大部分内容团队在谈 GEO 优化时，讨论的都是选题、关键词、外链、页面加载速度，很少有人愿意讨论一个更基础的问题：这篇稿子到底够不够好，好在哪，差在哪，谁来判断。缺少判断标准的结果是，评审会变成一场口味之争，改稿意见集中在标题够不够抓人、开头够不够顺，而真正影响生成式引擎是否引用的那些要素，没有人负责。

评分卡的作用不是给内容排个名次，而是把含糊的质量讨论转换成可复现的判断。同一篇稿件，换一个评审人，得分应该落在正负五分之内；同一个问题，三个月后再出现，扣分规则应该完全一样。做到这一点，团队才可能在几十篇、上百篇的量级上保持稳定输出，而不是靠某个人的手感。

下面这套方法来自我们给多家 B2B 与消费品企业搭建内容中台时的实践，包含六个维度、三段流程、一份可以直接抄用的表结构和几个真实打分示例。你可以整份拿去用，也可以只取其中一段，先跑一个月再调整。

一、为什么GEO内容必须用评分卡管理

先看三个常见的失真场景。第一个是流量指标滞后：一篇文章从发布到搜索起量通常要四到八周，等内容团队看到数据反馈，选题方向早就换了两轮，问题稿也已经发了十篇。第二个是主观评审：主编说这篇读起来有点散，作者说结构是刻意设计的，双方都没有可引用的依据，最后往往以职位高低定胜负。第三个是外部代写不可控：同一个外包写手，这个月交的稿能用，下个月交的稿明显是拼接的，但你只能凭感觉打回去，对方不认。

评分卡能同时解决这三件事。它把质量前移到发布之前，让判断不依赖滞后的流量数据；它把分歧压缩到具体条目上，争论从这篇稿子行不行变成第三条事实缺少出处该扣几分；它还给外部作者一份明确的验收标准，签约时附在合同后面，交稿时按同一张表打分，纠纷会少很多。

更实际的价值在于可训练。当团队积累了三十份打完分的稿件，你就能看出什么样的稿子平均分高、什么样的稿子总是卡在问答覆盖度上，新人培训不再靠悟性，直接拿高分稿和低分稿做对比讲解，两小时能讲完过去要带三个月的东西。

需要提醒的是，评分卡不是审批流程的替代品。它解决的是判断标准化，不解决谁有权决定发不发。流程和权限必须分开设计，否则评分卡会退化成一张盖橡皮图章的表。

二、评分卡的六个核心维度与权重设计

我们把 GEO 内容质量拆成六个维度，覆盖三个层面：信息是否靠得住、机器是否读得懂、读者是否找得到答案。权重按百分制分配，写死在表头，不允许临时调整。

• 事实准确度，权重 25 分。所有可被验证的陈述是否与权威来源一致，包括数字、时间、机构名称、政策条款、产品参数、引用观点。
• 可核验性，权重 20 分。每一条关键事实是否附有可追溯的来源，来源是否公开可达，是否标注了来源类型与获取时间。
• 问答覆盖度，权重 18 分。页面是否覆盖该主题下用户真实会问的问题，问题的组织方式是否接近自然语言提问，答案是否在首段给出。
• 结构清晰度，权重 15 分。标题层级是否反映论证关系，段落是否单一主题，是否存在可以让机器独立抽取的完整语义块。
• 实体一致性，权重 12 分。品牌名、产品名、人名、地名、指标口径在全站是否统一，是否与知识图谱中的既有表述冲突。
• 时效标注，权重 10 分。内容是否标注更新日期、数据截止期、适用时间范围，过期内容是否被明确标记或下线。

为什么事实类维度合计占到 45 分？因为在生成式引擎的回答链路里，一段内容被引用的前提是它能支撑一个确定的结论。观点可以写得漂亮，但引擎需要的是能被交叉验证的陈述。一篇文章如果事实准确度和可核验性都拿满分，即便文笔平平，它仍然是可被引用的资产；反过来，文笔再好，事实站不住，引用一次就是一次风险。

问答覆盖度给到 18 分，是因为它直接对应引擎的检索形态。用户不会搜索品牌理念，用户会问某个流程要准备什么材料、某项成本大概多少、两种方案有什么区别，页面能不能接住这些问法，决定了它是否进入候选池。结构清晰度和实体一致性属于基础项，做得好不加分，做不好会让前两项的价值大打折扣。时效标注权重最低，但它是唯一一个会随着时间自动衰减的维度，一篇没标日期的稿子，两年后仍然是满分，这在事实上是不合理的。

三、事实准确度与可核验性的评分标准

这两个维度最容易放水，因为评审人往往没有精力逐条核对，最后变成看起来专业就给高分。解决办法是把评分锚点写具体，让评审人只需要回答是或否，而不是判断好不好。

事实准确度按四个档位打分。零分档：存在与权威来源直接矛盾的关键事实，或出现无法溯源的虚构数据。一分档：主要事实正确，但有三处以上细节偏差，例如年份错一年、比例写成绝对值、机构名称简称不规范。二分档：主要事实正确，细节偏差不超过两处，且偏差不影响结论。三分档及以上按满分档处理：全部关键事实与来源一致，且对存在争议的说法明确标注了分歧，而不是单方面下结论。

具体扣分颗粒度建议这样切：核心数据错误每条扣 3 分，时间表述错误每条扣 2 分，机构与人名错误每条扣 2 分，政策条款引用不完整每条扣 2 分，把相关性表述为因果性每处扣 3 分。最后一条最容易被忽略，也是企业内容里最常见的问题，比如用了某工具的客户增长更快，不能推导出用了该工具就会增长。

可核验性看三件事：每条关键事实是否有来源、来源是否可公开访问、来源与本条陈述是否真的对应。评分时逐条打勾，一条关键事实没有任何来源，扣 2 分；来源是二手转载而非原始发布方，扣 1 分；来源链接失效或需要登录才能查看，扣 1 分；来源内容与陈述不匹配，等同于无来源并额外扣 2 分。一篇三千字的行业解读，关键事实通常在十二到二十条之间，按条计分比按印象计分稳定得多。

还需要一个配套动作：把来源写在正文里而不是文末堆一串参考文献。引擎抽取的是片段，如果一段话里的数字在文末才给出处，这个片段在被单独取出时就失去了可核验性。推荐写法是句内嵌来源，例如据国家统计局 2025 年 1 月发布的数据，或者据某公司 2024 年年度报告第 32 页。

四、结构清晰度与问答覆盖度的评分标准

结构清晰度不看排版好不好看，只看三件事：标题层级是否对应论证关系、每个段落是否只有一个主题、每个小节是否能被单独摘出来仍然成立。评审时的操作方法是随机抽三个二级标题，遮住上下文，看这一节能否独立读懂。读不懂说明这一节依赖了前文的隐含前提，机器抽取时同样会失效。

• 满分档：二级标题即结论，三级标题即子问题，每段首句是段落主旨，任意小节可独立阅读，段落长度集中在 120 到 250 字。
• 良好档：层级基本合理，存在两到三处长段落，需要读到段尾才知道主旨，扣 2 到 3 分。
• 及格档：标题是名词堆叠而非判断句，段落混杂多个主题，存在超过 400 字的大段，扣 5 到 7 分。
• 不及格档：全文只有一段或标题层级混乱，小节之间无逻辑推进，扣 10 分以上。

问答覆盖度需要一份前置物料：问题清单。写稿前从三个渠道收集真实问法，一是搜索框的下拉与相关搜索，二是客服与销售的常见问答记录，三是引擎里直接提问后看它给出的追问建议。收集二十到三十个问句，去掉重复与偏离主题的，留下十二到十八个，作为这一篇的覆盖目标。

评分时按覆盖率计算，同时看答案位置。覆盖率达到八成且每个答案在前 150 字内出现，给满分；覆盖率达到六成，给 12 分左右；覆盖率不足四成，无论文笔如何，这一项不超过 8 分。答案埋在第三段之后的，每处扣 1 分，因为引擎抽取片段时很容易把答案和问题切开。

问答覆盖度还有一个隐蔽的扣分点：只回答了好回答的问题。团队往往把所有关于成本、风险、失败案例的问题删掉，只留下产品优势类问题，覆盖率看起来很高，但用户真正要问的那些尖锐问题一个都没接住。评审时应该专门检查这一项，问题清单里至少要有三个不利视角的问题。

五、实体一致性与时效标注的评分标准

实体一致性是 GEO 里被低估的维度。生成式引擎在整合信息时会把品牌名、产品名、创办时间、总部地点这些实体属性当作事实来用，如果官网写的是某某科技，公众号写的是某某网络，天眼查上是第三个名字，引擎在比对时就会降低置信度，甚至在回答里给出互相矛盾的表述。

评分方法是先建一份实体词典，包含品牌全称、英文名、简称、产品线命名规则、创始人姓名与职务、成立时间、注册地、核心资质名称。然后逐项核对文章中出现的实体表述。品牌名写法不统一每处扣 1 分；产品名与官方命名不一致每处扣 1 分；同一指标在不同段落口径不同扣 2 分；与公开工商信息或官网表述冲突扣 3 分。累计扣分不超过 12 分。

时效标注看四件事：是否在页面显著位置标注首次发布与最近更新时间、数据是否标注截止期、是否说明适用时间范围、过期内容是否被处理。四项齐全给满分；缺更新日期扣 3 分；数据无截止期扣 3 分；内容明显过期但仍以现时口吻表述扣 5 分以上。所谓明显过期，指的是文中的政策已被修订、价格已变动、产品已停产，但文章仍用当前时态描述。

时效标注之所以值得单列，是因为它影响的是整站的信任积累。一篇 2021 年写的行业分析，如果标了数据截止到 2021 年，它仍然是有价值的历史资料；如果不标，它会被引擎当作当前事实引用，一旦与现实不符，损失的是整个域名的可信度。建议在内容管理系统里给每篇文章加两个字段：数据截止日、复审日期，到期自动进入复审队列。

六、按内容类型调整权重：三张参考矩阵

百分制权重不能一刀切，不同类型的内容承担的任务不同。我们在总表之外准备了三张派生表，只调整权重，不改变评分细则，这样评审人不用记两套标准。

• 教程与方法类：事实准确度 22、可核验性 16、问答覆盖度 22、结构清晰度 20、实体一致性 12、时效标注 8。这类内容的价值在可操作性，结构权重上调，因为步骤错乱会直接导致读者执行失败。
• 产品对比与选型类：事实准确度 28、可核验性 26、问答覆盖度 16、结构清晰度 12、实体一致性 12、时效标注 6。这类内容涉及参数与价格，事实与来源权重上调，一条参数错误可能引发客诉。
• 行业数据与政策解读类：事实准确度 26、可核验性 24、问答覆盖度 12、结构清晰度 12、实体一致性 10、时效标注 16。政策类内容过期即失效，时效权重必须显著提高。

三张表都保留一票否决机制，且否决项不随类型变化。这样做的原因是，否决项对应的都是不可接受的风险，与内容形态无关。

如果团队内容类型更多，可以按同样的逻辑自己派生，但要注意两条约束：事实准确度加可核验性不得低于 35 分；任何单一维度不得低于 6 分。前者保证底线，后者防止某一项被压到形同虚设。

七、一票否决项：哪些问题不给分直接退回

否决项与扣分的区别在于，扣分是对质量的度量，否决是对风险的拦截。以下八条一旦命中，不论总分多少，稿件直接退回，不进入终审。

• 出现编造的统计数据、伪造的引文、虚构的专家姓名或机构。
• 关键结论与现行法律法规、强制性国家标准相冲突。
• 把他人原创内容整段搬运且未获授权，包括洗稿改写。
• 涉及医疗、金融、教育的具体承诺性表述，如保证收益、治愈率、保过。
• 泄露客户名称、合同金额、未公开的经营数据。
• 同一事实在文内前后矛盾，且无法判断哪个为真。
• 页面主体内容由纯机器生成且未经人工核实，包含明显的事实幻觉。
• 标题或首段承诺的内容，正文完全没有兑现。

最后一条值得单独说。它的危害不在读者体验，而在引擎的语义匹配：标题写五个方法，正文只讲了两个，剩余篇幅在讲品牌历史，这段内容在向量空间里会同时靠近两个不相关的主题，导致它在任何一类查询里都排不上去。

否决项的执行需要留痕。每次否决要记录命中条目、证据截图、处理人和时间，月度复盘时统计哪一条最常被触发。如果某一条连续三个月零触发，可以考虑降级为扣分项；如果某一条触发率超过两成，说明上游的写作培训或选题机制有问题，应该去改流程而不是反复退稿。

八、第一段流程：作者自评怎么填才有效

作者自评不是走过场，它是把质量责任前移的手段。要求作者在提交评审前完成自评，填写时间控制在三十分钟以内，超过这个时长说明表设计得太复杂。

自评表的填法与终评表完全一致，但多两列：证据列和说明列。证据列要求作者为每条关键事实填写来源链接或来源名称；说明列要求作者对每一处自扣分写明原因，例如问答覆盖度自扣 4 分，原因是问题清单里的三个成本类问题没有覆盖。这两列是评审人判断作者是否认真的主要依据。

要防止三种自评作弊。第一种是全部打满分，评审人可以直接退回，不进入评审队列，连续两次触发则本月绩效扣分。第二种是证据列填品牌官网首页，这种来源不能支撑具体数字，视为无来源。第三种是把问题清单缩减到只覆盖自己写了的内容，因此问题清单必须由选题会确定并随稿件一起提交，作者无权删减。

自评还有一个隐性收益：它迫使作者在写作过程中就检查事实。很多错误不是不会查，而是没想到要查。当表格里有一栏必须填来源，作者在写数字的那一刻就会去确认，这比事后核查便宜得多。

九、第二段流程：同行评审的组织方式

同行评审采用双人盲评。两位评审人互不知道对方身份与分数，分别独立打分，评审系统在两人都提交后才显示结果。这样做的目的是避免锚定效应，先看到别人的分数，第二个人往往会向中间靠拢。

评审人资格有三个条件：写过同类题材至少三篇且平均分在 80 以上；通过一次评分校准测试，对五篇样稿的打分与标准分偏差在 5 分以内；不在本稿的作者或利益相关方名单里。第三条最容易被忽略，同组同事互相评审，分数会系统性偏高。

评审时限为两个工作日，超时自动转给备选评审人。评审意见必须按固定格式提交：问题描述、所在位置、修改建议、严重级别。严重级别分三级，阻断级指不改不能发，重要级指影响质量但不阻断，建议级指可选优化。只写感觉不行、逻辑有点乱这类评语视为无效评审，需要重填。

分歧处理看分差。两人总分差值在 5 分以内，取平均分；差值在 5 到 10 分之间，两位评审人就分歧最大的两个维度做一次十五分钟对谈，仍未一致则取较低分；差值超过 10 分，触发第三人仲裁，仲裁人的打分与更接近的一方共同计入，同时这次分歧要进入月度校准会的案例库。分差本身就是数据，长期统计可以看到哪位评审人偏松、哪位偏严。

十、第三段流程：主编终审与发布决策

主编终审不再重新打分，只做四件事：确认否决项已全部排除、确认两位评审人的阻断级问题已闭环、确认实体词典与品牌口径无冲突、确认发布配置正确，包括栏目、标签、作者署名、更新日期、结构化数据。

终审有四种结论。直接发布，总分 85 以上且无阻断级问题；轻改后发布，总分 75 到 85，问题集中在表述与格式，作者当天改完，主编抽查；补证后再审，总分 75 以上但可核验性低于 14 分，补齐来源后由原评审人复核，不必重新走全流程；退回重写，总分低于 75，或命中任一否决项。

终审时限为半个工作日，超过时限视为默认通过并记录，这条规则是为了防止主编成为瓶颈。很多团队的评审流程死在最后一步，稿子躺在终审队列里三天，作者只能凭记忆改，改完又忘。设置默认通过不是降低标准，而是把压力放回评审环节。

发布后要留一份记录：得分、各维度分项、评审人、修改轮次、发布日、复审日。这份记录在三个月后做归因分析时非常有用，可以回答一个关键问题：高分稿的引用率是不是真的更高。如果发现某个维度与引用率强相关，下一季度就该调整权重。

十一、可直接抄用的评分表结构

下面这份结构可以直接搬进飞书多维表格、腾讯文档或自建系统，字段名不改也能用。整表分四个区：表头区、评分区、汇总区、附注区。

• 表头区字段：稿件编号、标题、内容类型、目标问题清单编号、作者、提交日期、复审日期、评分表版本号。
• 评分区每行对应一个评分项，字段为：维度、评分项、满分、评分锚点说明、自评得分、自评证据、评审甲得分、评审甲意见、评审乙得分、评审乙意见、终得分。
• 评分项拆分建议：事实准确度拆为数据类、时间类、机构与人名类、政策条款类、因果表述类五项；可核验性拆为来源覆盖率、来源权威度、来源可达性、句内嵌源四项；结构清晰度拆为标题层级、段落单一主题、小节独立性三项；问答覆盖度拆为覆盖率、答案位置、不利视角三项；实体一致性拆为品牌名、产品名、指标口径三项；时效标注拆为发布与更新日期、数据截止期、适用时间范围三项。
• 汇总区字段：六维度得分、总分、否决项命中情况、评审结论、修改轮次、终审人、终审日期。
• 附注区字段：本次评审的特殊约定、豁免说明、争议记录、进入案例库标记。

填表有两条硬规则。第一，所有得分必须是整数，不允许出现 3.5 这种颗粒度，因为它会诱发无意义的精确感。第二，任何低于满分的项必须在意见列写至少一句可执行的话，写不出来的说明这个扣分站不住，应当改回满分。

如果暂时没有系统，用一张表格加一个共享文件夹也能跑。表格记录分数，文件夹按稿件编号存放问题清单、来源清单与评审意见截图。等到每月超过二十篇，再考虑上工具，过早工具化会把流程的缺陷固化下来。

十二、完整打分示例：一篇长文的评审全过程

举一个真实场景。某工业设备企业写一篇关于车间能耗改造的长文，目标读者是工厂的设备主管，问题清单十八个，正文四千二百字。

自评阶段，作者给出 86 分。评审甲给 74 分，评审乙给 79 分，分差 5 分，取平均 76.5，按规则取整为 76。分项为：事实准确度 21/25、可核验性 14/20、问答覆盖度 15/18、结构清晰度 12/15、实体一致性 10/12、时效标注 4/10。

• 事实准确度扣 4 分：一处把行业平均能耗强度写成 2022 年数据但标注为 2024 年，扣 2 分；一处把试点项目的节能率直接推及全行业，属于相关性误作因果，扣 3 分，其中 1 分因作者已在括号内注明为个案而减免。
• 可核验性扣 6 分：十四条关键事实中五条无来源，扣 10 分；其中三条在评审意见中指出后作者当场补充了来源，按补充后计分，最终扣 6 分。
• 问答覆盖度扣 3 分：十八个问题覆盖十五个，覆盖率八成三，但三个成本类问题的答案都放在第三节末尾，位置偏后，每处扣 1 分。
• 结构清晰度扣 3 分：两个二级标题是名词短语，一个小节脱离上下文后无法独立读懂，各扣 1 分。
• 实体一致性扣 2 分：产品型号在文中出现两种写法，一处漏了后缀。
• 时效标注扣 6 分：只有发布日期，没有数据截止期，且电价数据已过期两年仍以现时口吻表述。

评审结论是补证后再审，因为总分过 75 但可核验性低于 14 分的临界值。作者用一天补齐来源、改写因果表述、补充数据截止期，复审后总分 84，进入轻改后发布，最终得分 86 上线。整个过程从提交到发布用了四天，比原来的无限期返工快得多，因为每个人都知道卡在哪一条。

再举一个被否决的例子。另一篇讲行业趋势的稿子自评 91 分，评审甲在核对第三条数据时发现来源是一个不存在的行业协会报告，触发第一条否决项，直接退回，不进入打分汇总。事后复盘发现，这篇稿子是外包写手用生成工具产出后稍作改写的，作者只做了语句润色没有核事实。这条记录进入案例库，之后所有外部稿件的合同里都加了一条：虚构来源按稿费三倍追责。

十三、让评分卡持续有效的维护机制

评分卡最大的风险不是设计得不好，而是三个月后没人再认真填。维持它需要三个固定动作。

月度校准会，一小时，所有人对同一篇未发布的稿件独立打分，然后逐个维度对齐。重点不是把分数调成一样，而是找出分歧背后的理解差异。比如两个评审人对可核验性的理解不同，一个认为来源权威即可，一个要求来源必须能直接支撑该句，这类差异必须当场写进锚点说明，形成版本更新。

季度权重复盘，用三个月的数据做两件事：看各维度得分与发布后九十天的引用量、停留时长、咨询转化是否相关；看哪些评分项从来没有产生过分差，如果有，说明这一项要么所有人都在无意识放水，要么锚点写得无法判断，两种情况下都要改。权重调整幅度控制在正负 3 分以内，避免一次改动过大导致历史数据不可比。

评分表要带版本号，每次改动记录变更点与生效日期。历史稿件保留当时的版本号，不要用新表回溯打旧稿，那会让趋势分析失去意义。半年后回看第一版和第二版的差异，本身就是团队认知升级的证据。

常见问题

团队只有三个人，也要上这么重的流程吗

要，但要减配。三个人可以只保留作者自评与一人复核，取消双人盲评，权重与锚点不动。流程的目的是让判断有依据，不是让审批层级变多。等月度产量超过十五篇，再把复核拆成两人盲评。

评分卡会不会让内容变得同质化

会，如果只考核分数。解决办法是把分数当门槛而不是目标，七十五分是及格线，及格之后鼓励作者在选题角度、案例、表达方式上冒风险，并在月度复盘里单设一个最佳差异化的评价，与分数脱钩。评分卡管底线，不管上限。

没有专职事实核查员，怎么保证事实准确度

用来源清单替代核查员。要求作者提交稿件时附一份关键事实清单，每条对应一个来源，评审人只抽查其中三到五条，重点抽查数字、时间、政策条款三类。抽查命中错误的，整份清单视为不可信，退回重做。这个机制的成本很低，威慑效果足够。

权重可以按自己的业务改吗

可以，但要遵守两条约束：事实准确度加可核验性不低于三十五分，任何单一维度不低于六分。改动后要重新做一次校准测试，让所有评审人对五篇样稿打分，确认分差仍在可接受范围内，再正式启用。

评分和流量数据冲突时听谁的

短期听流量，长期听评分，但要做归因。如果一篇高分稿三个月没有起量，先检查分发与收录，再检查问题清单是否偏离真实搜索需求；如果一篇低分稿流量很高，去看它的引用情况，很多低质高流量内容只是承接了品牌词，并不产生引用价值，这类流量不应作为放宽标准的理由。

外部作者与投稿怎么纳入这套流程

签约时把评分表作为附件，明确及格线、否决项与结算挂钩方式，例如八十五分以上全额，七十五到八十五按九成，七十五以下不结算但可修改一次。投稿则走简化流程，只做否决项筛查与可核验性抽查，通过后再进入正常评审。

一票否决项太多，会不会导致发不出稿

如果命中率高，问题在上游不在标准。统计三个月的否决原因，如果集中在虚构来源，说明选题给的资料不足或者外部作者缺乏训练；如果集中在承诺性表述，说明销售话术渗透进了内容。改选题机制和培训，比删掉否决项有效。

评分结果要不要对作者公开

要公开自己的分项与评语，不公开评审人身份。作者需要知道具体哪一条扣分才能改进，但知道是谁打的分会让评审变成人际关系。评审人的历史打分偏差只在管理层面统计，用于校准，不用于考核个人。