从数据到结论的转换。

报告的三层结构

把内容按"读者的疑问层次"来组织，而不是按数据来源组织：

1
2
3

第一层｜结论      本周有什么变化？需要做什么？
第二层｜证据      哪些数据支撑这个结论？对比基线如何？
第三层｜明细      原始记录、命中原文、异常明细

三层各自的写法：

**关键约束是：第一层必须能独立读懂。**后面两层是给"想核实的人"准备的，不是给"想知道结论的人"准备的。

只写变化，不写全量

报告最容易犯的错误是每周重复同样的全量数据。读者的注意力会迅速耗尽，真正重要的变化被淹没。

可行的做法是三个筛选规则：

**规则一：与上期对比，只写有变化的项。**引用次数从 3 变成 4 不值得单独说，从 3 变成 0 才需要。

**规则二：异常优先于趋势。**趋势是缓慢的，异常是突发的。如果某个平台突然不再引用你，那比"整体引用率上升 5%"重要得多。

**规则三：没有变化时明确写"无变化"。**这比省略更有信息量——它说明系统在正常运行，而不是报告生成失败了。

必须有固定基线，否则数字没有意义

一个孤立的数字不构成结论。"本周被引用 7 次"是好事还是坏事，取决于上期是多少、同期水平是多少。

所以要固定两份参照：

• 上期值：用于判断短期变化
• 首期基线：用于判断长期趋势

首期基线就是《自建 GEO 平台（三）：AI 收录监测与效果度量》里说的第一轮采样结果。它的作用是让后面所有数字都有参照——这也是为什么第一轮采样哪怕数据难看也要如实记录。

一份可以直接套用的报告模板

用 Markdown 写报告，好处是便于存档、便于版本对比、也便于直接贴到任何地方：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32

# GEO 监测周报 · 2026-09-17

## 结论

- 引用次数从 5 次降到 3 次，减少集中在 Perplexity（4 → 1）
- 新增 1 篇被引用文章：《什么是 GEO》
- 豆包平台连续两周零命中，建议检查该平台是否调整了检索来源
- 本周无需人工干预的项：抓取与索引正常

## 关键数据

| 指标 | 上期 | 本期 | 变化 |
| --- | --- | --- | --- |
| 引用次数 | 5 | 3 | ↓ 2 |
| 提及次数 | 8 | 9 | ↑ 1 |
| 命中文章数 | 4 | 5 | ↑ 1 |
| 采样问题数 | 20 | 20 | — |

### 各平台分布

| 平台 | 上期 | 本期 |
| --- | --- | --- |
| ChatGPT | 1 | 1 |
| Perplexity | 4 | 1 |
| 豆包 | 0 | 0 |

## 明细

| 日期 | 问题编号 | 平台 | 类型 | 命中文章 |
| --- | --- | --- | --- | --- |
| 2026-09-17 | 5 | Perplexity | 引用 | what-is-geo |
| 2026-09-17 | 9 | ChatGPT | 提及 | — |

三个细节值得说明：

• 结论里带数字："引用下降"是印象，"从 5 降到 3"才是结论
• 变化列用箭头标注：一眼能看出方向，不用做心算
• 明细保留原始记录：出现异常时可以回溯到具体是哪次采样

生成自动化，但结论不要自动化

数据部分完全可以脚本生成：查数据库、算差值、填模板、输出文件。

**但结论层建议人工写。**原因有两个：

第一，判断需要上下文。脚本知道引用下降了，但不知道这周你改了一篇文章的标题——而这个信息往往解释了变化的原因。

第二，建议动作需要取舍。脚本可以列出十件"可以做的事"，但只有人能判断哪件值得做。

所以实用的分工是：**脚本负责把数据变成表格，人负责把表格变成一句话结论。**每周花十分钟，比全自动生成一份没人看的报告有用得多。

常见问题（FAQ）

报告要多长时间做一次？

与采样周期保持一致，通常每两周一次。频率太高会被模型输出的随机性干扰，看不出真实趋势；太低则失去预警作用。报告周期和采样周期不一致是常见错误——那样报告里的数字没有可比性。

只有自己看，还需要写报告吗？

需要，而且收益比想象中大。**报告的作用是强迫你把数据看一遍并形成判断。**不做这一步，数据就只是躺在数据库里；做了这一步，你才知道下周该改内容还是该查抓取。

指标很多，怎么决定报告里放哪些？

遵循一条原则：**只放会引发动作的指标。**如果一个指标连续几个月没有变化、也不会因为变化而改变你的做法，就不该占用报告版面。抓取健康度、引用次数、命中文章数通常在列；更细的分平台分布可以放到证据层。

报告存成什么格式比较好？

推荐 Markdown 文本，而不是 PDF 或图片。文本便于版本对比——想知道"上个月和这个月有什么不同"，直接 diff 两个文件就够了。用表格软件或在线文档则很难做这种对比。

小结

• 报告要回答"该做什么"，数据表只能回答"是什么"。
• 结构固定为三层：结论、证据、明细，第一层必须能独立读懂。
• 只写变化与异常，没有变化时明确写"无变化"。
• 所有数字都要有参照：上期值判断短期，首期基线判断趋势。
• 数据生成可以自动化，结论与建议保留人工判断。

本系列的前三篇分别是《整体架构与技术选型》、《内容采集与结构化流水线》和《AI 收录监测与效果度量》。如果对报告里的指标设计有不同做法，欢迎到留言板交流。