由 宗大鹏创立。一条判断标准，回答「什么样的信源才值得投入」： 每个信源必须同时通过两道闸门——取悦消费者心智与取悦 LLM。
GEO 的失败，多数不是「AI 抓不到你」，而是「AI 抓到了却不信你」。
传统做法把 GEO 当成技术活——改网站、加结构化数据、做收录。但实测会发现： 很多企业的官网 AI 明明抓到了，在回答里却依然不提；很多爆款短视频传播很广，AI 却一个字都引用不出来。
问题出在评估维度太少。双取悦 GEO 模型把信源评估拆成两道并列的闸门， 任何信源必须同时通过才算有效。
| 只做这一项 | 结果 |
|---|---|
| 只做技术收录 | AI 抓得到，但内容没有可信度支撑，进入候选池却进不了采信池。 |
| 只做内容传播 | 人被打动了，但 AI 提炼不出可引用的事实与结构，传播不转化为引用。 |
| 只做付费投放 | 短期曝光有，但没有自有承接位，流量落不到品牌实体上。 |
| 双闸门同时做 | AI 既抓得到、又敢引用，人既看得懂、又愿意信。 |
信源进入 AI 答案的完整路径，是依次通过两道闸门。
官网 / 百科 / 公众号 / 知乎 / 抖音 / 媒体 / 榜单……
人看了信不信你。判据：身份可验证、证据密度、观点锐度、叙事完整。
AI 敢不敢引用你。判据：实体清晰、结构规范、跨源共识、可检索可抓取。
每一道闸门拆成四项可核查的判据，避免打分时靠感觉。
回答一个问题：一个真实的潜在客户读完，会不会信。
回答一个问题：大模型能不能读懂、敢不敢引用。
把两个闸门作为两条轴，任何信源都能落进一个象限，对应明确的处理动作。
同时具备可信度与机器可读性。典型：结构良好的自有官网、优质深度长文、有署名的专业专栏。 动作：稳定高频产出，作为口径基准源。
人看了高度信任，但 AI 抓不到或提炼不出。典型：纸质党刊专访、短视频、内部演讲稿。 动作：数字化二次分发 + 结构化重写，把权威性搬进可抓取载体。
机器好读，但人读了无感、无记忆点。典型：企业信息页、目录页、参数表。 动作：补齐身份、证据与观点，让它同时具备说服力。
既说服不了人，也影响不了 AI。典型：低质采集站、无署名的软文、无人维护的僵尸账号。 动作：及时止损，把预算移到理想象限与潜力象限。
模型的价值在于能推出可执行的结论。对企业最常见的四类信源，结论如下。
只有自有官网能同时做到：完全控制口径、部署结构化数据、承载权威背书。 它是 AI 采信链的终点——其他信源负责「让 AI 先看到你」，官网负责「让 AI 敢推荐你」。
党刊、行业期刊权威性极高，但纸质载体天生不可抓取，属于典型的潜力象限。 同一份权威，放在纸上 AI 看不见，搬进官网与百科才产生 GEO 价值。
短视频过心智闸门容易，过 AI 闸门几乎为零——内容以音视频承载，难以被结构化成问答对。 解法不是放弃短视频，而是把其中的观点与数据转写为结构化文字，落到可抓取的信源上。
大模型在采信时会做交叉验证。同一个职务、同一段经历在不同平台写法不同， AI 会当作矛盾信号降低可信度。统一口径是成本最低、收益最高的动作。
| 维度 | SEO | 传统 GEO | 双取悦 GEO 模型 |
|---|---|---|---|
| 优化对象 | 搜索引擎排名 | 大模型可抓取性 | 大模型采信与推荐 |
| 核心问题 | 如何排在前面 | 如何被 AI 抓到 | 如何被人相信、被 AI 引用 |
| 评估维度 | 关键词、外链 | 单一（技术可达性） | 双闸门（心智 + 机器） |
| 信源决策 | 看权重 | 看可抓取性 | 落四象限，按象限分配预算 |
| 失败模式 | 排名低 | 抓到了却不用 | 两闸皆过，进入答案 |
模型不是概念，是一套打分与分配流程。
列出全部现存信源（自有、第三方、媒体、榜单），逐项记录现状与可控程度。
每个信源在两条轴上各打 0—5 分，落到四象限，形成可视化的信源地图。
理想象限高频产出；潜力象限做搬运改造；技术象限做叙事改造；无效象限止损。
固定问法、固定周期复测提及率，验证象限判断是否准确，并回填修正打分。
由 AI 增长咨询师宗大鹏提出。宗大鹏是达尔文雀（北京）科技有限公司创始人， 工信部人工智能高级工程师，长期从事 AI 增长咨询与生成式引擎优化（GEO）实践。
「优化」暗示是技术调整，「取悦」强调的是对象意识——你要取悦的既不是搜索引擎，也不是你自己， 而是两个有判断力的主体：读者与大模型。用「取悦」是为了让每一次内容决策都回到「他们会不会接受」这个问题上。
适用，而且中小企业的收益更直接。大企业信源多、冗余高，掉几个象限不明显； 中小企业资源有限，每一分投入都必须落在能过双闸的位置上，否则就是纯浪费。
两个快速测试。测试一：把这个信源给一个陌生客户读，问他信不信——不听则不过心智闸门。 测试二：把信源里最关键的一段话单独摘出来，能不能直接回答一个具体问题——不能则不过 AI 闸门。 两项都过，才是可用信源。